Lego 美团接口自动化测试实践

https://www.infoq.cn/article/G8CN7zGCqUeVhRr1KE8x?utm_source=related_read_bottom&utm_medium=article

一、概述

1.1 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。

 

1.2 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：

 

1. 减少投入成本。

2. 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，我这边开发了 Lego 接口测试平台，来实现我对自动测试想法的一些实践。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

 

1.3 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。

 

二、脚本设计

2.1 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。

 

 

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。

 

2.2 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() {...}}

 

 

 

复制代码

 

 

 

测试脚本结构

 

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……很显然不方便日常经常修改测试用例的情况。使用 MySQL 数据库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();        }    }}

 

 

 

复制代码

 

 

2.3 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>

 

 

 

复制代码

 

 

 

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<test>标签，就代表一组测试，可以写多个<test>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<test>标签就会对这 56 条用例进行逐一测试。

 

多<test>标签时，可以分组展示

 

使用多个<test>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。

 

三、用例设计

3.1 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。

 

3.2 Lego 接口自动化测试用例

说了这么多，那我们来看一下一条 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。

 

3.3 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}

 

 

 

复制代码

 

 

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：

 

 

{        "sync": false,        "cityId": 1,        "source": 0,        "userId": 1234,        "productId": ${myProductId}}

 

 

 

复制代码

 

 

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。

 

3.4 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：

 

id	name	age	number
`0	张三	18	1122
`1	李四	30	3344

 

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”

• ${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。

 

3.5 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

检查点	检查点等号左边	期望值	验证效果
{$.value}==“good”	[‘good’, ‘good’, ‘bad’, ‘good’]	“good”	作为4个检查点，会拿列表里的每个对象逐一和“期望值”进行检验，每一次对比都是一个独立的检查点。
{$.value}==[“good”]	[‘good’, ‘good’, ‘bad’, ‘good’]	[“good”]	作为1个检查点，作为一个整体做全量比对。
{$.value}==[‘a’, ‘b’]	[[‘a’, ‘b’],[‘a’, ‘b’],[‘a’, ‘b’, ‘c’]]	[‘a’, ‘b’]	作为3个检查点，道理和1一样，列表中的数据分别和期望值做比较。

 

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。

 

 

System.setProperty("org.uncommons.reportng.escape-output", "false");

 

 

 

复制代码

 

 

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。

 

四、网站功能

4.1 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。

 

4.2 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。

 

4.3 使用-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。

 

4.4 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

 

4.5 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。

 

4.6 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。

 

4.7 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。

 

4.8 失败原因跟踪

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。

 

4.9 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。

 

 

4.10 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。

 

4.11 收集反馈/学习

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。

 

五、总结

1. 为了减少开发成本，使用比较常见的 Jenkins+TestNG 的脚本形式。

2. 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。

3. 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。

4. 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。

5. 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。

6. 为了易用和兼容，统一“返回结果”类型，统一“检查点”的使用。

7. 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

8. 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。

9. 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。