Python 在测试中导入dag_生成器模块之前，使用os.environ设置环境变量

我（对我和我们生活的世界来说，不幸的是）仍然在使用Python 2.7

我正在尝试测试模块中的函数。该函数需要加载某些环境变量。为了避免由于无法加载这些变量（因为它们是通过不同的过程定义的）而出现错误，在运行测试之前，我确保为我需要的env变量提供模拟值。我会这样做：

os.environ['gcs\u bucket']='test\u bucket'
os.environ['gcp_region']='test_region'
os.environ['gcp_project']='test_nonlive'
os.environ['gce_zone']='test_zone'
os.environ['firewall\u rules\u tags']=“a，b”
os.environ['subnetwork\u uri']='https://test.com'
os.environ['service\u account']='test\u service\u account'

问题是，如果在导入测试中使用的模块后运行上述代码：

from orchestrator_template.dag_generator import create_dag

然后测试失败，说明环境变量不存在

但是，如果我先设置它们，然后加载模块，那么一切正常

显然，没有将我的导入放在测试模块的顶部让我感到困扰，因为这是一种糟糕的做法。此外，我不能将此代码推入，因为它违反了样式设置惯例

问题是：导入模块后如何加载这些内容？更重要的是，是否有办法重构

dag_generator.py

，使其不会像这样运行

完整测试模块如下（w.i.p.）：

导入操作系统
从日期时间导入日期时间
从模拟导入补丁
从orchestrator_template.plugins.autoscale_dataproc_运算符导入DataprocCompCreateClusterOperator
从orchestrator_template.root导入根目录
从orchestrator_template.utils.config_utils导入生成_opco_配置
def测试生成opco配置（）
#给定
预期的工作={
“开始日期”为“2019-11-01”，
“群集配置”：{
“群集属性”：{
'core:fs.gs.implicit.dir.repair.enable'：'false'，
'spark:spark.Comp.event.repo'：'hdfs'，
'spark:spark.Comp.metrics.repo'：'hdfs'
},
“图片”：蓝色-dp-img-20191203-105432-21，
“初始行动”：[
'gs://europe-west1-composer-dev-f2efa347-bucket/dags/orchestrator_template/scripts/init action.sh'
],
'labels'：{'use_case'：'fixed'}，
'master_config'：{'master_machine_type'：'n1-standard-8'}，
“worker_config”：{
“num_可抢占工人”：1，
“工人数量”：4，
“工人机器类型”：“n1-standard-32”}
},
“默认路径”：“脚本/属性/红色代理”，
“失败时发送电子邮件”：“错误”，
“重试时发送电子邮件”：“错误”，
“名称”：“FixedEventsDaily”，
“opco”：“it”，
“任务”：[{
“args”：[
“--nodes=FixedLineMDCEventModel、TTOpenEvent、TTClosingEvent、FixedEventsWideIT”，
“--nodes=fixedJourneyForecast”，
“--opco_代码=it”，
“--开始日期=20191101”，
'--结束日期=20191101']，
“任务”：“FixedEventsDaily”}]}
#什么时候
作业=生成操作配置（os.path.join（根目录，“测试/配置”））
#然后
断言作业。\uuuu len\uuuu（）==1
断言作业[0]==预期的\u作业
#注意！：不要改变执行顺序。必须在导入“创建”dag之前设置以下环境变量`
def set_default_test_vars（）：
os.environ['gcs_bucket']='test_bucket'
os.environ['gcp_region']='test_region'
os.environ['gcp_project']='test_nonlive'
os.environ['gce_zone']='test_zone'
os.environ['firewall\u rules\u tags']=“a，b”
os.environ['subnetwork\u uri']='https://test.com'
os.environ['opco']='it'
os.environ['service\u account']='test\u service\u account'
设置默认值测试变量（）
从orchestrator_template.dag_生成器导入创建_dag
@修补程序（“orchestrator\u template.dag\u generator.list\u files\u from\u gcp”）
def test_初始化_action_属性_为空（来自\u gcp的模拟列表文件）：
#给定
dag_id='job_{}{}'。格式（“TestDag”，“1”）
默认参数={
“所有者”：“气流”，
“开始日期”：datetime.strtime（'2019-11-01'，%Y-%m-%d”），
“失败时发送电子邮件”：“错误”，
“重试时发送电子邮件”：“错误”，
'项目id'：“vf开发ca live”，
“catchup”：“False”
}
#什么时候
mock_list_files_from_gcp.return_value=[]
jobs=generate_opco_配置（os.path.join（os.path.dirname（os.path.abspath（__文件__））和“configs”））
dag=创建（dag\U id=dag\U id，作业=作业[0]，默认参数=默认参数）
#然后
operator=dag.task_dict[“TestJobDaily”]#类型：DataprocCompCreateClusterOperator
断言运算符.init_actions_uris.\u_len__（）不是0

而dag_生成器是：

导入日志
导入操作系统
导入系统
从日期时间导入日期时间
从functools导入reduce
输入气流
从airflow.contrib.hooks.gcs\u hook导入GoogleCloudStorageHook
从airflow.contrib.operators.dataproc_operator导入DataprocClusterDeleteOperator\
DataProcPySparkOperator
从afflow.operators.python_operator导入PythonOperator
从airflow.utils.trigger\u规则导入TriggerRule
从orchestrator_template.plugins.autoscale_dataproc_运算符导入DataprocCompCreateClusterOperator
从orchestrator\u template.plugins.cost\u calculator\u operator导入CostCalculator operator
从orchestrator_template.plugins.stackdriver_logger_operator导入StackdriverLoggerOperator
从orchestrator_template.utils.config_utils导入生成_opco_配置
从orchestrator_template.utils.config_utils导入检索_yaml_路径
从orchestrator_template.utils.config_utils导入stringify_dict_值，生成_uid_路径
sys.path.insert（0，os.path.join（os.path.abspath（os.path.dirname（_文件__）），os.pardir））
bucket_name=os.environ['gcs