在编写自动化测试时，业务代码往往会调用支付、短信或地图等外部API。如果测试直接请求真实接口，不仅执行缓慢，还会因为网络波动、配额限制或数据变更导致结果不可靠。通过依赖注入将外部服务抽象为可替换的接口，再结合Mock对象模拟响应，可以让测试用例完全脱离网络运行，同时保持对交互逻辑的校验能力。
为什么直连外部API会破坏测试稳定性
当测试用例在本地或CI环境中直接访问外部API，意味着测试的成功与否取决于第三方系统的可用状态。很多团队在夜间批量构建时遇到过因为供应商接口维护而大面积失败的情况，这种失败与代码逻辑无关，却消耗了大量排查时间。此外，真实接口通常带有速率限制，高频运行的单元测试很容易触发封禁，使得本该秒级完成的反馈延长到数分钟甚至更久。
另一个被忽视的问题是数据不确定性。外部API返回的内容可能随账号、时间或区域发生变化，导致断言脆弱。比如查询天气接口，昨天返回晴天今天返回雨天，测试若硬编码了返回结果就会随机失败。将这类依赖收拢到接口之后，我们便能用Mock对象锁定输出，让测试只关心自己代码的决策路径，而不是外界环境。
从架构角度看，直接实例化HTTP客户端也让类之间产生了隐式耦合。类内部写死new OkHttpClient()或requests.get()，意味着无法在不改源码的情况下换实现。依赖注入正是打破这种硬编码耦合的基础手段，它为后续替换Mock提供了挂载点。
用依赖注入解耦外部服务调用
依赖注入的核心思想是：类不直接创建协作对象，而是由调用方在构造或设值时传入。以Java为例，我们定义一个WeatherApi接口，业务服务接收该接口而非具体HTTP实现。这样在测试时传入一个内存版假对象，在生产中传入真实HTTP客户端，业务代码本身无需任何分支判断。
下面展示一个构造器注入的简化例子。注意接口方法返回的是领域模型而非原始JSON，这进一步隔离了协议细节：
public interface WeatherApi {
String getCondition(String city);
}
public class TripService {
private final WeatherApi weatherApi;
public TripService(WeatherApi weatherApi) {
this.weatherApi = weatherApi;
}
public boolean canGoOut(String city) {
String cond = weatherApi.getCondition(city);
return !"rain".equals(cond);
}
}
Python中也可以用同样思路，通过参数或框架完成注入。下面代码利用函数参数传入依赖，测试时换上假对象即可：
class TripService:
def __init__(self, weather_api):
self.weather_api = weather_api
def can_go_out(self, city):
cond = self.weather_api.get_condition(city)
return cond != 'rain'
class FakeWeather:
def get_condition(self, city):
return 'sunny'
这种写法下，测试可以轻松传入FakeWeather，而不必触碰任何网络代码。相比在方法内部判断环境变量或全局开关，注入方式让依赖关系在签名上就一目了然，也方便后续接入Mock框架做更细的校验。
Mock对象如何模拟API并验证交互
手写假对象虽然直观，但往往难以验证“是否以正确参数被调用过一次”这类交互。Mock框架如Java的Mockito或Python的unittest.mock能动态生成替身，并记录调用明细。以下Java测试用Mockito创建WeatherApi的Mock，设定返回雨天，并断言业务方法返回false且API被调用一次：
import static org.mockito.Mockito.*;
import static org.junit.Assert.*;
public class TripServiceTest {
@Test
public void testRainBlocksTrip() {
WeatherApi mockApi = mock(WeatherApi.class);
when(mockApi.getCondition("Beijing")).thenReturn("rain");
TripService service = new TripService(mockApi);
assertFalse(service.canGoOut("Beijing"));
verify(mockApi, times(1)).getCondition("Beijing");
}
}
Python使用unittest.mock同样简洁。下面例子用patch替换依赖并校验调用：
from unittest.mock import MagicMock
def test_rain_blocks_trip():
fake = MagicMock()
fake.get_condition.return_value = 'rain'
service = TripService(fake)
assert service.can_go_out('Beijing') is False
fake.get_condition.assert_called_once_with('Beijing')
Mock对象除了返回固定值，还能模拟异常、延迟和连续不同响应，用来覆盖超时重试等边界逻辑。与依赖注入结合后，我们既保持了生产代码干净，又能在测试中精确控制外部API行为。长期看，这种组合显著降低了集成成本，让单元测试真正快且可信。