Spring til indhold
Blog

Test af rejse-API i sandkasse: det, sandkassen ikke viser

Tekravel Redaktion
Skrevet med hjælp fra AI

Integrationen bestod alt, hvad test af rejse-API i sandkasse kunne kaste efter den. Søgningen returnerede fly, hoteltilgængeligheden returnerede værelser, bookingkaldet gav et bekræftelsesnummer hver eneste gang, og QA godkendte en torsdag. Tirsdagen efter betalte en kunde for et hotel til én pris, og leverandøren bekræftede det til en anden; en flybooking fik timeout, og ingen kunne sige, om sædet var reserveret; og en supportmedarbejder brugte eftermiddagen på at afstemme to poster, der beskrev den samme rejse. Intet af det var en fejl, testene overså. Det var scenarier, testene aldrig havde nogen mulighed for at se. En sandkasse er nødvendig, den er langtfra tilstrækkelig, og hullet mellem de to er dér, hvor de fleste dyre hændelser i en rejseintegration bor.

Dette er en testplan til udvikleren, der ejer integrationen: hvad en sandkasse kan bevise, hvad den grundlæggende ikke kan, og hvordan forskellen dækkes uden at booke rigtige sæder på firmakortet.

Hvorfor test af rejse-API i sandkasse lader kode passere, som produktion ødelægger

En sandkasse lover noget om svarenes form, ikke om deres adfærd. Skemaet matcher produktion. Adfærden gør det næsten aldrig, og det er ingens skyld: et testmiljø har ikke råd til at køre levende lager, så det serverer et fast sæt priser og værelser, der aldrig bliver udsolgt, aldrig ændrer pris og aldrig skifter køreplan. Det svarer hurtigt, fordi ingen andre bruger det. Det fejler sjældent midtvejs.

Produktion gør alt det dagligt. Lageret deles med alle andre sælgere; priser caches af nogen længere oppe i kæden og bliver forældede; en leverandørs system under belastning svarer langsomt eller slet ikke. Kode, der kun har set en sandkasse, er i praksis kun testet mod en leverandør, der har en perfekt dag.

Betragt derfor sandkassen som ét af tre lag. Den beviser, at dine kald er korrekt opbygget, og at din parser forstår skemaet. Optagede fixtures beviser, at koden overlever de svar, produktion faktisk sender. Et lille, bevidst valgt sæt live-tjek beviser forbindelserne, efter noget er ændret. Hvert lag fanger det, de to andre ikke kan.

Scenarier, en sandkasse sjældent giver dig

Skriv dem ned, før du skriver en eneste test. En sandkasse kan måske simulere et eller to med en magisk testværdi; de fleste har den simpelthen ikke.

ScenarieHvad produktion gørSådan dækker du det
Prisændring mellem søgning og bookingBookingen lykkes til en anden total, eller fejler med en prisændringsfejl, du skal viseFixture-par: et søgesvar og et bookingsvar med forskellig total; tjek at den rejsende bliver spurgt igen og aldrig trækkes i stilhed
Udsolgt mellem tilgængelighed og bookingVærelset eller prisklassen, der blev tilbudt, er væk, når du prøver at reservereFixture med leverandørens rigtige udsolgt-fejl; tjek at den rejsende sendes tilbage til resultaterne, ikke til en fejlside
Timeout på bookingkaldetLeverandøren har måske oprettet bookingen, måske ikkeIndsæt en timeout efter kaldet er sendt; tjek at du spørger efter bookingstatus, før noget forsøges igen
Dobbelt indsendelseEt dobbeltklik eller et retry fra klienten opretter to bookingerSend samme booking to gange med samme idempotency key; tjek at der findes præcis én
Køreplansændring efter udstedelseFlyet, du solgte, afgår nu på et andet tidspunkt eller med et andet rutenummerFixture med ændret rejseplan; tjek at ændringen når den, der ejer kunden
Delvis succes på en booking med flere deleFlyet bekræftes, hotellet ikkeBlandet fixture; tjek at systemet registrerer præcis, hvad der blev bekræftet, og alarmerer et menneske
Throttling under belastningRate limit-svar, derefter langsomme svarAfspil et optaget throttling-svar; tjek backoff, og at søgningen forringes i stedet for at fejle

Du er måske uenig i sidste kolonne for din egen stack. Fint. Det afgørende er, at hver række har en ejer og en assertion, for hver eneste af dem vil ramme dig på et tidspunkt.

Byg fixtures af rigtige svar, ikke opfundne

Den mest nyttige vane i en rejseintegration er at gemme de svar, der overraskede dig. Håndskrevne mockdata afspejler, hvad du tror, leverandøren sender; et optaget svar viser, hvad den rent faktisk sendte — inklusive de felter, der er tomme, selvom dokumentationen siger, de aldrig er det, prisen i en valuta, du ikke bad om, og fejlen, der kommer med en succes-statuskode.

En rutine, der virker:

  • Optag ved grænsen. Log rå kald- og svarkroppe for leverandørkald i et ikke-produktionsmiljø, og i produktion for en stikprøve af trafikken, hvis jeres databeskyttelsesregler tillader det.
  • Rens, før du gemmer. Passagernavne, pasnumre, e-mails, telefonnumre og betalingsreferencer fjernes, før en fixture kommer i repoet. Erstat dem med åbenlyst falske værdier, så ingen forveksler en fixture med en rigtig booking.
  • Navngiv efter adfærd. hotel-book-price-increased.json fortæller den næste udvikler, hvorfor den findes; response-17.json gør ikke.
  • Behold de grimme for evigt. Det defekte svar, der væltede søgningen en søndag, er den mest værdifulde fil, du ejer. Det hører hjemme i en test, der kører ved hvert commit.

Skriv derefter contract-tests mod de fixtures: til parseren, til mapningen til interne modeller, til fejlklassificeringen. Hvis en leverandør omdøber et felt, og en contract-test fejler, finder du ud af det i CI i stedet for hos en kunde. Klassificeringen gennemgås mere grundigt i vores artikel om fejlhåndtering i en bookingmotors API.

Test pengestrømmene uden at bruge penge

Her hjælper sandkassen mindst, for det er netop i pengestrømmene, at et testmiljø adskiller sig fra det rigtige. Rigtig billetudstedelse, rigtig korttrækning og rigtig fakturering fra leverandøren er det, du mest har brug for at få rigtigt, og mindst kan øve live.

Del problemet op. Prisberegningen er ren logik og kan testes udtømmende offline: tag optagede priser, anvend dine markup-regler, valutaomregning og afrunding, og tjek den total, den rejsende ser. Gør det for de akavede tilfælde — en pris i euro, der sælges i kroner, et markup, der er procent på ét produkt og et fast beløb på et andet, en børnepris, en afrunding, der er forskellig mellem visning og træk. En total, der er forkert med nogle få kroner, er stadig forkert, og den er forkert på hver eneste booking.

Den anden halvdel er tilstandsovergangene omkring betalingen. Modellér dem eksplicit — tilbudt, reserveret, betalt, bekræftet, udstedt, annulleret, refunderet — og test, at hver overgang har præcis én årsag. Den test, der fanger den dyreste fejl, tjekker, at der ikke kan trækkes betaling for en booking, leverandøren ikke har bekræftet, og at en bekræftet booking ikke kan eksistere uden en betalingspost.

Gør det til sidst umuligt for en testkørsel at nå live billetudstedelse. Ikke usandsynligt; umuligt. Et tjek ved opstart, der nægter at køre suiten, når produktionslegitimationsoplysninger er indlæst, koster én linje og forhindrer den værste morgen, et integrationsteam kan få.

Hvad det koster dig, hvis du tager fejl

Et overset scenarie i en rejseintegration viser sig sjældent som en fejl. Det viser sig som en booking, der ser fin ud. En dobbeltbillet, ingen bad om, som nogen skal voide inden fristen. Et hotel bekræftet til en pris, bureauet nu selv må dække. En booking med timeout, som systemet prøvede igen, så leverandøren holder to værelser og fakturerer begge. For en flybillet solgt gennem et rejsebureau kan en uoverensstemmelse mellem det udstedte og det solgte komme tilbage senere som en ADM, længe efter at avancen på det salg er brugt.

De omkostninger lander hos virksomheden, der solgte rejsen, ikke hos udvikleren, der skrev retry-løkken. Det er hele argumentet for at teste dem før lancering i stedet for at lære dem én supportsag ad gangen.

Hvad du smoke-tester efter hver leverandørændring

Leverandører ændrer ting: en ny API-version, et nyt endpoint, skiftede adgangsoplysninger, en anden indholdsmapning. Din egen kode er måske slet ikke ændret. Kør listen alligevel, i det miljø, der taler med den ændrede leverandør:

  1. Én søgning pr. produkt, du sælger fra leverandøren, på en rute eller by, du ved giver resultater.
  2. Fortolk hvert resultat uden at tabe nogen i stilhed; sammenlign dit antal med det, råsvaret indeholder.
  3. Prissæt ét resultat hele vejen igennem, og sammenlign den viste total med din egen beregning fra råprisen.
  4. Lav en booking i testmiljøet, læs dens status tilbage, og sammenlign hvert felt, du gemmer.
  5. Annullér den, og bekræft at annulleringen kan ses både i dine registre og hos leverandøren.
  6. Kør dine gemte grimme fixtures gennem den nye parser.
  7. Tjek at timeouts og rate limits stadig fører til den adfærd, I har besluttet, for en ny version kan besvare dem anderledes. Hvis svartiderne har flyttet sig, forklarer artiklen om latens, hvilken del der er din at rette.

Kort nok til at køre hver gang, og det er pointen. En smoke-test, ingen kører, fordi den tager en dag, er ikke en smoke-test.

Hvor sandkassen hører til

Intet af dette gør sandkassen mindre nyttig. Det gør den ærlig: stedet, hvor du lærer skemaet og bekræfter, at kaldene er rigtige, før fixtures og live-tjek overtager det, den ikke kan nå. Hvis du vurderer platformens fly- og hotel-API'er, begynder adgangen med en samtale, ikke en selvbetjeningsnøgle — tag denne testplan med til den samtale, og spørg, hvordan hver række i tabellen ovenfor ville blive dækket. Svarene fortæller mere om et API end dets dokumentation.

Tekravel Redaktion

Desk for rejseteknologi

Tekravels desk for rejseteknologi skriver til branchen: bureauejere, konsolidatorer og de udviklere, der integrerer dem. Hver artikel kontrolleres mod den platform, den beskriver, inden den udgives.