Add 3_cost_scaling_analysis/tests/test_core.py

3_cost_scaling_analysis/tests/test_core.py

@@ -0,0 +1,40 @@
+import pytest
+import math
+from types import SimpleNamespace
+
+# Da der getestete Modulpfad nicht explizit angegeben ist, nehmen wir das Package an
+from src.cost_scaling_analysis.core import analyze_cost_scalability
+
+class TestAnalyzeCostScalability:
+    def test_nominal_values(self):
+        # Nominaler Fall mit typischen Worker-Werten
+        result = analyze_cost_scalability(10)
+        assert isinstance(result, float), 'Return type muss float sein'
+        assert result >= 0.0, 'Kosten sollten nicht negativ sein'
+
+    @pytest.mark.parametrize('worker_count', [1, 5, 20, 50])
+    def test_scaling_behavior(self, worker_count):
+        base = analyze_cost_scalability(worker_count)
+        assert math.isfinite(base), 'Ergebnis muss endlich sein'
+        # Bei mehr Workern sollte Gesamt-Kostenmetrik typischerweise steigen oder saturieren
+        if worker_count > 1:
+            smaller = analyze_cost_scalability(worker_count - 1)
+            assert base >= smaller or math.isclose(base, smaller, rel_tol=1e-3)
+
+    @pytest.mark.parametrize('worker_count', [0, -1, -10])
+    def test_invalid_worker_inputs(self, worker_count):
+        # Negative oder null-Anzahl sollte Fehler auslösen
+        with pytest.raises((ValueError, AssertionError, TypeError)):
+            _ = analyze_cost_scalability(worker_count)
+
+    def test_extreme_high_value(self):
+        # Test mit großem Wert zur Überprüfung von Skalierungsgrenzen
+        result = analyze_cost_scalability(10_000)
+        assert isinstance(result, float)
+        assert result > 0.0, 'Wert sollte bei vielen Workern steigen'
+
+    def test_consistency_multiple_calls(self):
+        # Wiederholte Aufrufe mit gleichem Input
+        val1 = analyze_cost_scalability(8)
+        val2 = analyze_cost_scalability(8)
+        assert math.isclose(val1, val2, rel_tol=1e-9), 'Funktion sollte deterministisch sein'