高複用性自動化腳本

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。