AI 中文社
Copyright © 2022-2024 aizws.net · 网站版本: v1.2.6·内部版本: v1.23.3·
页面加载耗时 0.00 毫秒·物理内存 62.9MB ·虚拟内存 1299.5MB
欢迎来到 AI 中文社区（简称 AI 中文社），这里是学习交流 AI 人工智能技术的中文社区。 为了更好的体验，本站推荐使用 Chrome 浏览器。
Lego：美团点评接口自动化测试实践
点击蓝字订阅，不错过下一篇好文章
概述
接口自动化概述
众所周知，接口自动化测试有着如下特点：
- 低投入，高产出。
- 比较容易实现自动化。
- 和UI自动化测试相比更加稳定。
如何做好一个接口自动化测试项目呢？
我认为，一个“好的”自动化测试项目，需要从“时间”、“人力”、“收益”这三个方面出发，做好“取舍”。
不能由于被测系统发生一些变更，就导致花费了几个小时的自动化脚本无法执行。同时，我们需要看到“收益”，不能为了总想看到100%的成功，而少做或者不做校验，但是校验多了维护成本一定会增多，可能每天都需要进行大量的维护。
所以做好这三个方面的平衡并不容易，经常能看到做自动化的同学，做到最后就本末倒置了。
提高ROI
想要提高ROI（Return On Investment，投资回报率），我们必须从两方面入手：
- 减少投入成本。
- 增加使用率。
针对“减少投入成本”
我们需要做到：
- 减少工具开发的成本。尽可能的减少开发工具的时间、工具维护的时间，尽可能使用公司已有的，或是业界成熟的工具或组件。
- 减少用例录入成本。简化测试用例录入的成本，尽可能多的提示，如果可以，开发一些批量生成测试用例的工具。
- 减少用例维护成本。减少用例维护成本，尽量只用在页面上做简单的输入即可完成维护动作，而不是进行大量的代码操作。
- 减少用例优化成本。当团队做用例优化时，可以通过一些统计数据，进行有针对性、有目的性的用例优化。
针对“增加使用率”
我们需要做到：
- 手工也能用。不只是进行接口自动化测试，也可以完全用在手工测试上。
- 人人能用。每一个需要使用测试的人，包括一些非技术人员都可以使用。
- 当工具用。将一些接口用例当成工具使用，比如“生成订单”工具，“查找表单数据”工具。
- 每天测试。进行每日构建测试。
- 开发的在构建之后也能触发测试。开发将被测系统构建后，能自动触发接口自动化测试脚本，进行测试。
所以，我开发了Lego接口测试平台，来实践自己对自动化测试的一些想法。先简单浏览一下网站，了解一下大概是个什么样的工具。
首页：
用例维护页面：
自动化用例列表：
在线执行结果：
用例数量统计：
Lego的组成
Lego接口测试解决方案是由两部分组成的，一个就是刚刚看到的“网站”，另一个部分就是“脚本”。
下面就开始进行“脚本设计”部分的介绍。
脚本设计
Lego的做法
Lego接口自动化测试脚本部分，使用很常见的Jenkins+TestNG的结构。
相信看到这样的模型并不陌生，因为很多的测试都是这样的组成方式。
将自动化测试用例存储至MySQL数据库中，做成比较常见的“数据驱动”做法。
很多团队也是使用这样的结构来进行接口自动化，沿用的话，那在以后的“推广”中，学习和迁移成本低都会比较低。
测试脚本
首先来简单看一下目前的脚本代码：
public class TestPigeon {
String sql; int team_id = -1; @Parameters({"sql", "team_id"}) @BeforeClass() public void beforeClass(String sql, int team_id) { this.sql = sql; this.team_id = team_id;
ResultRecorder.cleanInfo();
} /**
* XML中的SQL决定了执行什么用例, 执行多少条用例, SQL的搜索结果为需要测试的测试用例
*/
@DataProvider(name = "testData") private Iterator<Object[]> getData() throws SQLException, ClassNotFoundException { return new DataProvider_forDB(TestConfig.DB_IP, TestConfig.DB_PORT,
TestConfig.DB_BASE_NAME,TestConfig.DB_USERNAME, TestConfig.DB_PASSWORD, sql);
} @Test(dataProvider = "testData") public void test(Map<String, String> data) { new ExecPigeonTest().execTestCase(data, false);
} @AfterMethod
public void afterMethod(ITestResult result, Object[] objs) {...} @AfterClass
public void consoleLog() {...}
}
有一种做法我一直不提倡，就是把测试用例直接写在Java文件中。这样做会带来很多问题：
- 修改测试用例需要改动大量的代码；
- 代码也不便于交接给其他同学，因为每个人都有自己的编码风格和用例设计风格，这样交接，最后都会变成由下一个同学全部推翻重写一遍；
- 如果测试平台更换，无法做用例数据的迁移，只能手动的一条条重新输入。
所以“测试数据”与“脚本”分离是非常有必要的。
网上很多的范例是使用的Excel进行的数据驱动，我这里为什么改用MySQL而不使用Excel了呢？
在公司，我们的脚本和代码都是提交至公司的Git代码仓库，如果使用Excel的话，每次进行自动化测试用例的维护，都需要将修改好的代码和Excel文件推送到代码平台上，需要进行一些列的Add、Commit、Push等操作，很显然不方便日常经常修改测试用例的情况。
使用MySQL就没有这样的烦恼了，由于数据与脚本的分离，只需对数据进行修改即可，脚本每次会在数据库中读取最新的用例数据进行测试。同时，还可以防止一些操作代码时的误操作。
这里再附上一段我自己写的DataProvider_forDB方法，方便其他同学使用在自己的脚本上：
import java.sql.*;
import java.util.HashMap;
import java.util.Iterator;
import java.util.Map;
/**
* 数据源 数据库
*
* @author yongda.chen
*/
public class DataProvider_forDB implements Iterator<Object[]> {
ResultSet rs;
ResultSetMetaData rd;
public DataProvider_forDB(String ip, String port, String baseName,
String userName, String password, String sql) throws ClassNotFoundException, SQLException {
Class.forName("com.mysql.jdbc.Driver");
String url = String.format("jdbc:mysql://%s:%s/%s", ip, port, baseName);
Connection conn = DriverManager.getConnection(url, userName, password);
Statement createStatement = conn.createStatement();
rs = createStatement.executeQuery(sql);
rd = rs.getMetaData();
}
@Override
public boolean hasNext() {
boolean flag = false;
try {
flag = rs.next();
} catch (SQLException e) {
e.printStackTrace();
}
return flag;
}
@Override
public Object[] next() {
Map<String, String> data = new HashMap<String, String>();
try {
for (int i = 1; i <= rd.getColumnCount(); i++) {
data.put(rd.getColumnName(i), rs.getString(i));
}
} catch (SQLException e) {
e.printStackTrace();
}
Object r[] = new Object[1];
r[0] = data;
return r;
}
@Override
public void remove() {
try {
rs.close();
} catch (SQLException e) {
e.printStackTrace();
}
}
}
配置文件
上面图中提到了“配置文件”，下面就来简单看一下这个XML配置文件的脚本：
<?xml version="1.0" encoding="UTF-8"?><!DOCTYPE suite SYSTEM "http://testng.org/testng-1.0.dtd"><suite name="Pigeon Api测试" parallel="false"> <test name="xxx-xxx-service"> <parameter name="sql" value="SELECT * FROM API_PigeonCases WHERE team_id=2 AND isRun=1 AND service='xxx-xxx-service' AND env='beta';"/> <classes> <class name="com.dp.lego.test.TestPigeon"/> </classes> </test> <listeners> <listener class-name="org.uncommons.reportng.HTMLReporter"/> <listener class-name="org.uncommons.reportng.JUnitXMLReporter"/> </listeners></suite>
对照上图来解释一下配置文件：
- SQL的话，这里的SQL主要决定了选取哪些测试用例进行测试。
- 一个标签，就代表一组测试，可以写多个标签。
- “listener”是为了最后能够生成一个ReportNG的报告。
- Jenkins来实现每日构建，可以使用Maven插件，通过命令来选择需要执行的XML配置。
这样做有什么好处呢？
使用SQL最大的好处就是灵活
如上面的这个例子，在数据库中会查询出下面这56条测试用例，那么这个标签就会对这56条用例进行逐一测试。
多标签时，可以分组展示
使用多个标签来区分用例，最大的好处就是也能在最后的报告上，达到一个分组展示的效果。
报告更美观丰富
由于使用了ReportNG进行报告的打印，所以报告的展示要比TestNG自带的报告要更加美观、并且能自定义展示样式，点开能看到详细的执行过程。
如果有执行失败的用例，通常报错的用例会在最上方优先展示。
支持多团队
当两个团队开始使用时，为了方便维护，将基础部分抽出，各个团队的脚本都依赖这个Base包，并且将Base包版本置为“SNAPSHOT版本”。使用“SNAPSHOT版本”的好处是，之后我对Lego更新，各个业务组并不需要对脚本做任何改动就能及时更新。
当更多的团队开始使用后，比较直观的看的话是这个样子的：
每个团队的脚本都依赖于我的这个Base包，所以最后，各个业务团队的脚本就变成了下面的这个样子：
可以看到，使用了Lego之后：
- 没有了Java文件，只有XML文件
- xml中只需要配置SQL。
- 执行和调试也很方便。
- 可以右键直接执行想要执行的测试配置。
- 可以使用maven命令执行测试：
- mvn clean test -U -Dxml=xmlFileName 。
- 通过参数来选择需要执行的xml文件。
- 也可以使用Jenkins来实现定时构建测试。
由于，所有测试用例都在数据库所以这段脚本基本不需要改动了，减少了大量的脚本代码量。
有些同学要问，有时候编写一条接口测试用例不只是请求一下接口就行，可能还需要写一些数据库操作啊，一些参数可能还得自己写一些方法才能获取到啊之类的，那不code怎么处理呢？
下面就进入“用例设计”，我将介绍我如何通过统一的用例模板来解决这些问题。
用例设计
一些思考
我在做接口自动化设计的时候，会思考通用、校验、健壮、易用这几点。
通用
- 简单、方便
- 用例数据与脚本分离，简单、方便。
- 免去上传脚本的动作，能避免很多不必要的错误和维护时间。
- 便于维护。
- 模板化
- 抽象出通用的模板，可快速拓展。
- 数据结构一致，便于批量操作。
- 专人维护、减少多团队间的重复开发工作。
- 由于使用了统一的模板，那各组之间便可交流、学习、做有效的对比分析。
- 如果以后这个平台不再使用，或者有更好的平台，可快速迁移。
- 可统计、可拓展
- 可统计、可开发工具；如：用例数统计，某服务下有多少条用例等。
- 可开发用例维护工具。
- 可开发批量生成工具。
校验
在写自动化脚本的时候，都会想“细致”，然后“写很多”的检查点；但当“校验点”多的时候，又会因为很多原因造成执行失败。所以我们的设计，需要在保证充足的检查点的情况下，还要尽可能减少误报。
- 充足的检查点
- 可以检查出被测服务更多的缺陷。
- 尽量少的误报
- 可以减少很多的人工检查和维护的时间人力成本。
- 还要
- 简单、易读。
- 最好使用一些公式就能实现自己想要的验证。
- 通用、灵活、多样。
- 甚至可以用在其他项目的检查上，减少学习成本。
健壮
执行测试的过程中，难免会报失败，执行失败可能的原因有很多，简单分为4类：
- 被测系统出错，这部分其实是我们希望看到的，因为这说明我们的自动化测试真正地发现了一个Bug，用例发挥了它的价值，所以，这是我们希望看到的。
- 测试工具出错，这部分其实是我们不希望看到的，因为很大可能我们今天的自动化相当于白跑了。
- 测试数据错误，这是我们要避免的，既然数据容易失效，那我在设计测试平台的时候，就需要考虑如果将所有的数据跑“活”，而不是只写“死”。
- 不可抗力，这部分是我们也很无奈的，但是这样的情况很少发生。
那针对上面的情况：
- 参数数据失效
- 支持实时去数据库查询。
- 支持批量查。
- IP进场发生变更
- 自动更新IP。
- 灵活、可复用
- 支持批量维护。
- 接口测试执行前生成一些数据。
- 接口执行完成后销毁一些数据。
- 支持参数使用另一条测试用例的返回结果。
- 支持一些请求参数实时生成，如token等数据，从而减少数据失效的问题。
通过这些手段，提高测试用例的健壮性，让每一条自动化测试用例都能很好的完成测试任务，真正发挥出一条测试用例的价值。
易用
- 简单
- 功能强大，但要人人会用。
- 非技术人员也要会用。
- 减少代码操作
- 让自动化开发人员注意力能更多的放在用例本身，而不是浪费在无关紧要的开发工作上面。
- 还要
- 配置能复用。
- 通用、易学。
- 一些数据能自动生成。
Lego接口自动化测试用例
说了这么多，那我们来看看Lego接口测试用例的样子。
一条Lego自动用例执行顺序大概是如下图这样：
简单区分一下各个部分，可以看到：
那上面图中提到了两个名词：
- “参数化”
- “前后置动作”
下面会先对这两个名词做一个简单的介绍。
参数化
比如一个请求需要用到的参数。
{
"sync": false,
"cityId": 1,
"source": 0,
"userId": 1234,
"productId": 00004321}
这个例子中有个参数"productId": 00004321，而由于测试的环境中，表单00004321很可能一些状态已经发生了改变，甚至表单已经删除，导致接口请求的失败，那么这时候，就很适合对"productId": 00004321进行参数化，比如写成这样：
所以对“参数化”简单的理解就是：
通过一些操作，将一个“值”替换掉测试用例里的一个“替代字符”
${myProductId} 的值可以通过配置获取到：
- Key-Value
- 配置 Value=00004321。
- SQL获取
- 执行一个select语句来实时查询得到可用ID。
- 已有测试用例
- 某个接口接口测试用例的返回结果。
“参数化”实例
下面我们来看一个“参数化”的实例：
（1）首先我们在参数化维护页面中新建一个参数化，shopdealid。
通过配置我们可以看到这个参数的值，是执行了一条SQL后，取用执行结果中DealID字段的值。
（2）在用例中，将需要这个表单号的地方用${shopdealid}替代。
那在编写测试用例的时候，大家可以看一下这个放大的图片，在这里的ProductID的值并不是硬代码一个固定的表单号，而是选择了刚才配置的参数化数据。
（3） 执行结果中，${shopdealid} 变为实时查询数据库的来的一个真实的表单号。
从结果中可以看到，我们的这个参数被替换成了一个有效的值，而这个值就是我们刚刚配置的那个SQL实时查询而来的。
“参数化”的场景
多个测试用例使用同一个参数进行测试
如50条测试用例都使用同一个id作为参数进行测试，这时候我们需要变更这个ID。
无参数化时：
- 需要修改50次，即每条测试用例中的id都得进行修改。
- 可能会有遗漏。
有参数化时：
- id部分用 ${myID} 替代。
- 需要修改的话，在“参数化维护”页面中维护 ${myID}这条数据就可以。修改一次，所有使用${myID}的用例都配置完成。
测试数据过期导致测试用例执行失败
如一条用例参数需要传入token，但是Token会因为时间问题而导致过期，这时候用例就失败了。
无参数化时：
- 经常修改Token，或是写一段id转Token的代码。
- 方法可能会重复编写。
- 多个团队之间可能实现方式也不同。
有参数化时：
- 使用参数化工具，Lego统一管理。
- 维护一个参数化 如：${测试用Token} = id:123。
数据库获取有效测试数据
参数中需要传入DealId作为参数，写死参数的话，如果这个DealId被修改引起失效，那这条测试用例就会执行失败。
不使用Lego时：
- 测试环境中，一个订单时常会因为测试需要被修改数据，导致单号失效，最后导致自动化失败。
- 编写相关代码来做好数据准备工作。
- 在代码中编写读取数据库的方法获取某些内容。
在Lego上的方案：
- 使用参数化，实时获取sql结果，查询出一条符合条件的dealId来实现。
- 使用参数化，调用写好的“生成订单”接口用例实现，拿单号来实现。
- 前后置动作，插入一条满足条件的数据。
前后置动作
“前后置动作”的概念就比较好理解了：
在接口请求之前（或之后），执行一些操作
目前前后置动作支持6种类型：
- 数据库SQL执行
- 有时候在执行接口请求前，为了保证数据可用，可能需要在数据库中插入或删除一条信息，这时候就可以使用前后置动作里的“执行SQL语句”类型，来编写在接口请求前（后）的 Insert 和 Delete 语句。
- 已有测试用例执行
- 比如当前测试用例的请求参数，需要使用另一条测试用例的返回结果，这时候就可以使用“执行测试用例”类型，写上Lego上某条测试用例的ID编号，就可以在当前用例接口请求前（后）执行这条测试用例。
- 前后置动作中测试用例的返回结果可以用于当前用例的参数，对测试用例返回结果内容的获取上，也支持JsonPath和正则表达式两种方式。
- MQ消息发送
- 在接口请求前（后）发送MQ消息。
- HTTP请求
- 等待时间
- 自定义的Java方法
- 如果上面的方法还满足不了需求，还可以根据自己的需要，编写自己的Java方法。
- 可以在Lego-Kit项目中，编写自己需要的Java方法，选择“执行Java方法”，通过反射实现自定义Java方法的执行。
这里的SQL同时支持Select操作，这里其实也是做了一些小的设计，会将查询出来的全部的结果，放入到这个全局Map中。
比如查询一条SQL得到下表中的结果：
那我们可以使用下面左边的表达式，得到对应的结果：
- ${pre.name} ---- 得到 “张三”å
- ${pre.age} ---- 得到 18
- ${pre.number} ---- 得到 1122
也可以用：
- ${pre.name[0]} ---- 得到 “张三”
- ${pre.age[0]} ---- 得到 18
- ${pre.number[0]} ---- 得到 1122
- ${pre.name[1]} ---- 得到 “李四”
- ${pre.age[1]} ---- 得到 30
- ${pre.number[1]} ---- 得到 3344
这样的设计，更加帮助在用例设计时，提供数据准备的操作。
“前后置动作”实例
（1）首先我们在前后置维护页面中新建一个动作，获取库存上限未卖光团单 。
这个配置也是可以支持在线调试的，在调试中，可以看到可以使用的参数化：
（2）在测试用例中的前置动作，添加获取库存上限未卖光团单 。
这样就可以在整个测试用例中，使用${pre.ProductID}，来替换掉原有的数据信息。
（3）最后请求接口，返回了执行成功 。
Q & A
Q：那如果同样是获取三个参数，使用3个“参数化的Select操作”和使用1个“前置动作的Select操作”又有什么不同呢？
A： 不同在于执行时间上。
比如，我们查询最新的有效团单的“单号”“下单人”和“手机号”三个字段。
使用3个“参数化的Select操作”：可能当执行${单号}的时候得到的订单号是“10001”，但是当执行到${下单人}的时候，可能有谁又下了一单，可能取到的下单人变成了“10002”的“李四”而不是“10001”的“张三”了，最后可能“单号”“下单人”和“手机号”三个字段去的数据并非同一行的数据。
而使用“前置动作的Select操作”：就可以避免上面的问题，因为所有字段的数据是一次性查询出来的，就不会出现错位的情况。
Q : 那“参数化的Select操作”和“前置动作的Select操作”这样不同的取值时机又有什么好用之处呢？
A : 由于“前置动作”一定是接口请求前执行，“参数化”一定是用到的时候才执行这样的特性。
所以在检查点中，如果要验证一个数据库字段在经过接口调用后发生了变更，那使用“前置动作”和“参数化”同时去查询这个字段，然后进行比较，不一致就说明发生了变化。
所以根据使用场景，选择合适的参数化方式，很重要，选择对了，能大大提升测试用例的测试数据健壮性。
执行各部分
回到一开始的流程图，可以按照一类一类来看执行过程。
测试发起
测试发起基本还是使用的Jenkins，稳定、成熟、简单、公司工具组支持，也支持从Lego的Web页面进行执行操作。
数据 / 环境准备
使用 @DataProvider 的方式，从DB数据库中读取测试用例，逐一执行进行测试。
测试执行
在正式执行测试用例之前，会先进行一波参数替换的动作，在调用接口之后，还会执行一次参数替换动作。
参数替换后会进行前置动作的执行，然后在调用接口之后还会执行测试后动作，最后执行后置动作。
接口请求这部分就没什么好说的了，就是通过接口请求的参数，请求对应的接口，拿到返回结果。
这里的话是为了方便通用，所以要求返回的结果都是使用的String类型。这样做最大的好处就是。比如说我现在有一种新的接口类型需要接入。那只需要写一个方法能够请求到这个接口，并且拿到String类型的返回结果，就可以很快将新的接口类型接入Lego测试平台进行接口测试。
检查点校验
检查点部分是一条自动化测试用例的精髓，一条自动化测试用例是否能真正的发挥它的测试功能，就是看QA对这条测试用例的检查点编写是否做了良好设计。在Lego平台上，目前我拥有的检查点有6种不同的类型。
- 异常检查点
- 当返回结果为异常时，则会报错。
- 但是有时候为了做异常测试，可以将这个检查点关掉。
- 不为空检查点
- 顾名思义，当出现""、"[]"、"{}"、null 这样的的结果，都会报错。也可以根据自己用例的实际情况关闭。
- 包含检查点
- 不包含检查点
- “包含”和“不包含”检查点是将接口的返回结果作为一个String类型来看，检查所有返回内容中是否“包含”或“不包含”指定的内容。
- 数据库参数检查点
- 顾名思义，不做过多的解释了。
- JsonPath检查点
- 这是我在Lego上设计的最具有特色的一种检查点类型。
JsonPath的基本写法是：{JsonPath语法}==value
JsonPath的语法和XPath的语法差不多，都是根据路径的方法找值。这里也是主要是针对返回结果为JSON数据的结果，进行检查。
具体的JsonPath语法可以参考：https://github.com/json-path/JsonPath 。
说完了"JsonPath的语法"，现在说一下"JsonPath检查点的语法"。"JsonPath检查点的语法"是我自己想的，主要针对以下几种数据类型进行校验：
(1) 字符串类型结果检验
- 等于：==
- 不等于：!==
- 包含：=
- 不包含：!=
例如：
- {$.[1].name}==aa：检查返回的JSON中第2个JSON的name字段是否等于aa。
- {$..type}=='14'：检查返回的JSON中每一个JSON的name字段是否等于aa。
- {$.[1].type}==14 && {$.[1].orderId}==106712：一条用例中多个检查用&&连接。
- {$..orderId}!==12：检查返回的JSON中每个JSON的orderId字段是否不等于12。
- {$..type}=1：检查返回的JSON中每个JSON的type字段是否包含1。
- {$.[1].type}!=chenyongda：检查返回的JSON中第2个JSON的type字段是否不包含chenyongda。
(2) 数值校验
- 等于：=
- 大于：>
- 大于等于：>=
- 小于：<
- 小于等于：<=
例如：
- {$.[0].value}<5：检查返回的JSON中第1个JSON的value字段的列表是否小于3。
- {$.[1].value}>4：检查返回的JSON中第2个JSON的value字段的列表是否大于4。
(3) List结果检验
- list长度：.length
- list包含：.contains(param)
- list成员：.get(index)
例如：
- {$..value}.length=3：检查返回的JSON中每个JSON的value字段的列表是否等于3。
- {$.[0].value}.length<5：检查返回的JSON中第1个JSON的value字段的列表是否小于3。
- {$.[1].value}.length>4：检查返回的JSON中第2个JSON的value字段的列表是否大于4。
- {$..value}.contains('222')：检查返回的JSON中每个JSON的value字段的列表是否包含222字符串。
- {$.[0].value}.contains(1426867200000)：检查返回的JSON中第1个JSON的value字段的列表是否包含1426867200000。
- {$.[0].value}.get(0)=='222'：检查返回的JSON中第1个JSON的value字段的列表中第1个内容是否等于222。
- {$..value}.get(2)='22'：检查返回的JSON中每个JSON的value字段的列表中第3个内容是否包含22。
(4) 时间类型处理
时间戳转日期时间字符串：.todate
例如：
- {$..beginDate}.todate==2015-12-31 23:59:59：检查返回的JSON中beginDate这个时间戳转换成日期后是否等于2015-12-31 23:59:59。
当JsonPath返回的结果是列表的形式时
除此之外，还有非常多的花样玩法
JsonPath中的检查支持“参数化”和“前后置动作”，所以会看到很多如：
{$.param}='${param}' && {$.param}==${pre.param}
这样的检查点：
“参数化”和“前后置动作”也支持递归配置，这些都是为了能够让接口自动化测试用例写的更加灵活好用。
测试结果
使用ReportNG可以打印出很漂亮的报告。
报告会自定义一些高亮等展示方式，只需要在ReportNG使用前加上下面的语句，就可以支持“输出逃逸”，可使用HTML标签自定义输出样式。
后期优化
当使用Jenkins执行后，通过Jenkins API 、和Base包中的一些方法，定时获取测试结果，落数据库，提供生成统计图表用。
网站功能
站点开发
既然打算做工具平台了，就得设计方方面面，可惜人手和时间上的不足，只能我一人利用下班时间进行开发。也算是担任了Lego平台的产品、后端开发、前端开发、运维和测试等各种角色。
Jenkins+TestNG+ReportNG+我自己开发的基本接口自动化测试Base jar包，基本上没什么太大难度。但是站点这块，在来美团点评之前，还真没开发过这样的工具平台，这个算是我的第一个带Web界面的工具。边Google边做，没想到不久还真的架起来了一个简易版本。
使用 Servlet + JSP 进行开发，前端框架使用Bootstrap，前端数据使用JSTL，数据库使用MySQL，服务器使用的公司的一台Beta环境Docker虚拟机，域名是申请的公司内网域名，并开通北京上海两侧内网访问权限。
功能上基本都是要满足的，界面上，虽然做不到惊艳吧，但是绝对不能丑，功能满足，但是长得一副80年代的界面，我自己都会嫌弃去使用它，所以界面上我还是花了一些时间去调整和设计。熟练以后就快多了。
整体组成
目前Lego由五个不同的项目组成，分别是“测试脚本”、“Lego-web页面项目”、“用于执行接口测试的base包”、“小工具集合Lego-kit”和“lego-job”，通过上图可以看出各项目间的依赖关系。
细化各个项目的功能，就是下图：
简单来说，网站部分和脚本是分离的，中间的纽带是数据库。所以，没有网站，脚本执行一点问题也没有；同样的，网站的操作，和脚本也没有关系。
日常维护
Step 1
每天上班来会收到这样的测试邮件，通过邮件能知道昨晚执行的情况。如果有报错，可以点击“详细报告链接”，跳转到在线报告。
Step 2
在现报告可以直接看到执行报错的信息，然后点击“LEGO维护传送门”，可以跳转到Lego站点上，进行用例维护。
Step 3
跳转到站点上以后，可以直接展示出该条测试用例的所有信息。定位，维护、保存，维护用例，可以点击“执行”查看维护后的执行结果，维护好后“保存”即可。
仅仅3步，1~2分钟即可完成对一条执行失败的用例进行定位、调试和维护动作。
用例编辑
通过页面，我们就可以对一条测试用例进行：
- 新建
- 复制
- 编辑
- 删除
- 是否放入每日构建中进行测试
在线调试
lego-web项目同样的使用base进行的用例执行，所以执行结果和打印都与脚本执行的一致的。
用例生成工具
为了更方便的写用例，针对部分接口开发了一键批量生成用例的小工具。
执行结果分析
通过Jenkins接口、Base包中基础Test方法，将结果收集到数据库，便于各组对测试结果进行分析。
这是每天执行后成功率走势图：
也可以按月进行统计，生成统计的图表，帮助各个团队进行月报数据收集和统计。
失败原因追踪
有了能直观看到测试结果的图表，就会想要跟踪失败原因。
所以在成功率数据的右边，会有这样的跟踪失败原因的入口，也可以很直观地看到哪一些失败的原因还没有被跟踪。点开后可以对失败原因进行记录。
最后会有生成图表，可以很清晰地看到失败原因以及失败类型的占比。
代码覆盖率分析
结合Jacoco，我们可以对接口自动化的代码覆盖率进行分析。
在多台Slave机器上配置Jacoco还是比较复杂的，所以可以开发覆盖率配置辅助工具来帮助测试同学，提高效率。
用例优化方向
除了上面的图表，还会给用例优化提供方向。
通过用例数量统计的图表，我们可以知道哪些服务用例还比较少，哪些环境的用例还比较少，可以比较有针对性的进行测试用例的补充。
通过失败原因的图表，我们可以改善自己用例中的“参数化”和“前后置动作”的使用，增加测试用例的健壮性。
通过线上接口调用量排序的图表。我们可以有效的知道优先维护哪些服务的测试用例，通过表格中，我们可以看到，哪些服务已经覆盖了测试用例，哪些没有被覆盖， 给各组的QA制定用例开发计划，提供参考。
同时在维护接口自动化测试的时候，都会看到用例评分的情况，来协助QA提高用例编写的质量。
收集反馈/学习
此外，还做了“需求白板”，用来收集使用者的需求和Bug。除此之外，Lego平台已经不只是一个接口测试的平台，还可以让想学习开发的QA领任务，学习一些开发技巧，提高自己的代码能力。
总结
- 为了减少开发成本，使用比较常见的Jenkins+TestNG的脚本形式。
- 为了简化code操作，使用DB进行测试用例存储，并抽象出用例摸版。
- 为了减低新建用例成本，开发“用例维护页面”和“一键生成”等工具。
- 为了减低维护成本，加跳转链接，维护一条用例成本在几分钟内。
- 为了增加用例健壮性，设计了“参数化”、“前后置动作”等灵活的参数替换。
- 为了易用和兼容，统一“返回结果”类型，统一“检查点”的使用。
- 为了接口自动化用例设计提供方向，结合Jacoco做代码覆盖率统计，并开发相关配置工具
- 为了便于分析数据，从DOM、CAT、Jenkins上爬各种数据，在页面上用图表展示。
- 为了优化用例，提供“用例打分”、“线上调用量排行”等数据进行辅助。
本文介绍了我们的接口自动化测试平台Lego，欢迎感兴趣的同学扫描“美团点评技术团队”微信二维码，通过后台交流讨论。
热门博客测试
sysbench在美团点评中的应用
移动App兼容性测试工具Spider
大促活动前团购系统流量预算和容量评估
美团点评
技术团队
http://tech.meituan.com
长按二维码关注我们
更多技术博客：美团点评技术博客。
PS：正文中标绿的名词均为参考链接，可点击查询。
成都技术沙龙报名
欢迎大家报名参加美团点评技术沙龙30期：餐饮生态高可用系统实践！
本次沙龙将围绕高可用、大数据架构、App设计等方面的一些经验进行主题交流，更多活动详情请戳 餐饮生态高可用系统实践！
报名方式请戳下图，或扫描图中二维码。
下一章：智能投放系统之场景分析最佳实践
背景： 新美大平台作为业内最大的O2O的平台，以短信/push作为运营手段触达用户的量级巨大，每日数以千万计。美团点评线上存在超过千万的POI，覆盖超过2000城市、2.5万个后台商圈。在海量数据存在的前提 ...