【转】ApiTestEngine 演进之路 开发未动，测试先行
本帖最后由 乐哈哈yoyo 于 2017-7-11 15:39 编辑如何从第一行代码开始，逐步实现接口自动化测试框架的核心功能特性的。
相信大家都有听说过TDD（测试驱动开发）这种开发模式，虽然网络上对该种开发模式存在异议，但我个人是非常推荐使用该种开发方式的。关于TDD的优势，我就不在此赘述了，我就只说下自己受益最深的两个方面。
[*]测试驱动，其实也是需求驱动。在开发正式代码之前，可以先将需求转换为单元测试用例，然后再逐步实现正式代码，直至将所有单元测试用例跑通。这可以帮助我们总是聚焦在要实现的功能特性上，避免跑偏。特别是像我们做测试开发的，通常没有需求文档和设计文档，如果没有清晰的思路，很可能做着做着就不知道自己做到哪儿了。
[*]高覆盖率的单元测试代码，对项目质量有充足的信心。因为是先写测试再写实现，所以正常情况下，所有的功能特性都应该能被单元测试覆盖到。再结合持续集成的手段，我们可以轻松保证每个版本都是高质量并且可用的。
所以，ApiTestEngine项目也将采用TDD的开发模式。本篇文章就重点介绍下采用TDD之前需要做的一些准备工作。
搭建API接口服务（Mock Server）接口测试框架要运行起来，必然需要有可用的API接口服务。因此，在开始构建我们的接口测试框架之前，最好先搭建一套简单的API接口服务，也就是Mock Server，然后我们在采用TDD开发模式的时候，就可以随时随地将框架代码跑起来，开发效率也会大幅提升。为什么不直接采用已有的业务系统API接口服务呢？这是因为通常业务系统的接口比较复杂，并且耦合了许多业务逻辑，甚至还可能涉及到和其它业务系统的交互，搭建或维护一套测试环境的成本可能会非常高。另一方面，接口测试框架需要具有一定的通用性，其功能特性很难在一个特定的业务系统中找到所有合适的接口。就拿最简单的接口请求方法来说，测试框架需要支持GET/POST/HEAD/PUT/DELETE方法，但是可能在我们已有的业务系统中只有GET/POST接口。自行搭建API接口服务的另一个好处在于，我们可以随时调整接口的实现方式，来满足接口测试框架特定的功能特性，从而使我们总是能将注意力集中在测试框架本身。比较好的做法是，先搭建最简单的接口服务，在此基础上将接口测试框架搭建起来，实现最基本的功能；后面在实现框架的高级功能特性时，我们再对该接口服务进行拓展升级，例如增加签名校验机制等，来适配测试框架的高级功能特性。幸运的是，使用Python搭建API接口服务十分简单，特别是在结合使用Flask框架的情况下。
例如，我们想实现一套可以对用户账号进行增删改查（CRUD）功能的接口服务，用户账号的存储结构大致如下：users_dict = { 'uid1': { 'name': 'name1', 'password': 'pwd1' }, 'uid2': { 'name': 'name2', 'password': 'pwd2' }}那么，新增（Create）和更新（Update）功能的接口就可以通过如下方式实现。import jsonfrom flask import Flaskfrom flask import request, make_responseapp = Flask(__name__)users_dict = {}@app.route('/api/users/<int:uid>', methods=['POST'])def create_user(uid): user = request.get_json() if uid not in users_dict: result = { 'success': True, 'msg': "user created successfully." } status_code = 201 users_dict = user else: result = { 'success': False, 'msg': "user already existed." } status_code = 500 response = make_response(json.dumps(result), status_code) response.headers["Content-Type"] = "application/json" return response@app.route('/api/users/<int:uid>', methods=['PUT'])def update_user(uid): user = users_dict.get(uid, {}) if user: user = request.get_json() success = True status_code = 200 else: success = False status_code = 404 result = { 'success': success, 'data': user } response = make_response(json.dumps(result), status_code) response.headers["Content-Type"] = "application/json" return response限于篇幅，其它类型的接口实现就不在此赘述，完整的接口实现可以参考项目源码。接口服务就绪后，按照Flask官方文档，可以通过如下方式进行启动：$ export FLASK_APP=test/api_server.py$ flask run * Serving Flask app "test.api_server" * Running on(PressCTRL+C to quit)启动后，我们就可以通过请求接口来调用已经实现的接口功能了。例如，先创建一个用户，然后查看所有用户的信息，在Python终端中的调用方式如下：$ pythonPython 3.6.0 (default, Mar 24 2017, 16:58:25)>>> import requests>>> requests.post('http://127.0.0.1:5000/api/users/1000', json={'name': 'user1', 'password': '123456'})<Response >>>> resp = requests.get('http://127.0.0.1:5000/api/users')>>> resp.contentb'{"success": true, "count": 1, "items": [{"name": "user1", "password": "123456"}]}'>>>通过接口请求结果可见，接口服务运行正常。
在单元测试用例中使用 Mock ServerAPI接口服务（Mock Server）已经有了，但是如果每次运行单元测试时都要先在外部手工启动API接口服务的话，做法实在是不够优雅。推荐的做法是，制作一个ApiServerUnittest基类，在其中添加setUpClass类方法，用于启动API接口服务（Mock Server）；添加tearDownClass类方法，用于停止API接口服务。由于setUpClass会在单元测试用例集初始化的时候执行一次，所以可以保证单元测试用例在运行的时候API服务处于可用状态；而tearDownClass会在单元测试用例集执行完毕后运行一次，停止API接口服务，从而避免对下一次启动产生影响。# test/base.pyimport multiprocessingimport timeimport unittestfrom . import api_serverclass ApiServerUnittest(unittest.TestCase): """ Test case class that sets up an HTTP server which can be used within the tests """ @classmethod def setUpClass(cls): cls.api_server_process = multiprocessing.Process( target=api_server.app.run ) cls.api_server_process.start() time.sleep(0.1) @classmethod def tearDownClass(cls): cls.api_server_process.terminate()这里采用的是多进程的方式（multiprocessing），所以我们的单元测试用例可以和API接口服务（Mock Server）同时运行。除了多进程的方式，我看到locust项目采用的是gevent.pywsgi.WSGIServer的方式，不过由于在gevent中要实现异步需要先monkey.patch_all()，感觉比较麻烦，而且还需要引入gevent这么一个第三方依赖库，所以还是决定采用multiprocessing的方式了。至于为什么没有选择多线程模型（threading），是因为线程至不支持显式终止的（terminate），要实现终止服务会比使用multiprocessing更为复杂。不过需要注意的是，由于启动Server存在一定的耗时，因此在启动完毕后必须要等待一段时间（本例中0.1秒就足够了），否则在执行单元测试用例时，调用的API接口可能还处于不可用状态。ApiServerUnittest基类就绪后，对于需要用到Mock Server的单元测试用例集，只需要继承ApiServerUnittest即可；其它的写法跟普通的单元测试完全一致。例如，下例包含一个单元测试用例，测试“创建一个用户，该用户之前不存在”的场景。# test/test_apiserver.pyimport requestsfrom .base import ApiServerUnittestclass TestApiServer(ApiServerUnittest): def setUp(self): super(TestApiServer, self).setUp() self.host = "http://127.0.0.1:5000" self.api_client = requests.Session() self.clear_users() def tearDown(self): super(TestApiServer, self).tearDown() def test_create_user_not_existed(self): self.clear_users() url = "%s/api/users/%d" % (self.host, 1000) data = { "name": "user1", "password": "123456" } resp = self.api_client.post(url, json=data) self.assertEqual(201, resp.status_code) self.assertEqual(True, resp.json()["success"])为项目添加持续集成构建检查（Travis CI）当我们的项目具有单元测试之后，我们就可以为项目添加持续集成构建检查，从而在每次提交代码至GitHub时都运行测试，确保我们每次提交的代码都是可正常部署及运行的。要实现这个功能，推荐使用Travis CI提供的服务，该服务对于GitHub公有仓库是免费的。要完成配置，操作也很简单，基本上只有三步：
[*]在Travis CI使用GitHub账号授权登录；
[*]在Travis CI的个人profile页面开启需要持续集成的项目；
[*]在Github项目的根目录下添加.travis.yml配置文件。
大多数情况下，.travis.yml配置文件可以很简单，例如ApiTestEngine的配置就只有如下几行：sudo: falselanguage: pythonpython:- 2.7- 3.3- 3.4- 3.5- 3.6install:- pip install -r requirements.txtscript:- python -m unittest discover具体含义不用解释也可以很容易看懂，其中install中包含我们项目的依赖库安装命令，script中包含执行构建测试的命令。配置完毕后，后续每次提交代码时，GitHub就会调用Travis CI实现构建检查；并且更赞的在于，构建检查可以同时在多个指定的Python版本环境中进行。下图是某次提交代码时的构建结果。另外，我们还可以在GitHub项目的README.md中添加一个Status Image，实时显示项目的构建状态，就像下图显示的样子。配置方式也是很简单，只需要先在Travis CI中获取到项目Status Image的URL地址，然后添加到README.md即可。写在后面通过本文中的工作，我们就对项目搭建好了测试框架，并实现了持续集成构建检查机制。 :victory:
页:
[1]
