多设备并行运行Airtest脚本和聚合报告的生成

简介: 多设备并行运行Airtest脚本和聚合报告的生成

1. 前言



很多同学想知道如何实现多设备“并行”运行Airtest测试,然后生成聚合的测试报告。今天我们就介绍下在我们开源项目里提供的1个多设备并行的示例demo:multi-device-runner 。


2. multi-device-runner的介绍和运行效果



我们可以在这个地址下clone或者下载multi-device-runner的代码样例:github.com/AirtestProj…


网络异常,图片无法展示
|


按照给出的使用步骤,我们先来体验下这个demo的运行效果:


1)使用adb连接多台设备


以mumu模拟器和雷电模拟器为例,我们在终端使用 adb connect 命令分别连接上这2个模拟器:


网络异常,图片无法展示
|


同理再连接上雷电模拟器,之后我们可以用 adb devices 命令查看已经连好的2台设备:


网络异常,图片无法展示
|


2)安装 python3 环境以及 airtest pip install airtest


因这个demo里面的 .air 脚本只涉及了airtest语句,所以提示我们安装airtest库,如果我们需要运行的 .air 脚本里面还包含poco语句,我们还要把pocoui库安装上。


关于如何部署本地python环境,我们在官方教程文档有详细的描述:airtest.doc.io.netease.com/IDEdocs/3.4…


大致过程是,先在本地准备1个python3环境,目前我们最高兼容到3.9,不兼容3.10。

然后在这个python环境里,安装上我们脚本需要用到的自动化测试相关的库:


# 安装airtest框架
pip install airtest
# 安装poco框架
pip install pocoui
复制代码


如果安装过程出现超时的报错,可以更换国内源来解决:


pip install -i https://pypi.tuna.tsinghua.edu.cn/simple airtest
复制代码


3)clone 或者下载样例,打开项目目录,运行代码 python run.py


在这个地址上:github.com/AirtestProj… ,clone或者下载代码的压缩包之后。


我们可以解压,打开项目目录,用pycharm编辑器打开 run.py ,并且设置pycharm当前项目的解释器为刚才准备好的python环境。(当然直接在命令行使用 python run.py 运行也可以)


运行效果如下:


网络异常,图片无法展示
|


可以看到,运行结束之后,这个demo会自动帮我们生成聚合的测试报告,方便我们查看多机的运行概况,也可以非常方便地查看单一设备的详细运行报告:


网络异常,图片无法展示
|


4)多设备并行测试示意图


run.py 的脚本我们可以看到,它实现是的获取adb连接上的所有设备,然后在每一台设备上跑给定的测试用例,跑完之后生成单机的测试报告,最后再汇总这些单机测试报告的结果,形成汇总(聚合)报告:


网络异常,图片无法展示
|


3. 添加自己的脚本实现多设备并行运行



如果同学们想要在这个demo上跑自己的测试用例,也非常简单,直接修改 run.py 脚本最后的初始化数据,即可指定运行的测试用例:


网络异常,图片无法展示
|


不过需要注意的是,如果指定的测试用例包含poco语句,则我们还要修改 run.py 里面生成测试报告的部分,添加poco的报告插件:


网络异常,图片无法展示
|


不添加poco报告插件的话,poco语句在airtest报告的显示会出现一些异常。


4. 多机并行demo的其它问题



1)只能跑1个脚本吗?


是的,这个demo一次只能跑1个脚本。如果想要跑多个脚本,需要同学们自行修改代码实现。


2)只适用于安卓设备吗?


是的,这个demo仅适用于安卓设备的多机并行,不适合iOS的多机并行,如需要实现iOS的多机并行,也需要同学们自行编写脚本实现。


3)其它多机教程


更多多机教程可以参考我们的往期推文:


相关文章
|
文件存储 Docker 智能硬件
DIY nas之casaOS云系统&Home Assistant
CasaOS是一个基于Docker生态系统的开源家庭云系统,专为家庭场景而设计,它可以让您创建自己的云服务器
2427 1
|
Shell 测试技术
Airtest如何自动连接重启后的设备并继续执行自动化脚本呢?
Airtest如何自动连接重启后的设备并继续执行自动化脚本呢?
310 0
|
数据安全/隐私保护
|
消息中间件 存储 Kafka
Kafka日志处理:深入了解偏移量查找与切分文件
**摘要:** 本文介绍了如何在Kafka中查找偏移量为23的消息,涉及ConcurrentSkipListMap的查询、索引文件的二分查找及日志分段的物理位置搜索。还探讨了Kafka日志分段的切分策略,包括大小、时间、索引大小和偏移量达到特定阈值时的切分条件。理解这些对于优化Kafka的性能和管理日志至关重要。
445 2
|
数据采集 Java Python
优化数据的抓取规则:减少无效请求
本文详细介绍了一种高效抓取贝壳等二手房平台房价信息的方法,重点在于过滤无效链接和减少冗余请求。文章首先分析了目标数据和平台特点,然后提出了URL过滤、分页控制、动态设置User-Agent和Cookies、代理IP轮换及多线程优化等策略。最后,提供了一个结合代理IP技术的Python爬虫代码示例,展示了如何具体实现上述优化措施,从而显著提升数据抓取的稳定性和效率。
243 26
优化数据的抓取规则:减少无效请求
|
iOS开发
iOS16.1系统由于一个系统弹窗无法取消,导致屏幕卡死无法关机问题及解决方案
iOS16.1系统由于一个系统弹窗无法取消,导致屏幕卡死无法关机问题及解决方案
1562 0
oninput和onchange事件有什么区别?
oninput和onchange事件有什么区别? 最新推荐文章于 2024-08-14 15:45:18 发布
267 0
|
Docker 容器
docker 设置国内镜像源
docker 设置国内镜像源
86343 1
|
存储 负载均衡 监控
Redis分区指南:如何实现高可用与扩展性
本文由技术小伙伴小米讲解Redis分区容错中的数据分区。内容涉及Hash、一致性Hash、Codis的Hash槽和RedisCluster四种方法。Hash简单但不稳定,数据迁移和分区不均衡是其主要问题;一致性Hash通过最小化数据迁移实现负载均衡,但仍有局限;Codis的Hash槽提供灵活的负载均衡和在线迁移;RedisCluster是官方高可用、可扩展的解决方案。每种方案有优缺点,需根据实际需求选择。
738 0
Redis分区指南:如何实现高可用与扩展性
|
监控 Python
python对于守护进程join , 以及daemon 的使用条件
python对于守护进程join , 以及daemon 的使用条件