آپ ان کوڈز کی جانچ کیسے کرتے ہیں جو ڈیٹا بیسز کے ساتھ تعامل میں ہیں؟

Question

Accepted Answer

ایسے کوڈ کی جانچ کرنا جو **ڈیٹا بیس** استعمال کرتے ہیں مشکل ہے — آپ کو حقیقی ڈیٹا کے رویے کی ضرورت ہے بغیر عدم استحکام یا سست رفتاری کے۔ اقدامات میں **ٹیسٹ ڈیٹا بیسز**، **ان میموری ڈیٹا بیسز**، **ٹرانزیکشنز/رولبیک**، اور **ڈیٹا لیئر کو موک کرنا** شامل ہیں — ہر ایک کے فوائل و نقصانات ہیں۔

## چیلنج

```text
Database-interacting code needs testing, but databases bring challenges:
  → real DB → realistic but SLOWER; needs SETUP and CLEANUP (state between tests)
  → shared state → tests can interfere (order dependence, flakiness)
  → mocking the DB → fast but may not catch real query/integration bugs
→ Choose an approach balancing realism, speed, and isolation.
```

## اقدامات

```text
1. REAL TEST DATABASE → a dedicated DB for tests (same engine as production):
   ✓ realistic (catches real query/schema issues)  ✗ slower; needs cleanup/isolation
   → often run in a CONTAINER (Docker) for a clean, consistent DB per test run
2. TRANSACTION ROLLBACK → wrap each test in a transaction, ROLL BACK after → clean state,
   no leftover data, faster than recreating data (a common pattern)
3. IN-MEMORY DATABASE (e.g. SQLite in memory) → fast, easy setup  ✗ may differ from the
   production DB (different SQL/features → can miss prod-specific issues)
4. MOCK the data layer → fast, isolated UNIT tests  ✗ doesn't test real DB behavior
   (use for unit tests; use a real DB for integration tests)
```

## بہترین طریقے

```text
✓ ISOLATE tests — each starts from a known clean state (transactions, truncate, fresh DB)
✓ Use realistic test DATA (fixtures/factories/seeds)
✓ Test real DB behavior for the DATA LAYER (integration); mock the DB when unit-testing
  business logic above it
✓ Keep DB tests reasonably fast; run a clean DB in CI (containers)
```

## یہ کیوں اہم ہے

سمجھنا کہ ڈیٹا بیس کے ساتھ تعامل میں رکھنے والے کوڈ کی جانچ کیسے کی جائے قیمتی ہے کیونکہ **زیادہ تر ایپلیکیشنز ڈیٹا بیسز استعمال کرتی ہیں**، اور ڈیٹا رسائی کی صحیح جانچ اہم لیکن مشکل ہے، تو یہ عملی علم ہے۔

ڈیٹا بیس کوڈ (queries، ڈیٹا رسائی، persistence) کو جانچنے کی ضرورت ہے، لیکن ڈیٹا بیسز حقیقی مسائل متعارف کراتے ہیں — وہ سست ہیں، سیٹ اپ اور صفائی کی ضرورت ہے، مشترکہ حالت ہے جو ٹیسٹ میں مداخلت اور عدم استحکام کا سبب بن سکتی ہے، اور انہیں موک کرنا حقیقی query کے بگز کو شاید یاد رکھ سکتا ہے۔

سمجھنا **اقدامات اور ان کے فوائل و نقصانات** کلیدی علم ہے: **حقیقی ٹیسٹ ڈیٹا بیس** (حقیقی، اصل query اور schema کے مسائل کو پکڑتا ہے، اکثر مستقل مزاجی کے لیے کنٹینر میں چلایا جاتا ہے، لیکن سست اور علیحدگی کی ضرورت ہے)، **ٹرانزیکشن رولبیک** (ہر ٹیسٹ کو ٹرانزیکشن میں لپیٹنا اور صفائی کی حالت کے لیے واپس کرنا — عام، موثر نمونہ جو ٹیسٹ کو علیحدہ اور معقول طور پر تیز رکھتا ہے)، **ان میموری ڈیٹا بیسز** (تیز اور آسان لیکن ممکنہ طور پر production سے مختلف، production-specific مسائل کو یاد کرنے کا خطرہ)، اور **ڈیٹا لیئر کو موک کرنا** (تیز الگتھلگ یونٹ ٹیسٹ لیکن حقیقی ڈیٹا بیس کے رویے کو نہیں جانچنا)۔

سمجھنا کہ ہر ایک کب استعمال کریں — حقیقی ڈیٹا بیس ڈیٹا لیئر کی انضمام جانچ کے لیے (حقیقی query/schema bugs کو پکڑنے کے لیے)، ڈیٹا لیئر کے اوپر کاروباری منطق کے یونٹ ٹیسٹ کے لیے موک کریں — حقیقت پسندی، رفتار اور الگتھلگ کے توازن کے بارے میں سمجھداری ظاہر کرتا ہے۔

سمجھنا **بہترین طریقے** — **ٹیسٹ کو الگ کرنا** (ہر ایک ٹرانزیکشنز، truncation، یا نئے ڈیٹا بیس کے ذریعے معلوم صفائی والی حالت سے شروع ہوتا ہے، مداخلت اور عدم استحکام سے بچنے کے لیے)، حقیقی ٹیسٹ ڈیٹا استعمال کرنا (fixtures/factories)، ڈیٹا لیئر کے لیے حقیقی ڈیٹا بیس کے رویے کی جانچ کرنا، اور CI میں صفائی ڈیٹا بیسز چلانا — موثر ڈیٹا بیس جانچ کو ظاہر کرتا ہے۔

چونکہ زیادہ تر ایپلیکیشنز ڈیٹا بیسز استعمال کرتی ہیں اور ڈیٹا رسائی کی صحیح جانچ (query bugs کو پکڑتے ہوئے جبکہ ٹیسٹس کو الگتھلگ، تیز اور قابل اعتماد رکھتے ہوئے) اہم لیکن مشکل ہے، اور چونکہ اقدامات کو سمجھنا (حقیقی DB، ٹرانزیکشنز، ان میموری، موک کرنا)، ان کے فوائل و نقصانات، اور بہترین طریقے (الگتھلگ، حقیقی ڈیٹا) موثر ڈیٹا بیس جانچ کو فعال کرتے ہیں، سمجھنا کہ ڈیٹا بیس کے ساتھ تعامل میں رکھنے والے کوڈ کی جانچ کیسے کی جائے قیمتی ہے، عملی طور پر متعلقہ علم — ڈیٹا رسائی کو قابل اعتماری سے جانچنے کی عام ضرورت کے لیے اہم، حقیقت پسندی کو رفتار اور الگتھلگ کے خلاف توازن کرتے ہوئے، ڈیٹا سے متعلقہ ایپلیکیشنز جو معیار ہیں ان کی جانچ کے لیے ایک مفید مہارت۔