作者:京東物流 劉紅妍
導讀:
在自動化測試實踐中,為了更好的契合被測業務場景,需要不斷優化架構分層結構。本文結合産品子產品化思路,意在介紹通過政策模式改造原本複雜分支語句代碼,通過理論講解、思路分析、方案設計、及代碼示範,提供自動化腳本重構的落地方案。
在今年的靈活團隊建設中,我通過Suite執行器實作了一鍵自動化單元測試。Juint除了Suite執行器還有哪些執行器呢?由此我的Runner探索之旅開始了!
1 痛點
随着運輸業務場景的不斷豐富和自動化腳本量的不斷累積,日常在review用例時發現,目前大家仍停留在針對需求定制化用例編寫,無法提高用例可複用性和可編排性。當業務流程中間某一環節發生變化時,不但需要重新修改腳本,還會影響目前應用其他用例執行結果。是以,如何設計高複用性腳本成為目前自動化建設的關鍵節點。
設計理論
了解,首先 MCube 會依據模闆緩存狀态判斷是否需要網絡擷取最新模闆,當擷取到模闆後進行模闆加載,加載階段會将産物轉換為視圖樹的結構,轉換完成後将通過表達式引擎解析表達式并取得正确的值,通過事件解析引擎解析使用者自定義事件并完成事件的綁定,完成解析指派以及事件綁定後進行視圖的渲染,最終将目标頁面展示到螢幕。從設計稿出發,提升頁面搭建效率,亟需解決的核心問題有:
2.1 設計理念
根據面向對象程式設計理念,設計者應遵循高内聚與低耦合原則,通常程式結構中各子產品的内聚程度越高,子產品間的耦合程度就越低。高内聚意味着一個類所能提供的功能應該是相關的,即一個類不要設計得包括很多互不相幹的功能,低耦合代表要合理規劃子產品的顆粒度,即要保證一個子產品可獨立存在,降低子產品之間複雜依賴關系。
2.2 政策模式
政策模式定義了一系列的算法,将每一組相關的算法封裝起各個政策分支,進而将分支相關的代碼隐藏起來,并且使它們之間可以互相替換。政策模式讓算法的變化不會影響到使用算法的客戶,希望可以提高程式的可擴充性。
解決思路
了解,首先 MCube 會依據模闆緩存狀态判斷是否需要網絡擷取最新模闆,當擷取到模闆後進行模闆加載,加載階段會将産物轉換為視圖樹的結構,轉換完成後将通過表達式引擎解析表達式并取得正确的值,通過事件解析引擎解析使用者自定義事件并完成事件的綁定,完成解析指派以及事件綁定後進行視圖的渲染,最終将目标頁面展示到螢幕。從設計稿出發,提升頁面搭建效率,亟需解決的核心問題有:
3.1 基本思路
根據運輸業務同一個流程存在不同場景,如詢價服務接上遊下發詢價單節點,需要區分來源執行不同邏輯,目前設計五個算法能力,根據後期業務不斷擴充,還會有更多算法加入進來,這個時候需要考慮一個好的結構對代碼進行優化。可能前期大家通過if...elif...else 分支語句就可實作,但在考慮系統的健壯性和可維護性,這裡就不能大量使用if分支語句。因為每一種算法能力的代碼量極大且算法參數幾十個,在随着更多上遊接入可能存在十幾個甚至更多else分支,很容易顧此失彼,牽一發而動全身。是以,利用政策模式設計一系列算法,再供用例拼裝調用,提高代碼的可讀性和可複用性。
3.2 方案分析
優點:
1. 代碼解耦,便于維護;
2. 避免使用難以維護的多重條件選擇語句;
3. 可以運作時動态切換算法;
4. 開閉原則。無須對上下文代碼進行修改,就可以添加新的代碼。
缺點:
1. 如果算法邏輯,較為固定,不經常修改,使用政策模式隻會增加代碼量
2. 必須知道所有的具體政策類及它們的差別。
方案概述
了解,首先 MCube 會依據模闆緩存狀态判斷是否需要網絡擷取最新模闆,當擷取到模闆後進行模闆加載,加載階段會将産物轉換為視圖樹的結構,轉換完成後将通過表達式引擎解析表達式并取得正确的值,通過事件解析引擎解析使用者自定義事件并完成事件的綁定,完成解析指派以及事件綁定後進行視圖的渲染,最終将目标頁面展示到螢幕。
4.1 環境依賴
Laputa架構簡介:
Laputa架構基于 Pytest 內建了對API接口自動化, 以及對 Web應用, 移動端應用和 Windows 桌面應用 UI 等自動化的能力。具有可視化的Web界面工具, 便于配置執行規則,關聯執行腳本, 觸發用例執行,檢視執行結果。提供CI內建服務,調用Jenkins API跟蹤持續內建結果,開放接口,實作流水線自動化測試。
圖1 自動化架構架構圖
4.2 分層改造
圖2 自動化用例分層圖
4.3 政策設計
圖3 政策模式設計圖
4.4 操作步驟
1. 将頻繁修改的算法進行抽取,獨立為具體的算法類;
2.建立抽象基類,實作一個約定的抽象政策方法;
3. 所有獨立的算法類,必須實作基類中的抽象政策接口;
4. 建立上下類,該類可以動态的對算法進行setter,建立調用具體算法的方法,上下文可通過該方法與具體的政策互動;
5. 用戶端進行調用,傳入具體的算法類,上下文動态執行具體的算法任務。
設計實踐
了解,首先 MCube 會依據模闆緩存狀态判斷是否需要網絡擷取最新模闆,當擷取到模闆後進行模闆加載,加載階段會将産物轉換為視圖樹的結構,轉換完成後将通過表達式引擎解析表達式并取得正确的值,通過事件解析引擎解析使用者自定義事件并完成事件的綁定,完成解析指派以及事件綁定後進行視圖的渲染,最終将目标頁面展示到螢幕。
5.1 詢價接單接口改造
如源代碼結構,根據不同業務來源,寫在一個方法裡通過if...else...分别組裝場景,一旦上遊任一系統存在需求變動,目前接單接口調用邏輯需要變動:
【python】
def receive_enquiry_bill(**kwargs):
params=[{}]
params[0].update(kwargs)
if params[0].get("enquirySource") == 8:
pass
elif params[0].get("enquiryWay") == 2 and params[0].get("payMode") == 2:
pass
elif params[0].get("enquiryWay") == 2 and params[0].get("payMode") == 3:
pass
if params[0].get("enquirySource") == 46:
pass
if params[0].get("enquirySource") == 20:
pass
改造結構:
上下文類
【python】
class AlgorithmStrategy(object):
def __init__(self, algorithm_name):
self.algorithm_name = algorithm_name
@property
def algorithm(self):
return self.algorithm_name
@algorithm.setter
def algorithm(self, name):
self.algorithm_name = name
def execute_algorithm(self, params):
return self.algorithm_name.execute(params)
算法基類:
【python】
class CreateEnquiryBillBaseAlgorithm(ABC):# 算法能力基類
@abstractmethod
def read_params(self, **kwargs):
scenario=kwargs['scenario'] if "scenario" in kwargs and kwargs['scenario'] else 'base'
return resource_custom_data[self.__class__.__name__][scenario][0].update(kwargs)
@abstractmethod
def execute(self, params):
return jsf_receive_enquiry_bill(data=json.dumps(params)
不同算法:
【python】
class CreateTFCEnquiryBill(CreateEnquiryBillBaseAlgorithm):
def read_params(self, **kwargs):
params = super().read_params(**kwargs)
params[0].update({"businessCode": kwargs['businessCode'] if 'businessCode' in kwargs else f"TJ{laputa_util.date_time_str(fmt='%y%m%d')}{laputa_util.get_random_num(8)}","receiveBeginTime": tms_util.data_time_str(minutes=100),"deliveryBeginTime": tms_util.data_time_str(minutes=180)})
return params
def execute(self, params):
return super().execute(params)
class CreateECLPClodEnquiryBill(CreateEnquiryBillBaseAlgorithm):
def read_params(self, **kwargs):
# 若目前場景參數與基礎參數改動較大建議直接在Yaml裡另寫Key
params = super().read_params(**kwargs)
params[0].update({"businessCode": kwargs['businessCode'] if 'businessCode' in kwargs else f"ECO{laputa_util.date_time_str(fmt='%y%m%d')}{laputa_util.get_random_num(8)}","receiveBeginTime": tms_util.data_time_str(minutes=100),"deliveryBeginTime": tms_util.data_time_str(minutes=180)})
return params
def execute(self, params):
super().execute(params)
return jsf_do_assign(data=json.dumps(params))
算法注入使用:
【python】
def receive_enquiry_bill(algOne=None, sceOne=None, **kwargs):
"""
Args:
algorithm: 業務類型
scenario: 測試場景:執行步驟,執行資料
Returns:
"""
if algorithm:
# 采用字典形式進行手動注冊算法,由python動态查找
st = {"TFC": CreateTFCEnquiryBill(), "ECLP冷鍊": CreateECLPClodEnquiryBill(), "TC": CreateTCEnquiryBill(),"終端用車": CreateTerminalEnquiryBill()}
query_algorithm = st.get(algOne)
return query_algorithm.execute(query_algorithm.read_params(scenario=sceOne, **kwargs))
else:
pass
當有需求變動,隻需修改其一政策規則内部代碼,如【分單政策需求】,除運輸内部系統TFC下發詢價指定個體标簽,其他上遊沒有增加标簽下發功能,則隻需修改CreateTFCEnquiryBill()代碼即可。
5.2 Common用例組裝
拼接task用戶端方法組成case,利用feature組裝測試資料,資料驅動測試方法執行。
【python】
@pytest.mark.parametrize("params", test_data('test_enquiry_core'), indirect=True)
def test_enquiry_core(params):
enquiry_code = receive_enquiry_bill_core(**params).get("data")
return quote_enquiry_bill_core(enquiry_code=enquiry_code, **params)
總結
了解,首先 MCube 會依據模闆緩存狀态判斷是否需要網絡擷取最新模闆,當擷取到模闆後進行模闆加載,加載階段會将産物轉換為視圖樹的結構,轉換完成後将通過表達式引擎解析表達式并取得正确的值,通過事件解析引擎解析使用者自定義事件并完成事件的綁定,完成解析指派以及事件綁定後進行視圖的渲染,最終将目标頁面展示到螢幕。
随着運輸八大産品建設方向逐漸明确,自動化平台需要從應用次元重構到産品次元,在腳本不斷融合和解耦過程,如何在新的分層模式設計高複用性腳本,需要大家結合各自業務條線不斷優化改進。