- 1全国大学生数据统计与分析竞赛2021年【研究生组】-A题：硕士学位评价数据的统计与分析（附优秀论文和python代码实现）_研究生数据分析大赛
- 2Linux命令-cp_cp 多个文件
- 3fw150rm刷openwrt固件_N1刷openwrt固件至eMMC详细教程，非常适合小白！！！
- 4Apache Flink介绍、架构、原理以及实现
- 5Hive之MySQL安装与卸载_hive卸载
- 6深度学习系列12：目标检测模型
- 7【Unity】Transform、Rigidbody、CharacterController移动_transform、rigidbody、 character controller 组件
- 82023秋招nlp笔试题-太初_太初笔试
- 9毕设项目 大数据电商用户行为分析及可视化(源码+论文)_基于大数据分析的erp系统用户行为研究论文
- 10智能编程助手CodeGeeX使用评测_codegeex使用感受
腾讯外包凭借HTTP API 自动化测试从手工到平台，涨薪13k_由于频繁的重复,许多起初在我们看来重要的事情逐渐变得毫无价值的感悟_腾讯出的 自动化
赞
踩
先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7
深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年最新软件测试全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上软件测试知识点，真正体系化！
由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新
如果你需要这些资料，可以添加V获取：vip1024b （备注软件测试）
正文
在这个平台中，RobotFramework 主要用于后台执行 Robot 关键字脚本，而关键字脚本，是平台通过读取 YAML 文件生成，该文件是通过笛卡尔乘积产生的用例，工作原理如图所示：
(点击放大图像)
图 -3- 工作原理
那话说回来，YAML 干什么呢？为什么不是 XML 呢？
- YAML 的可读性好
- YAML 和脚本语言的交互性好
- YAML 使用实现语言的数据类型
- YAML 有一个一致的信息模型
- YAML 易于实现
听起来 YAML 试图用一种比 XML 更敏捷的方式，来完成 XML 所完成的任务。下面通过一段实际例子说明配置生成的 YAML 代码段：
主接口配置界面：
(点击放大图像)
图-4- 接口配置页面
设置API 参数：
(点击放大图像)
图 -5- 设置 API 参数
配置文件 byChannelsDaily.yaml（列举一个参数示例）：
复制代码
| - byChannelsDaily: #接口名称 | |
| method: get #与服务器交互的方法 | |
| format: json #API 数据格式 | |
| url: /reportdata/flux/byChannelsDaily #API 的 URL，与奇台配置文件里面的 host 变量组成整个 URL 的前半部分。 | |
| url_path: | |
| url_params: #URL 参数部分，固定写法。 | |
| username: #API 的参数名。 | |
| required: true #该参数是否必须（true/false）。 | |
| value: chinacache #该参数的值。如此值是从另一个接口获取的，可在 from_api 设置，此处可不填。如果值是 Boolean，必须加双引号。 | |
| type: string #该参数值的类型。 | |
| len: 10 #该参数值的长度。 | |
| max: -100 #该参数值的最大值。-100 相当于忽略此参数 | |
| min: -100 #该参数值的最小值。-100 相当于忽略此参数 | |
| from_api: #如参数的值是从另一个接口、global.yaml 中获取的，请设置 from_api，如 global | |
| jsonpath: #可通过 jsonpath 来指定取值范围，如 $.version[2:4] | |
| range: | |
| response: #期望结果 | |
| verification: | |
| success: [] #success 是一个 list, 它的元素也是 list，success[0] = [ RF 关键字 ，验证字段，正则匹配] | |
| failure: [] | |
| error_msg: [] #错误信息集合 |
测试报告：
(点击放大图像)
图-6-rf 测试报告
按照这个思路做下来，得到什么收益呢？
(点击放大图像)
说到这里，其实，真没有带来多少收益，思路对了，但是方向有偏差了，主要体现在：
- 使用了笛卡尔乘积来生成不同参数的测试用例，发现一堆的测试用例生成文件是 M 的单位，而且也给测试服务器带来性能问题，数量 4980 个中占 95% 的用例都是没有实际意义的，对服务器频繁请求造成压力；
(点击放大图像)
图 -7- 庞大的测试用例文件
- 通过 WEB 配置将 YAML 文件转为 robot 可以识别的，这种做法坑太深、维护难，参数越多， 文件越臃肿，可读性差；
- 后来尝试将笛卡尔乘积换成全对偶组合算法，效果改进显著，无效用例数明显下降，有效用例数显著提升；
败了，就是败了，没什么好找借口，关键问题是：
- 有效的测试用例占比例很低，无效的占了大部分；
- 没有化繁为简，前端隐藏了配置，复杂的配置还是需要在后端处理；
- 没有实际测试参与动脑过程，测试人员不会穷举，会根据业务编写实际用例；
- 平台易用性很重要：需要测试人员直接在上面编写，合理的逻辑步骤，有利于引导测试参与；
重构：发现测试的价值
回到起点，测试要解决什么问题，为什么要做 API 自动化测试平台？做这个平台，不是为了满足老板的提倡全民自动化的口号，也不是为了浮夸的 KPI，更不是宣传自动化可以解决一切问题，发现所有 bug。叔本华说过一句话：由于频繁地重复，许多起初在我们看来重要的事情逐渐变得毫无价值。如果 API 测试仅仅依靠纯手工的执行，很快将会面临瓶颈，因为每一个功能几乎都不能是第一次提交测试后就测试通过的，所以就需要反复 bug 修复、验证，以及回归的过程。另外，很多的 API 测试工作手工做起来非常的繁琐，甚至不便，比如针对接口协议的验证、针对返回数据格式的验证，这些都依赖于测试自动化的开展。因此，真正的目的是解放测试人员重复的手工生产力，加速回归测试效率，同时让研发人员在开发过程及早参与测试（自测、冒烟测试），驱动编码质量的提升。
回顾以往，重新梳理头绪，更加清晰的展现：
(点击放大图像)
图 -8-HTTP API 自动化测试图解
- HTTP API 传统手工测试
- 重复请求参数基础校验、正确参数查询返回数据校验，测试工程师没有新的创造价值，不断重复工作，甚至可能压缩其中的测试环节，勉强交付；
- HTTP API 自动化测试
- 重复步骤（请求接口是否有效、参数校验可以作为冒烟测试，研发参与自测）用自动化解决，关键业务步骤数据对比人工参与和 schema 自动化校验；
最大的收益，重复步骤自动化后，不管是研发人员自测，还是执行功能回归测试，成本可以很快收回（前提是你这个项目周期长，构建频繁；如果仅仅是跑几个月的项目，真没那个必要凑热闹去自动化，当然有平台的另当别论），测试的关注点会落实到更加关键的业务环节去；
总体规划如下：
(点击放大图像)
图 -9-HTTP API 重构规划
- 技术选型 由于原来的测试平台使用 Python 编写，为了保持风格一致，从界面录入到文件生成处理依然采用 Python、Django，去掉了全对偶组合算法，改为根据测试人员思维去产生用例；去掉了后台 RobotFramework 框架，采用 Python 的 HTTP 类库封装请求。
- HTTP API 项目管理 Web 前台 使用 Python+Django+MySQL 进行开发，分为项目首页、项目配置、API 配置、全局配置四大部分
(点击放大图像)
图 -10- 管理 Web
项目首页
介绍：列出 API 规范、API 测试用例、定时任务数量，以及某段时间内的测试结果趋势图形。
(点击放大图像)
图 -11- 项目首页
- 项目配置 重点介绍：全局变量、常用方法、验证器。
全局变量
设计思路：在 API 测试过程中，可以切换生产、测试环境进行对比校验，如果写两套测试用例是冗余，全局变量功能，是一种在执行测试用例时动态改变用例属性的方法。
作用范围：当前项目内
使用方法：{变量名}
能在以下测试用例属性中使用：URL、请求头、请求参数
(点击放大图像)
图 -12- 全局变量配置页
在 API 用例库的 URL 可以直接填写：{host}/reportdata/monitor/getChannelIDsByUserName；当运行测试用例的时候，可以选择不同的参数套件，后台代码执行会直接替换，这样子可以分别快速验证生产环境和测试环境的 API 接口执行结果的差异。
(点击放大图像)
图 -13- 用例执行页
常用方法
(点击放大图像)
图 -14- 常用方法列表页
√ 设计思路：常用方法是一个 Python 函数，对入参进行处理并且返回结果，例如：
gen_md5 作用是生成 MD5，对应代码直接填写：
复制代码
| import hashlib | |
| def gen_md5(raw_str): | |
| m = hashlib.md5() | |
| m.update(raw_str) | |
| md5_str = m.hexdigest() | |
| return md5_str |
√ 应用场景：
在 API 请求中，有些参数例如 pass 需要加密处理，可以通过引入 [常用方法] 来解决。
在参数 pass 的值中直接填写：
复制代码
| {{get_apipwd(“{123456}”,“ChinaCache”)}} | |
(点击放大图像)
图 -15- 接口配置页
验证器
(点击放大图像)
图-16- 验证器配置页
√ 设计思路
验证器是一个Python 函数，如果函数返回True，则测试通过；返回False，则测试失败。平台默认提供一个默认验证器。
默认验证器是验证期望结果与实际结果（response body）是否完全一致。如果结果不一致则判断为失败，默认验证器只适用于静态的响应结果对比。
自义定验证器，如果默认验证器不能满足某些特殊的测试需求，用户可以在“项目配置- 验证器”中添加自定义的验证器。
√ 应用场景：在API 测试的返回结果中，可以添加自定义验证器对数据进行校验，判断测试是否通过。
(点击放大图像)
图 -17- 测试用例验证展示页
- API 配置 重点介绍：通用响应配置、API 依赖库、API 用例库、定时任务、测试报告
通用响应配置
(点击放大图像)
图 -18- 通用响应配置列表页
√ 设计思路
在合理的 API 设计中，存在通用的错误响应码，[用户名错误，返回期望响应内容]，如果所有 API 的响应结果中都需要重复写是相当繁琐的，作为共同配置调用即可。
(点击放大图像)
√ 应用场景
查询接口遇到用户名密码为空，可以自定义写返回内容，以及选择 [通用响应配置] 下的相关错误类型，例如：用户名密码为空 (计费单元)，自动填充期望的返回值：
复制代码
| fail | |
| invalid userName or password | |
(点击放大图像)
图-19- 期望返回值校验页
API 依赖库
√ 设计思路 & 应用场景
API-A 的参数 r_id 依赖与 API-B 返回结果的某个参数（多个参数同样道理），这里登记 API-B，并且提取返回参数。除了特有的变量提取器，基本信息与请求，与后面提到的 API 接口一致的
填写方式 ：
(点击放大图像)
图 -20- 变量提取器展示页
该接口返回数据如下；
复制代码
| { | |
| “r_id”: “567bbc3f2b8a683f7e2e9436” | |
| } |
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注软件测试）
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
9.jpeg)
图 -20- 变量提取器展示页
该接口返回数据如下；
复制代码
| { | |
| “r_id”: “567bbc3f2b8a683f7e2e9436” | |
| } |
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注软件测试）
[外链图片转存中…(img-iHlG1iKe-1713239973638)]
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
