Desarrollo basado en pruebas

Introducción

Los ciclos de desarrollo de software actuales son ágiles y rápidos, de forma que continuamente se están arreglando errores que se hayan observado en producción, programando nuevas características y desplegándolas en producción. Para que esto sea posible todo este ciclo de vida del software debe estar automatizado en todo lo posible, para que todas las fases se hagan esencialmente sin intervención humana y se minimice la posibilidad de que haya en el proceso fallos costosos de arreglar una vez echado a andar un sistema; también en ese sentido, las aplicaciones de hoy en día ya no son monolíticas, de forma que sea fácil rearrancar o escalar una parte de la misma sin afectar al resto y, sobre todo, que no haya un tiempo en el que no esté disponible. La aparición de la nube ha hecho que en varias, o en todas, las partes del proceso, aparezcan recursos elásticos y disponibles bajo demanda, algunos de ellos gratuitos.

Para asegurar despliegues con éxito es esencial que se pruebe, antes de que se comiencen a desplegar, que no hay ningún error y que el software corresponde a los requisitos que se le habían planteado, sea como historias de usuario o sea usando cualquier otra metodología de especificación.

Por eso, en esta parte del curso, veremos cómo desarrollar según la metodología basada en pruebas con los entornos de computación en nube y cómo configurarlos y usarlos para hacer más rápido y eficiente el trabajo de un equipo de desarrollo, test y sistemas. En otros capítulos se han descrito las diferentes fases del ciclo de vida de una aplicación en la nube; en este capítulo veremos como se llevan a cabo la mayoría de ellas. En siguientes capítulos se verá la gestión de configuraciones, provisionamiento de los servidores, despliegue continuo y virtualización.

Metodología de desarrollo basado en pruebas

El desarrollo basado en pruebas es una metodología que se integra con el desarrollo en la nube que hemos venido viendo de forma inconsútil (en inglés esto queda mejor; seamless). Hace falta pasar las pruebas para hacer el despliegue, pero también para integrar código, por eso el flujo de trabajo integra automáticamente las pruebas como paso previo a la incorporación del código, que si es a la rama master implicaría automáticamente el despliegue o pase a producción. Las pruebas son a diferente nivel, pero las que vamos a usar, pruebas unitarias, consisten en llamar a una función con diferentes valores y comprobar los resultados esperados con los obtenidos. Los resultados pueden ser de todo tipo: desde simples escalares respuesta a una función hasta cambio en el DOM (Document Object Model) de una página cuando se envía un JSON desde una web. Cada uno tiene sus estrategias, pero al final se trata de crear una serie de pruebas para que lo que nosotros queremos que haga la aplicación efectivamente lo haga.

El desarrollo basado en pruebas consiste en escribir los tests antes que el código que hace que esos tests no fallen. No siempre se hace así, claro, pero el trabajar así permite tener claro qué funcionalidades queremos, cómo queremos que respondan y qué contratos o aserciones van a ser verdaderas cuando se ejecute el código antes siquiera de escribirlo; una aserción es simplemente una afirmación sobre los valores que devuelve una función para una entrada determinada.

Las pruebas deben de corresponder a las especificaciones que queremos que respete nuestro software, y como tales deben de ser previas a la escritura del código en sí y del test. Es esencial entender perfectamente qué queremos que nuestro software haga, y hay diferentes formas de hacerlo, pero generalmente, en metodologías ágiles, tenemos que hacerlo mediante historias de usuario, narrativas de qué es lo que puede hacer un posible usuario y qué es lo que el usuario debería esperar. Estas historias de usuario se convertirán en issues del repositorio, cuyo cierre marcará que el código está escrito, testeado, y se ajusta a la misma.

En la mayoría de los entornos de programación y especialmente en node, que es en el que nos estamos fijando, hay dos niveles en el test: el primero es el marco de pruebas y el segundo la librería de pruebas que efectivamente se está usando. El marco de pruebas será el que ejecute todos los tests, examine el resultado y emita un informe, que dependerá de si los tests se han superado o no.

Para ello, todas las librerías de tests emiten sus resultados en un formato de texto estándar, que se llama TAP. Por eso los marcos de pruebas se pueden usar con cualquier librería de pruebas, incluso de cualquier lenguaje.

Por debajo del marco de pruebas (la librería que permite estructuras las pruebas), a veces existe una biblioteca de aserciones, que son las diferentes pruebas unitarias que se deben pasar o no. En muchos casos, la biblioteca de pruebas incluye ya aserciones; en otros casos, bibliotecas de pruebas pueden trabajar con diferentes bibliotecas de aserciones.

Escribiendo tests en Go

Algunos lenguajes, como Go, integran este marco de pruebas en el propio lenguaje, por lo que nos permite fijarnos exclusivamente en la biblioteca de pruebas con la que estamos trabajando.

Por ejemplo, vamos a fijarnos en esta pequeña biblioteca que lee de un fichero en JSON los hitos de la asignatura escrita en ese lenguaje, Go. La biblioteca tiene dos funciones, una que devuelve un hito a partir de su ID y otra que te dice cuantos hay. Go es un lenguaje que pretende evitar lo peor de C++ para crear un lenguaje concurrente, de sintaxis simple y con más seguridad; además, Go provee también un entorno de programación con una serie de herramientas (toolbelt) de serie.

Los módulos en Go incluyen funciones simples, estructuradas en un paquete o package, y para testear un paquete en Go simplemente se crea un fichero con el mismo nombre y el sufijo _test como el siguiente:

package HitosIV

import (
    "testing"
    "reflect"
)

func TestHitos (t *testing.T){
    t.Log("Test Id");
    if CuantosHitos() <= 0 {
    t.Error("No milestones")
    }
}

func TestTodosHitos (t *testing.T){
    t.Log("Test Todos");
    these_milestones := Hitos()
    if reflect.TypeOf(these_milestones).String() == "Data" {
    t.Error("No milestones here")
    }
}

Te puedes descargar todo el proyecto con git clone https://github.com/JJ/HitosIV o hacerle fork, es software libre. Se agradecen PRs e issues.

La sintaxis no es excesivamente complicada. Se importan las bibliotecas para testear (testing) y para averiguar de qué tipo es algo (reflect) y se crean dos funciones de test, una por cada función que queremos probar. De este fichero se ejecutarán todas las funciones al ejecutar desde la línea de órdenes go test, que devolverá algo así:

PASS
ok      _/home/jmerelo/Asignaturas/infraestructura-virtual/HitosIV    0.017s

En vez de aserciones como funciones específicas, Go simplifica el interfaz de test haciendo que se devuelva un error (con t.Error()) cuando el test no pasa. Si todos funcionan, no hay ningún problema y se imprime PASS como se muestra arriba. Adicionalmente, t.Log() (siendo t una estructura de datos que se le tiene que pasar a todos los tests) se usa para mostrar algún mensaje sobre qué está ocurriendo en el test. En este caso, uno de los tests comprueba que efectivamente haya hitos en el fichero JSON que se ha pasado, y el segundo comprueba que el tipo que se devuelve cuando se solicita un hito es el correcto. Estos tests no están completos; generalmente hay que escribir una función de test para todas las funciones del módulo. Se muestran solo estos para ilustrar cómo funciona en un lenguaje determinado.

Escribiendo tests en Python

Para llevar a cabo los tests, Go busca módulos (ficheros) con un nombre específico y en el mismo directorio que el módulo que se quiere probar; sin embargo, en otros lenguajes de programación como Python pasar las pruebas consiste simplemente en ejecutar un programa, situado en cualquier directorio y con cualquier nombre, que use alguna librería estándar de aserciones como unittest. Por ejemplo, en el programa siguiente.

Este programa tiene como objeto ilustrar la sintaxis y la forma de trabajar de Python. En un programa real la funcionalidad debe ser real y corresponder a las especificaciones (historias de usuario o de otro tipo) que se hayan hecho.

import unittest

def devuelveTrue():
    return True

def sumaPositivos( a, b):
    if ( not (type(a) is int) ):
        return -1
    if ( not (type(b) is int) ):
        return -1
    if ( a >= 0 and b >= 0):
        return a + b

def multiplo3o5o15( numero ):
    if numero % 15 == 0:
        return 3
    if numero % 3 == 0:
        return 1
    if numero % 5 == 0:
        return 2
    return 0

class SoloTest(unittest.TestCase):

    def testTrue(self):
        self.assertTrue(devuelveTrue(), "devuelveTrue devuelve True")

    def testSuma(self):
        self.assertEqual(
            sumaPositivos("cadena",3),
            -1,
            "Suma correcta con argumento incorrecto"
        )
        self.assertEqual(
            sumaPositivos(4,8),
            12,
            "Suma correcta con argumento correcto"
        )

    def testMultiplos(self):
        self.assertEqual(multiplo3o5o15(3),1,"Multiplo de 3")
        self.assertEqual(multiplo3o5o15(5),2,u"Multiplo de 5")
        self.assertEqual(multiplo3o5o15(15),3,u"Multiplo de 15")
        self.assertEqual(multiplo3o5o15(7),0,u"No es multiplo")

if __name__ == '__main__':
unittest.main()

Tenemos tres funciones, que podrían estar en una clase o no, que vamos a testear; en caso de pertenecer a una clase tendremos que instanciar un objeto, pero lo dejamos así por lo pronto porque con lo que hay se pueden testear funciones individuales tales como estas. Para testearlas sí tenemos que crear una clase, y esa clase SoloTest tiene que ser una subclase de unittest.TestCase, es decir, un único caso de test. En esta clase definimos tres métodos, cada uno de los cuales tiene una serie de aserciones de este tipo:

self.assertTrue(devuelveTrue(), "Tiene que fallar")

A diferencia de Go, en Python sí existen aserciones explícitas. Todas las aserciones tienen al final un mensaje que se imprimirá funcione o no, y que debe ser más o menos descriptivo. Es decir, lo contrario de lo que es en este caso, pero bueno, está así en el original así que se queda. Antes del mensaje, la aserción realiza un test específico; en este caso una llamada a una función. assertTrue fallará solo si no se devuelve True (o equivalente), y assertEqual lo hará si los dos primeros argumentos no lo son.

En este caso, para ejecutar el programa se ejecuta como otro cualquiera, python test.py, presentando un informe de los tests que se han pasado, todos en este caso.

Escribiendo tests en Javascript

Go valora la simplicidad y además incluye de serie todo lo necesario para llevar a cabo los tests. Python, el lenguaje en el que solo hay una buena forma de hacer las cosas, permite que se hagan las cosas de varias formas diferentes, e incluye en su biblioteca estándar una biblioteca de aserciones.

Hay múltiples bibliotecas que se pueden usar; el panorama de 2019 se presenta en este artículo. La librería de aserciones assert forma parte de la estándar de JS, pero hay otras como Unexpected o aserciones parte de marcos de tests más completos. Estos marcos de test incluyen Chai, Jasmine, Must.js y jest.

Veamos el siguiente ejemplo de uso de assert:

Hace uso de una clase en JavaScript, Apuesta, que está en otro repo

var apuesta = require("./Apuesta.js"),
assert= require("assert");

var nueva_apuesta = new apuesta.Apuesta('Polopos','Alhama','2-3');
assert(nueva_apuesta, "Creada apuesta");
assert.equal(nueva_apuesta.as_string(), "Polopos: Alhama - 2-3","Creado");
console.log("Si has llegado aquí, han pasado todos los tests");

Este programa usa assert directamente y como se ve por la línea del final, no hace nada salvo que falle. assert no da error si existe el objeto, es decir, si no ha habido ningún error en la carga o creación del mismo, y equal comprueba que efectivamente la salida que da la función as_string es la esperada.

El programa anterior ilustra la sintaxis, y puede formar parte de un conjunto de tests; se puede ejecutar directamente, pero para testearlo los lenguajes de programación usan un segundo nivel, el marco de ejecución de los tests. Estos marcos incluyen programas de línea de órdenes que, a su vez, ejecutan los programas de test y escriben un informe sobre cuáles han fallado y cuáles no con más o menos parafernalia y farfolla. Una vez más, hay varios marcos de testeo para nodejs (y, por supuesto, uno propio para cada uno de los lenguajes de programación, aunque en algunos están realmente estandarizados).

Como algunos marcos de prueba como Chai usan su propia biblioteca de aserciones, podemos hacer este pequeño cambio para usarla:

var assert = require("chai").assert,
    apuesta = require(__dirname+"/../Apuesta.js");

console.log(assert);
describe('Apuesta con Chai', function(){
    // Testea que se haya cargado bien la librería
    describe('Carga', function(){
    it('should be loaded', function(){
        assert.ok(apuesta, "Cargado");
    });

    });
    describe('Crea', function(){
    it('should create apuestas correctly', function(){
        var nueva_apuesta = new apuesta.Apuesta('Polopos','Alhama','2-3');
        assert.equal(
            nueva_apuesta.as_string(), "Polopos: Alhama - 2-3","Creado"
        );
    });
    });
});

Los únicos cambios son el usar assert.ok en vez de assert, y el usar el objeto assert de la biblioteca chai, en vez de usar el que hay por omisión.

Cada uno de ellos tendrá sus promotores y detractores, pero Mocha, Jasmine y Jest parecen ser los más populares. Los tres usan un sistema denominado Behavior Driven Development, que consiste en describir el comportamiento de un sistema más o menos de alto nivel; para ello suelen incluir una serie de aserciones o su propia biblioteca de aserciones para que la sentencia que lleve a cabo el test sea lo más cercana posible a la frase (en inglés) que la describiría. Como hay que escoger uno y parece que Mocha es más popular, nos quedamos con este para escribir este programa de test.

var assert = require("assert"),
    apuesta = require(__dirname+"/../Apuesta.js");

describe('Apuesta', function(){
    // Testea que se haya cargado bien la librería
    describe('Carga', function(){
    it('should be loaded', function(){
    assert(apuesta, "Cargado");
    });
});

describe('Crea', function(){
    it('should create apuestas correctly', function(){
    var nueva_apuesta = new apuesta.Apuesta('Polopos','Alhama','2-3');
    assert.equal(nueva_apuesta.as_string(), "Polopos: Alhama - 2-3","Creado");
    });
    });
});

Mocha puede usar diferentes librerías de aserciones. En este caso hemos escogido la que ya habíamos usado, assert. A bajo nivel, los tests que funcionen en este marco tendrán que usar una librería de este tipo, porque mocha funciona a un nivel superior, con funciones como it y describe que describe, a diferentes niveles, el comportamiento que queremos comprobar. Se ejecuta con mocha y el resultado de ejecutarlo será:

    Apuesta
      Carga
        ✓ should be loaded
      Crea
        ✓ should create apuestas correctly

    2 passing (6ms)

(pero con más colorines)

Y la verdad es que debería haber puesto los mensajes en español.

Con la librería BDD de Chai, podríamos expresar los mismos tests de esta forma:

var assert = require("chai").should(),
    apuesta = require(__dirname+"/../Apuesta.js");

describe('BDD con Chai', function(){
    it('Debería cargar la biblioteca y poder instanciarse', function() {
    apuesta.should.exist;
    var nueva_apuesta = new apuesta.Apuesta('Polopos','Alhama','2-3');

    nueva_apuesta.as_string().should.equal( "Polopos: Alhama - 2-3","Creado");
    })
});

La única diferencia es que ejecutamos la función should de chai, que añade a todos los objetos funciones que permite expresar, en lenguaje más o menos natural, qué es lo que queremos probar: que el objeto de la librería existe, y que se puede instanciar y que los resultados que obtienen se pueden convertir a una cadena de la forma esperada. Como se ve, el marco (que incluye las funciones describe e it) no varía, lo que varía es como se describe el test en sí, que depende de la biblioteca de aserciones.

Además, te indica el tiempo que ha tardado lo que te puede servir para hacer un benchmark de tu código en los diferentes entornos en los que se ejecute.

Otros lenguajes

En general, en todos los lenguajes habrá dos niveles para llevar a cabo los tests: las aserciones, que permiten ejecutar código y examinar el resultado del mismo, comparándolo con la salida deseada, y generalmente un programa, que se encargará de buscar los ficheros de tests siguiendo una convención determinada (nombre del fichero, directorio en el que se encuentre), ejecutarlos, examinar la salida (que, como hemos indicado arriba, sigue un protocolo determinado) y decir si se han pasado todos los tests o no, en cuyo caso se indicará alguna información adicional como qué scripts de tests no se ha pasado o el mensaje de la misma. Algunos programas usados en otros lenguajes son:

• Ruby usa RSpec, que además está basado en el comportamiento deseado, lo que permite tener descripciones mucho más informativas del test y el resultado del fallo.

• Perl usa prove, con múltiples opciones de configuración. De hecho, es el que se usa en el test de la asignatura.

• JUnit es el más cercano en Java.

• Perl 6 usa prove6, pero también zef si se trata de usarlo sobre un módulo.

Cada lenguaje incluye este tipo de marcos, sea como parte de su distribución base o como parte de alguna biblioteca popular.

Gestores de versiones de lenguajes y bibliotecas

Una de las partes esenciales de la cultura DevOps es la definición y gestión de configuraciones que permite la automatización y replicabilidad de la misma desde el entorno de desarrollo hasta el entorno de ensayo o el de producción. El uso de entornos virtuales (llamados así por uno de los primeros en Python, llamado virtualenv) o gestores de versiones, que permite instalar desde el usuario la versión del lenguaje de programación y herramientas que uno desee, cubre las dos necesidades: te permite independizar la versión usada de la que proporcione el sistema, instalarla sin necesidad de tener privilegios de superusuario, compartirla entre todos los miembros del equipo y también automatizar la tarea de instalación del mismo mediante el uso de una sola orden que seleccione la versión precisa que se va a usar.

El poder seleccionar la versión del lenguaje de programación es parte de la especificación de infraestructura virtual, o “infraestructura como código”, que es la clave de la nube.

Y estos entornos virtuales vienen del hecho de que los lenguajes de scripting tales como Perl, Python, node y Ruby tienen ciclos de desarrollo muy rápidos que hacen que a veces convivan en producción diferentes versiones de los mismos, incluso versiones major. Eso hace complicado desarrollar e incluso probar los programas que se desarrollan: si el sistema operativo viene con Perl 5.14, puede que haga falta probar o desarrollar para 5.16 o 5.18 o incluso probar la versión más avanzada.

Por eso desde hacer cierto tiempo se han venido usando entornos virtuales de desarrollo tales como:

• virtualenv o pyenv para Python,
• nvm, n y nave para node.js,
• phpenv para, lo adivinaste, PHP,
• rbenv y RVM para Ruby
• y plenv y perlbrew para Perl.

Generalmente, estos programas funcionan instalando binarios en directorios del usuario y modificando el camino de ejecución para que se usen estas versiones en vez de las instaladas en el sistema. En la mayoría de los casos se coordinan también con el shell para mostrar la versión que se está ejecutando en la línea de órdenes o para llevar a cabo autocompletado.

Una vez instalados, estos programas permiten instalar fácilmente nuevas versiones de tu lenguaje de programación (con las librerías asociadas) y probar un programa en todas ellas. Se usan principalmente para reflejar localmente los entornos que se usan en producción; por ejemplo, usar en el entorno de desarrollo local la misma versión y librerías que nos vamos a encontrar en un PaaS tal como los que veremos a continuación.

Generalmente, las librerías asociadas a una aplicación determinada, es decir, las dependencias, siguen un método similar. En vez de instalar en el sistema todas las librerías necesarias (o instalar una cada vez que hay algún error), la mayor parte de los entornos de programación incluyen alguna forma de definir qué librerías (o módulos) necesitan y qué versiones mínimas, máximas o exactas deben tener.

Incidentalmente, el hecho de que todo sea software libre ayuda a que en ningún paso de este proceso haya que decidir qué licencia o modelo de pago o cosas similares hay que usar.

Vamos a hacer una aplicación: gestionar porras de fútbol

Una porra de fútbol básicamente tiene un partido, que tendrá un nombre y si acaso una fecha o descripción (por ejemplo, Jaén-Osasuna Copa 2014) y luego los participantes votan por un resultado determinado, JJ, 2-1, por ejemplo. Este sería el modelo sobre el que vamos a basar la aplicación.

El objeto básico, por tanto, será la Apuesta que irá asociada a un Partido. El el mismo objeto que hemos venido usando hasta ahora, y está en este repositorio

La aplicación tendrá más adelante un API REST, pero por lo pronto, y a efectos de la prueba continua de más adelante, vamos a quedarnos solo con un pequeño módulo que sirva para ver que funciona.

Podemos almacenar esta información en una base de datos como SQLite (la clásica). Para instalarla, npm install sqlite que es la forma como se instalan los módulos de node. Además, se instala en local. Pero el objeto del desarrollo moderno es asegurarse de que todo lo necesario para programar algo está presente. Por eso, se usan ficheros que describen qué se usa y, en general, que es necesario instalar y tener para ejecutarlo. En node se usa un fichero en formato JSON tal como este:

{
  "author": "J. J. Merelo <jjmerelo@gmail.com> (https://github.com/JJ/desarrollo-basado-pruebas)",
  "name": "porrio",
  "description": "Apuesta en una porra",
  "version": "0.0.1",
  "repository": {
    "url": "git://github.com/JJ/desarrollo-basado-pruebas.git"
  },
  "main": "./Apuesta.js",
  "scripts": {
    "test": "make test"
  },
  "dependencies": {"sqlite3": "~3.0"},
  "devDependencies": {},
  "optionalDependencies": {},
  "engines": {
    "node": ">=0.8"
  }
}

Las partes que más nos interesan están hacia el final: las dependencias diversas (dependencies). Es un hash que dice qué módulo se usan (en este caso, sqlite solo) y qué versiones harán falta. Al desplegarse, el entorno dependerá de muchas cuestiones y hay que asegurarse de que donde va a acabar el programa tiene todo lo necesario. En caso de que no lo tuviera, el programa no se instalará.

A este nivel, la descripción del entorno de trabajo ya constituye en sí un test: donde se va a desplegar o lo tiene o no lo tiene, en cuyo caso no se permitirá la ejecución.

Este fichero, además, permite instalar todas las dependencias usando solo npm install .. Casi todos los lenguajes habituales tienen algún sistema similar: bundle para Ruby o cpanm para Perl, por ejemplo.

package.json nos sirve para llevar un cierto control de qué es lo que necesita nuestra aplicación y, por tanto, nos va a ser bastante útil cuando digamos de desplegarlo o testearlo en la nube.

No solo eso, sino que es la referencia para otra serie de herramientas, como las herramientas de construcción. Las herramientas de construcción o de control de tareas se vienen usando tradicionalmente en todos los entornos de programación. Quién no ha usado alguna vez make o escrito un Makefile; lo que ocurre es que tradicionalmente se dedicaban exclusivamente a la compilación. Hoy en día el concepto de construcción es más amplio e incluye tareas que van desde el uso de diferentes generadores (de hojas CSS a partir de un lenguaje, por ejemplo) hasta la minificación o “compresión” de un programa hasta que ocupe el mínimo espacio posible, para que sea más amigable para móviles y otros dispositivos sin mucho ancho de banda, o por supuesto últimamente para transpilación, o conversión de un lenguaje al código fuente de otro lenguaje, típicamente JavaScript o node.

Todos los lenguajes de programación tienen su propia herramienta de construcción, de las cuales la más conocida y veterana es la orden make, introducida hace casi cuarenta años. make automatiza el proceso de construcción en un fichero llamado Makefile con una sintaxis específica que se puede resumir en

• unos objetivos que hay que cumplir y que dependen unos de otros. Por ejemplo, antes de construir el ejecutable hay que construir las librerías.

• unas tareas que hay que hacer para cumplir esos objetivos. Por ejemplo, para obtener una librería hay que compilarla a partir del fuente.

Muchos lenguajes de programación, como el propio Perl, usan make para la automatización de tareas y compilación. Sin embargo, otros lenguajes de programación usan diferentes herramientas para ello: Ant, Ivy y Maven para Java, sbt para Scala, Rake para Ruby y otras muchas.

En node.js se utilizan principalmente dos: Grunt y Gulp, así como Brunch y webpack, pero el mismo npm tiene muchas características de una herramienta de construcción.

Aquí podíamos hacer una breve disquisición sobre el código y la configuración, algo a lo que nos vamos a enfrentar repetidamente en la nube. ¿Un fichero de construcción es, o debe ser, configuración o código? Diferentes herramientas toman diferentes aproximaciones al tema: grunt es, sobre todo, configuración, mientras que gulp es, sobre todo, código.

Algo fundamental en todo proyecto es la documentación; para empezar, vamos a usar grunt para documentar el código. Tras la instalación de grunt, que no viene instalado por defecto en nodejs, se puede usar directamente.

sudo npm install -g grunt-cli

-g indica que se trata de una instalación global, aunque también se puede instalar localmente.

Igual que make usa Makefiles, grunt usa Gruntfile.js tal como este

    'use strict';

    module.exports = function(grunt) {

      // Configuración del proyecto
      grunt.initConfig({
      pkg: grunt.file.readJSON('package.json'),
      docco: {
      debug: {
      src: ['*.js'],
      options: {
      output: 'docs/'
      }
      }
      }
      });

      // Carga el plugin de grunt para hacer esto
      grunt.loadNpmTasks('grunt-docco');

      // Tarea por omisión: generar la documentación
      grunt.registerTask('default', ['docco']);
    };

Para empezar, tenemos que instalar docco si queremos que funcione. Y grunt enfoca las tareas como una serie de plugins que hay que instalar, en este caso grunt-docco. Para instalarlos se usa la herramienta habitual de instalación en node, npm, pero una vez que usamos package.json, npm puede editarlo y cambiar la configuración automáticamente si lo usamos de esta forma

    npm install docco grunt-docco --save-dev

El --save-dev indica que se guarde la configuración correspondiente en package.json, donde efectivamente se puede ver:

    "devDependencies": {
      "docco": "~0.6",
      "grunt-docco": "~0.3.3"
    },

El fichero que se ve arriba tiene tres partes: la definición de la tarea (en este caso, la que genera la documentación), la carga de la tarea y finalmente el registro de la tarea.

Vayamos con la primera parte. Primero, le indicamos cuál es el fichero package.json que usamos. Este fichero tiene una serie de variables de configuración que podremos usar en el Gruntfile (pero que, por lo pronto, no vamos a hacerlo). Luego, definimos la tarea llamada docco, que a su vez tiene una subtarea llamada debug: toma los fuentes contenidos en el array indicado y deposita la salida en el directorio que le indicamos. No existe en Grunt una forma general de expresar este tipo de dependencias como en los Makefiles, solo una buena práctica: usar src, por ejemplo, para las fuentes.

La siguiente parte carga el plugin de grunt necesario para ejecutar docco. Y finalmente, con grunt.registerTask('default', ['docco']); indicamos que la tarea que ejecuta docco es la que se ejecutará por defecto simplemente ejecutando grunt. También se puede ejecutar con grunt docco o grunt docco:debug que sacará esto en el terminal:

$ grunt docco
Running "docco:src" (docco) task
docco: Apuesta.js -> docs/Apuesta.html
docco: Gruntfile.js -> docs/Gruntfile.html

y producirá una documentación tal como esta.

La automatización de Grunt se puede usar tanto para prueba como para despliegue. Pero hay también otras formas de probar en la nube, y lo veremos a continuación.

A dónde ir desde aquí

Una vez comprendidos los conceptos de desarrollo basado en pruebas, se puede probar a configurar directamente un sistema de CI, pasando previamente por comprender cómo funcionan los contenedores.

Una vez visto todo lo necesario para desplegar una aplicación, se puede pasar a estudiar los PaaS, plataformas como servicio, donde se pueden desplegar aplicaciones para prototipo o para producción de forma relativamente simple.

Bibliografía y otros recursos

Algunos recursos a los que puedes acceder desde la Biblioteca de la UGR:

• DevOps: a software architect’s perspective, un libro en general teórico y “a vista de pájaro” de la creación de equipos de desarrollo y aplicaciones basadas en esa filosofía.

• DevOps for developers también con poco código, pero con una visión a más bajo nivel de cómo organizar y montar grupos DevOps.