测试平台系列(54) 数据库表接口适配前端页面(下)

简介: 数据库表接口适配前端页面(下)

大家好,我是米洛,求三连!

回顾


上一篇我们编写了树的最外层,但是因为我们还有很深的层级要嵌套,所以我们现在开始。

准备好了吗?

本文依旧有一定的难度,需要大家理解值传递和引用传递

先看看最终效果图,来点信心。

27.jpg

image

实现伪代码


上一节我们写的都是伪代码,这次直接来实现它。

28.jpg

编写方法,查询数据库和数据表

result是我们最终返回结果。

最外层我们先查询所有的环境,并生成一个映射关系:

环境id => 环境名称

为什么需要env_index


那么env_index又是干什么的呢?

因为环境是最外层,我们需要通过环境id找到我们要往哪个环境的children里面加第二层的数据,而我们生成的是一个列表,这就导致如果我们需要插入环境id=2的children的时候,不得不去搜索一次result,从result里面找到id="env_2"的那条数据,接着去append到他的children。

这样时间复杂度会非常高,但是如果我们提前记录了,我环境id=2的时候插入到result的第几个children,那么就省略了从数组中查询的那步,等于用空间(env_idx)换了查询的时间

完成第一层数据录入


29.jpg

接着获取session,并查出所有没被删除的database数据

30.jpg

image

可以看到,我们遍历拿到的PityDatabase数据,接着从env_map里把环境id转为环境名

再开始判断env_index里面环境名的索引,在result的第几个,如果没有的话,说明result里面还没有这个环境的任何数据。

那我们就插入一条环境数据


result.append(dict(title=name, key=f"env_{name}", children=list()))

那此时result就变成了:


[
    {title: "fat", key: "env_3". children: []}
]

这是环境3在result的索引肯定是数组的最后一个元素,因为我们刚刚才append进去的,所以idx = len(result)-1

接着我们把idx存起来,这个可以理解的吧~

MetaData是我们获取数据表的关键,为了避免重复生成,我这边只在最外层生成了,传递给get_tables方法。

实现内层数据


注意这里我用get_tables方法的时候,将result[idx]['children']参数传了进去,意味着后续所有的数据都会append到这个children里面去,十分方便

而children是个list,list是引用传递的。所以我在get_tables里面对list的改动,其实也是生效的,可以看到get_tables没有任何返回,那是因为我的result里头的children被改掉了,导致了我的result间接被改掉了,就这个道理

看看get_tables怎么写


31.jpg

image

  1. 我们先通过db_helper获取到当时的连接conn,里面包含了session和engine,还记得不?
  2. 我们再次新建一个list,叫database_child,看名字就知道,他是database再下面一层的数据。
  3. 我们编写当前database层的节点数据,其实就是个dict,title因为我们需要展示对应的数据库ip+port,所以是这样:

f"{data.database}({data.host}:{data.port})"

因为database有唯一id,所以key可以叫『database_{data.id}』

children即是上一步创建的list().

  1. 获取engine
  2. meta获取表信息
  3. 遍历表

这边再次说明一下,get_tables参数中的children,是环境的下一层,database_child是数据库的下一层,而dbs则是当前层次。

遍历表了以后,我们临时创建temp数组(temp是数据表的下一层,实际上存的是字段信息。)

32.jpg

这段代码是把table这一层加到database_child数组里面去

大家如果实在看不明白,以key为标准:

  • key以env开头说明是环境层
  • 以database开头说明是数据库层
  • 以table开头说明是数据表层
  • 以column开头说明是字段层
  1. 遍历字段数据,并把对应的字段加到temp数组,因为改了temp数组,所以实际上database_child(表那一层)也得到了改动。

33.jpg

primary_key字段代表是否是主键

  1. 最终把咱们这一层的dbs->带有表数据->带有字段数据,给加入到刚才传递给咱们的children数组中。

34.jpg

image

查看完成数据


35.jpg

image

0.jpg

可以看到数据正常展示了,和前端需要的一样

这样前端仔就不会再纠结数据怎么转换了,非常好用

看看实战效果


由于原生组件提供的图标啥的都比较粗糙,我们需要进行一下调整。

再来一发效果图,由于右侧的SQL编辑器还在路上,我们就不废话了。

36.jpg

image



相关文章
|
20天前
|
JavaScript 前端开发 程序员
前端原生Js批量修改页面元素属性的2个方法
原生 Js 的 getElementsByClassName 和 querySelectorAll 都能获取批量的页面元素,但是它们之间有些细微的差别,稍不注意,就很容易弄错!
|
1月前
|
前端开发 数据安全/隐私保护
.自定义认证前端页面
.自定义认证前端页面
10 1
.自定义认证前端页面
|
20天前
|
前端开发 JavaScript 搜索推荐
前端懒加载:提升页面性能的关键技术
前端懒加载是一种优化网页加载速度的技术,通过延迟加载非首屏内容,减少初始加载时间,提高用户访问体验和页面性能。
|
22天前
|
人工智能 供应链 安全
AI辅助安全测试案例某电商-供应链平台平台安全漏洞
【11月更文挑战第13天】该案例介绍了一家电商供应链平台如何利用AI技术进行全面的安全测试,包括网络、应用和数据安全层面,发现了多个潜在漏洞,并采取了有效的修复措施,提升了平台的整体安全性。
|
27天前
|
前端开发 安全 JavaScript
在阿里云快速启动Appsmith搭建前端页面
本文介绍了Appsmith的基本信息,并通过阿里云计算巢完成了Appsmith的快速部署,使用者不需要自己下载代码,不需要自己安装复杂的依赖,不需要了解底层技术,只需要在控制台图形界面点击几下鼠标就可以快速部署并启动Appsmith,非技术同学也能轻松搞定。
|
28天前
|
JSON Java 测试技术
SpringCloud2023实战之接口服务测试工具SpringBootTest
SpringBootTest同时集成了JUnit Jupiter、AssertJ、Hamcrest测试辅助库,使得更容易编写但愿测试代码。
55 3
|
1月前
|
监控 安全 测试技术
构建高效的精准测试平台:设计与实现指南
在软件开发过程中,精准测试是确保产品质量和性能的关键环节。一个精准的测试平台能够自动化测试流程,提高测试效率,缩短测试周期,并提供准确的测试结果。本文将分享如何设计和实现一个精准测试平台,从需求分析到技术选型,再到具体的实现步骤。
108 1
|
1月前
|
机器学习/深度学习 自然语言处理 前端开发
前端神经网络入门:Brain.js - 详细介绍和对比不同的实现 - CNN、RNN、DNN、FFNN -无需准备环境打开浏览器即可测试运行-支持WebGPU加速
本文介绍了如何使用 JavaScript 神经网络库 **Brain.js** 实现不同类型的神经网络,包括前馈神经网络(FFNN)、深度神经网络(DNN)和循环神经网络(RNN)。通过简单的示例和代码,帮助前端开发者快速入门并理解神经网络的基本概念。文章还对比了各类神经网络的特点和适用场景,并简要介绍了卷积神经网络(CNN)的替代方案。
|
1月前
|
前端开发 数据管理 测试技术
前端自动化测试:Jest与Cypress的实战应用与最佳实践
【10月更文挑战第27天】本文介绍了前端自动化测试中Jest和Cypress的实战应用与最佳实践。Jest适合React应用的单元测试和快照测试,Cypress则擅长端到端测试,模拟用户交互。通过结合使用这两种工具,可以有效提升代码质量和开发效率。最佳实践包括单元测试与集成测试结合、快照测试、并行执行、代码覆盖率分析、测试环境管理和测试数据管理。
56 2
|
1月前
|
前端开发 JavaScript 数据可视化
前端自动化测试:Jest与Cypress的实战应用与最佳实践
【10月更文挑战第26天】前端自动化测试在现代软件开发中至关重要,Jest和Cypress分别是单元测试和端到端测试的流行工具。本文通过解答一系列问题,介绍Jest与Cypress的实战应用与最佳实践,帮助开发者提高测试效率和代码质量。
35 2