09.24 Taisite-Platform接口自动化测试平台

Ⅰ. 泰斯特平台简介

背景

「泰斯特平台」是一个由「软件测试 & 机器学习爱好者」开发的接口自动化测试平台。

愿景

平台致力于将人工智能技术与软件测试有效结合，让平台在保障测试精确性要求的同时更具智能化、泛化能力， 同时尽可能 最优化使用体验 ，目标是成为 最贴心、最好用、颜值最高 的开源测试平台。

技术栈

平台遵循「前后端分离开发」思想，技术栈为：「Python + Vue + Mongodb」，后端开发使用的是轻量级 Web 框架 Flask， 前端 UI 框架则采用的是易上手的 ElementUi。

使用环境

推荐使用 Chrome 最新浏览器使用~

开源协议

AGPL-3.0

（详细内容请查阅 LICENSE 文件）

Ⅱ. 泰斯特平台特点 （os：和其他测试平台有什么区别？）

1.平台遵循「小而精」的策略，最大化所有功能的开发、使用性价比，可帮助测试团队快速搭建起易于上手 / 维护的接口 自动化测试体系。

2.平台遵循「零编码」原则，使用者不需要编程即可完成较为复杂的业务流程接口测试。

3.平台遵循「颜值即正义」原则，操作界面展示如下：

4.平台拥有极佳的定时任务体验，启动定时任务后可随时停用 / 任意编辑任务内容且立即生效，同时拥有丰富的告警策略， 页面展示如下：

5.平台拥有导入 / 导出功能，支持测试人员 "最喜爱的" Excel 格式，易于批量生成 / 修改用例。

6.平台拥有较为丰富的测试结果校验体系，支持文本相似度校验。 (具体内容可参考本篇博文)

7.平台对外提供测试任务调度接口，方便与开发项目集成。

Ⅲ .泰斯特平台功能图解

V1.0

IV . 泰斯特平台部署

windows 环境下部署

0. 克隆项目

git clone https://gitee.com/amazingTest/Taisite-Platform.git

1. 安装 python 3 环境

点击进入教程

2. 部署自然语言模型

点击下载模型

2.2 解压压缩包

2.3 安装 python 依赖包

pip install tensorflow==1.11.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install bert-serving-server==1.9.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

2.4 启动模型

// 当前目录切换至模型文件夹目录后执行
bert-serving-start -model_dir ./chinese_L-12_H-768_A-12/ -num_worker=1

启动成功后输出如下：

3. 部署 Mongodb 数据库

点击进入教程

4. 设置系统环境变量

AUTOTEST_PLATFORM_ENV=production
AUTOTEST_PLATFORM_NLP_SERVER_HOST=127.0.0.1
AUTOTEST_PLATFORM_MONGO_HOST=${MONGO_HOST}
AUTOTEST_PLATFORM_MONGO_PORT=${MONGO_PORT}
AUTOTEST_PLATFORM_MONGO_USERNAME=${USERNAME}
AUTOTEST_PLATFORM_MONGO_PASSWORD=${PASSWORD}
AUTOTEST_PLATFORM_MONGO_DEFAULT_DBNAME=taisite

其中 AUTOTEST_PLATFORM_ENV 默认为 production （必填）

AUTOTEST_PLATFORM_MONGO_HOST和 AUTOTEST_PLATFORM_MONGO_PORT 分别表示数据库的地址和端口（必填）

AUTOTEST_PLATFORM_MONGO_USERNAME和 AUTOTEST_PLATFORM_MONGO_PASSWORD 分别表示数据库的帐号密码（若无可不填）

AUTOTEST_PLATFORM_NLP_SERVER_HOST（自然语言模型服务）默认为本机启动 （非必填）

AUTOTEST_PLATFORM_MONGO_DEFAULT_DBNAME 为默认的数据表名（必填）

设置完成后可通过下列命令进行测试（CMD切换至项目根目录下）

python ./backend/config.py

若配置成功则可看见输入的配置数据

5. 打包前端 dist 文件 （这一步我已为你们做好，若不需二次开发可跳过）

5.1 安装 Vue 环境，下载 node.js 并配置环境，下载 npm 包管理器

5.2 cmd 进入 frontend 目录下，配置 cnpm :

npm install -g cnpm --registry=https://registry.npm.taobao.org 

5.3 执行安装依赖包命令:

cnpm install

5.4 执行打包命令:

cnpm run build

若成功打包则会在项目根目录下生成 dist 文件夹。

6. 启动后端

// 安装依赖包 (切换至项目根目录下执行)
pip install -r ./backend/requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
// 启动后端 ( 默认5050端口 )
python ./backend/run.py
// 创建平台管理员帐号密码
python ./backend/createAdminUser.py

7. 访问项目

现在就可以访问 http://127.0.0.1:5050/#/login 使用创建的管理员帐号密码进行登录。

Linux 环境下 Docker 容器化部署

点击进入 Docker 教程地址

0. 克隆项目

git clone https://gitee.com/amazingTest/Taisite-Platform.git

1. 自然语言模型部署

sudo -i
docker pull shaoyuyishiwo/bertserver
docker run --name autotest-platform-bertserver -d shaoyuyishiwo/bertserver 

2. Mongo 数据库部署 (若已有现成数据库可用则可跳过此步)

2.1 启动数据库 & 数据挂载至宿主机

sudo -i
docker pull mongo 
docker run --name autotest-platform-mongo -p 27017:27017 -v /data/db:/data/db -v /data/configdb:/data/configdb ``-d mongo

2.2 创建数据库帐号

docker exec -it autotest-platform-mongo /bin/bash
mongo
> use admin
switched to db admin
> db.createUser({user:"${USERNAME}",pwd:"${PASSWORD}",roles:["root"]})
Successfully added user: { "user" : "admin", "roles" : [ "root" ] }

2.3 数据库内存扩容(建议)

> db.adminCommand({setParameter:1, internalQueryExecMaxBlockingSortBytes:335544320})
{ "was" : 33554432, "ok" : 1 }

3. 环境变量配置

// 编辑 /etc/profile 文件
sudo -i
vi /etc/profile 

若出现警告则选择 (E)dit anyway (输入 E)

3.1 文本末端插入下列数据 (输入 i 则变为 insert 状态)

export AUTOTEST_PLATFORM_ENV=production
export AUTOTEST_PLATFORM_NLP_SERVER_HOST=${BERT_IPADRESS}
export AUTOTEST_PLATFORM_MONGO_HOST=${MONGO_HOST}
export AUTOTEST_PLATFORM_MONGO_PORT=${MONGO_PORT}
export AUTOTEST_PLATFORM_MONGO_USERNAME=${USERNAME}
export AUTOTEST_PLATFORM_MONGO_PASSWORD=${PASSWORD}
export AUTOTEST_PLATFORM_MONGO_DEFAULT_DBNAME=${DBNAME}

变量为动态值，部署者自行根据实际情况输入，DBNAME 值可任意自定义（数据库表名），其中 BERT_IPADRESS 和 MONGO_HOST 值可通过下列命令查询：

docker inspect autotest-platform-bertserver
docker inspect autotest-platform-mongo // 若使用了上面的步骤部署数据库

输出如下图所示：

3.2 插入完毕后点击 ESC 按钮、输入 :wq 后单击回车保存

3.3 执行下列命令后环境变量立即生效

source /etc/profile

4. 启动项目

//在项目根目录下执行部署文件

sh deploy ${PORT} 

其中 ${PORT} 变量填写项目访问端口即可，项目启动的同时也创建了管理员帐号密码，如下图所示：

5. 访问项目

浏览器访问部署服务器地址的 ${PORT}端口即可

EXTRA. 常见问题

下列输出代表 NLP模型 启动失败

解决步骤：

1.删除 ./backend/app/init.py 中的这段代码：

2.将 ./backend/testframe/interfaceTest/tester.py 中的下列代码修改成 pass：

完成后再启动项目时，就不会依赖于自然语言模型了~

V . 泰斯特平台使用教程

首先我们通过【登录页面】进入【平台首页】并且在【接口测试】下新建一个名为【测试项目】的项目:

然后进入【测试项目】并 新增一条 【测试用例】

接着进入【测试用例】并 新增一条 【接口测试用例】(笔者的想法是一条测试用例下可对多个接口进行测试):

好的这个时候我们进入【

修改】页面，填入接口测试用例信息并点击【保存】:

现在我们需要先去【Host配置】设置测试的host地址(选取当前本机的平台项目后端作为演示地址):

好的现在回到【测试列表】选取测试用例以及测试环境后点击【执行测试】:

这个时候页面会自动跳转至【自动化测试报告】页面，我们可以点击【查看详情】查看详细内容:

咦？ 怎么飘红了？，喔原来是协议选错了，本机并没有配置CA证书，并不支持HTTPS访问。

那么我们这个时候回到接口用例修改页面，将HTTPS换成

HTTP:

再一次进行测试，这个时候可以看到测试终于通过咯:

下面我们来演示一下【定时任务】功能，首先先新增一个定时任务:

新增完毕后，可自由 编辑/停用/启用 且 立即生效！:

过一段时间后，我们可以进入【自动化测试报告】查看定时任务是否正常工作,

在下方动图可以看到列表中新增了很多执行方式被标记为【定时执行】的测试报告:

有没有觉得测试都是全通过，一点意思都没有，好的那我们去修改一下用例的测试结果校验，让他成为永远都通过不了的测试用例:

过一段时间后我们回到【自动化测试报告】页面，发现多出了很多通过率为0%的测试报告:

同时，系统会向定时任务中设置的告警邮箱发送警告，相关人员收到告警邮件后，进入系统内搜索邮件中的报告编号，即可找到存在失败用例的测试报告:

至此，笔者目前构建的 "智能"测试平台 使用主流程就介绍完毕啦，后续将会分享其中一些小细节以及不断的进行功能迭代。

私信回复"Taisite-Platform"获取链接地址，喜欢的点个关注，一起学习探讨新技术。