DevOps实践（1）面向服务的全自动化测试体系
DevOps实践（1）面向服务的全自动化测试体系
一. 功能
- 依托于robotframework
- 根据代码注释，自动生成测试库
- 自动搜索测试用例或指定测试用例文件运行
- commit触发测试和周期性定时（按天/小时）测试
- 测试报表统计（区分环境）
- 企业微信通知测试结果
在此之前，大家要去复习两个重要的概念，一个是【测试金字塔】模型，
另一个是【基于关键字和数据驱动的测试】，
二. 自动化测试架构
在这一套自动化测试架构中，代码注释起到了核心的作用，背后就是标准化的要求，代码注释的格式如下：
基于代码的comment，能完成如下能力的输出：
1、Document。我们要自动生成api接口说明文档，可以依赖此方法生成。
2、自动化生成服务测试用例。自动根据关键字构造自动化测试的方法和用例。
三.根据代码注释，自动生成测试库
指定项目的根目录，会自动将测试库写入到test/library/[项目名].py
如下代码
注意，如果post/put请求发送的是一个list数据，这里param请写struct类型。如
@param struct data
然后测试数据构造data=[{"a": 1}]，框架将会发送[{"a": 1}]作为http body
会自动扫描并生成robotframework的测试库
使用者，只需要撰写测试数据即可（数据驱动测试）
四. 自动搜索测试用例或指定测试用例文件运行
- 自动搜索测试用例 根据我们的部署规范，工具会自动搜索/usr/local/easyops目录下的项目，符合如下要求： a. 文件夹必须是全小写的 b. 文件夹下有test/case目录
- 指定测试用例文件 可指定测试用例的文件/目录测试
五. commit触发测试和周期性定时（按天/小时）测试
- 工具会自动监听commit，触发测试
- 也可指定每1h或每1d测试
自动触发流水线执行全流程的验证，开发、测试和发布亦是如此。
六. 测试报表统计
- 我们提出3个评价指标： 成功率：成功的用例个数/ 总的测试用例个数 覆盖率：（keyword总数-未测试的keyword个数）/ keyword总数 测试用例指数：测试keyword的测试数据个数的平均。最小是1（每个接口都只有1个测试数据），希望能达到3~5
- 测试的结果数据会自动解析并存储到influxdb，利用grafana来展示
- 区分环境。我们有162、163、164等开发环境，所有数据都会区分显示
此时的环境管理非常重要，过去的痛苦之处是如何快速创建和有效管理环境。由于我们的研发模式采用的是git workflow模式，所以能产生大量的特性分支，一个特性势必对应一个环境。因此会产生大量的开发环境、集成测试和回归测试环境，必须能够保证我们服务测试用例和环境能一一对应，且无需人工接入，这一点就大大降低了测试维护的代价和成本。
七. 企业微信通知测试结果
项目的测试成功率小于100%，将会发送到企业微信
八. 总结
一个完善的自动测试体系背后，是有很多经验值得分享的：
1、研发参与测试。我们说的参与测试不是参与测试本身，而是参与测试体系的搭建。研发和测试为了共同的目标，稍作改变，而不是完全依赖后续环境，自动化测试体系构建成本就可以大大降低。
2、标准化。研发坚持标准化的代码习惯，基于标准化，传递能力给自动化测试过程，效率和质量都能得到保障。
3、质量意识前置。我们不把“质量当成测试组的职责”，而是把这部分的能力前置到研发阶段，共同构建质量保障壁垒。
4、自动化。我们在开发自动化测试体系的同时，把其能力和平台流水线能力对接起来，让执行和接入成本大大降低。
5、数据化度量。即使建立了完善的测试体系，如果没有很好的度量，效果依然不会很好，度量最好的方式——看板。
6、闭环。有问题就立即要去解决，让测试发现的问题闭环起来。