diff --git a/unittest.md b/unittest.md
index da08012..6aa57a0 100644
--- a/unittest.md
+++ b/unittest.md
@@ -10,4 +10,185 @@
 5.在测试驱动编程的理念中，首先程序员要编写测试程序，然后编写可以通过测试的程序。测试程序就是程序的需求说明，它能够帮助程序员在开发程序时，不偏离需求。TTD[Test-Driven Development]最大的好处就是确保一个程序模块的行为符合我们设计的测试用例。
 
 # 怎么编写单元测试？
-对于Python代码而言，常用的测试工具有doctest和unittest。doctest是简单一些的模块，是检测文档用的。doctet.test_mod函数从一个模块中读取所有文档字符串，找出所有看起来像是在交互式解释器中输入的例子的文本，之后检查例子是否符合实际要求。在实际工作中，为python写单元测试时更加强大和常用的模块是unittest模块，unittest基于Java的流行测试框架Junit，通过使用unittest我们可以以结构化的方式编写大型而且周详的测试集。
\ No newline at end of file
+对于Python代码而言，常用的测试工具有doctest和unittest。doctest是简单一些的模块，是检测文档用的。doctet.test_mod函数从一个模块中读取所有文档字符串，找出所有看起来像是在交互式解释器中输入的例子的文本，之后检查例子是否符合实际要求。在实际工作中，为python写单元测试时更加强大和常用的模块是unittest模块，unittest基于Java的流行测试框架Junit，通过使用unittest我们可以以结构化的方式编写大型而且周详的测试集。
+
+# unittest模块
+unittest 模块使用的模式有三种，如下：
+
+## 通过unittest.main()来执行测试用例的方式：
+import unittest 
+
+class UCTestCase(unittest.TestCase):
+    def setUp(self):
+        #测试前需执行的操作
+        .....      
+    def tearDown(self):
+        #测试用例执行完后所需执行的操作
+        .....      
+
+        # 测试用例1
+        def testCreateFolder(self):
+            #具体的测试脚本
+            ......    
+        # 测试用例2
+        def testDeleteFolder(self):
+            #具体的测试脚本
+            ......       
+     if __name__ == "__main__": 
+    unittest.main()
+
+## 通过testsuit来执行测试用例的方式：
+import unittest 
+    # 执行测试的类
+class UCTestCase(unittest.TestCase):
+    def setUp(self):
+        #测试前需执行的操作
+        .....       
+    def tearDown(self):
+        #测试用例执行完后所需执行的操作
+        .....
+    # 测试用例1
+    def testCreateFolder(self):
+        #具体的测试脚本
+        ......     
+  def testDeleteFolder(self):
+    # 具体的测试脚本
+If __name__ == "__main__":
+       # 构造测试集， 添加测试用例
+    		suite = unittest.TestSuite()
+suite.addTest(UC7TestCase("testCreateFolder"))
+suite.addTest(UC7TestCase("testDeleteFolder"))
+    #执行测试， 构造runner。
+    runner = unittest.TextTestRunner()
+runner.run(suite)
+
+## 通过testloader运行测试集：
+import unittest 
+class TestCase1(unittest.TestCase):
+    #def setUp(self):
+    #def tearDown(self):
+    def testCase1(self):
+        print 'aaa'      
+    def testCase2(self):
+        print 'bbb'
+  class TestCase2(unittest.TestCase):
+    #def setUp(self):
+    #def tearDown(self):
+    def testCase1(self):
+        print 'aaa1'  
+    def testCase2(self):
+        print 'bbb1'
+        
+if __name__ == "__main__":
+    #此用法可以同时测试多个类
+suite1=unittest.TestLoader().loadTestsFromTestCase(TestCase1) 
+    suite2=unittest.TestLoader().loadTestsFromTestCase(TestCase2) 
+suite = unittest.TestSuite([suite1, suite2]) 
+unittest.TextTestRunner(verbosity=2).run(suite)
+
+# Mock和MagicMock
+在单元测试进行的同时，就离不开mock模块的存在，初次接触这个概念的时候会有这样的疑问：把要测的东西都模拟掉了还测试什么呢？
+但在实际生产中的项目是非常复杂的，对其进行单元测试的时候，会遇到以下问题：
+•接口的依赖
+•外部接口调用
+•测试环境非常复杂
+单元测试应该只针对当前单元进行测试, 所有的内部或外部的依赖应该是稳定的, 已经在别处进行测试过的。使用mock 就可以对外部依赖组件实现进行模拟并且替换掉, 从而使得单元测试将焦点只放在当前的单元功能。因为在为代码进行单元测试的同时，会发现该模块依赖于其他的模块，例如数据库，网络，或者第三方模块的存在，而我们对一个模块进行单元测试的目的，是测试当前模块正常工作，这样就要避开对其他模块的依赖，而mock主要作用便在于，专注于待测试的代码。而在单元测试中，如何灵活的使用mock模块是核心所在。
+
+## mock模块的使用
+在mock模块中，两个常用的类型为Mock，MagicMock，两个类的关系是MagicMock继承自Mock，最重要的两个属性是return_value, side_effect。
+>>> from mock import Mock
+>>> fake_obj = Mock()
+>>>fake_obj.return_value = 'This is a mock object'
+>>> fake_obj()
+'This is a mock object'
+我们通过Mock()可以创建一个mock对象，通过renturn_value 指定它的返回值。即当下文出现fake_obj()会返回其return_value所指定的值。
+
+也可以通过side_effect指定它的副作用，这个副作用就是当你调用这个mock对象是会调用的函数,也可以选择抛出一个异常，来对程序的错误状态进行测试。
+>>>def b():
+...    print 'This is b'
+...
+>>>fake_obj.side_effect = b
+>>>fake_obj()
+This is b
+>>>fake_obj.side_effect = KeyError('This is b')
+>>>fake_obj()
+...
+KeyError: 'This is b'
+
+如果要模拟一个对象而不是函数，你可以直接在mock对象上添加属性和方法，并且每一个添加的属性都是一个mock对象，也就是说可以对这些属性进行配置,并且可以一直递归的定义下去。
+>>>fake_obj.fake_a.return_value = 'This is fake_obj.fake_a'
+>>>fake_obj.fake_a()
+'This is fake_obj.fake_a'
+上述代码片段中fake_obj是一个mock对象，而fake_obj.fake_a的这种形式使得fake_a变成了fake_obj的一个属性，作用是在fake_obj.fake_a()调用时会返回其return_value。
+另外也可以通过为side_effect指定一个列表，这样在每次调用时会依次返回，如下：
+>>> fake_obj = Mock(side_effect = [1, 2, 3])
+>>>fake_obj()
+1
+>>>fake_obj()
+2
+>>>fake_obj()
+3
+
+## 函数如何mock
+在rbd_api.py文件中如下内容：
+import DAO_PoolMgr
+
+def checkpoolstat(pool_name)
+  ret， poolstat = DAO_PoolMgr.DAO_query_ispoolok(pool_name)
+if ret != MGR_COMMON.MONGO_SUCCESS:
+    return ret
+if poolstat is False:
+    return MGR_COMMON.POOL_STAT_ERROR
+return MGR_COMMON.SUCCESS
+
+要为这个函数撰写单元测试，因为其有数据库的操作，因而就需要mock 出DAO_query_ispoolok操作。
+因此，我们在test_rbd_api.py文件中可以这么写：因为DAO_query_ispoolok是类DAO_PoolMgr的操作，因此可以这么写：
+    #!/usr/bin/python
+import DAO_PoolMgr
+import unittest
+import rbd_api as rbdAPI
+
+class TestAuxiliaryFunction(unittest.TestCase):
+	def setUp(self):
+		self.pool_name = "aaa"
+	
+	def tearDown(self):
+		self.pool_name = None
+	@mock.patch.object(DAO_PoolMgr, "DAO_query_ispoolok")
+	def test_checkpoolstat(self, mock_DAO_query_ispoolok):
+		mock_DAO_query_ispoolok.return_value = (MGR_COMMON.POOL_STAT_ERROR, None)
+		self.assert(rbdAPI.checkpoolstat(self.pool_name), MGR_COMMON.POOL_STAT_ERROR)
+
+		mock_DAO_query_ispoolok.return_value = (MGR_COMMON.SUCCESS, False)
+		self.assert(rbdAPI.checkpoolstat(self.pool_name), MGR_COMMON.POOL_STAT_ERROR)
+		
+		mock_DAO_query_ispoolok.return_value = (MGR_COMMON.SUCCESS, True)
+		self.assert(rbdAPI.checkpoolstat(self.pool_name), MGR_COMMON.SUCCESS)
+
+测试用例上的装饰器含义如下：
+@mock.pathc.object(类名，“类中函数名”)，而如果想要忽略某个测试用例，则可以通过装饰器@unittest.skip(“原因”)
+而对于另外一种情形则是在另外一个函数中调用了checkpoolstat函数。
+如下rbd_api.py：
+def checkpoolstat():
+    ……
+
+class Disk(Resource):
+    def  __init__(self):
+        ……
+    def delete(self, pool, img):
+        ret = rbd_api.checkpoolstat()
+        ……
+这样，我们在为delete函数撰写单元测试时，也可以在test_rbd_api.py中使用如下的方式：
+import rbd_api
+
+class TestDisk(unittest.TestCase):
+    def setup():
+        …
+      def teardown():
+			  …
+      @mock.patch(“rbd_api.checkpoolstat”, Mock(return_value = True))
+      def test_delete():
+         # rbd_api.checkpoolstat 已经成为一个mock对象了，调用时返回True
+		    …
+此时的装饰器应该为：
+@mock.patch(“模块名.函数名”)