测试平台系列(67) 玩转数据驱动

简介: 玩转数据驱动

大家好~我是米洛


我在从0到1打造一个开源平台, 也在编写一套完整的接口测试平台系列教程,希望大家能够多多支持。

上节回顾


上一节我们稍微撩了一下数据驱动,就马上去写基础Model了,这节我们就来仔细探讨下数据驱动的实现想法

先简单介绍一下数据驱动的概念,这里笔者找到了维基百科关于数据驱动的定义。

23.jpg

image

简单阐述一下就是三个特点:

  1. 将变化的东西和测试逻辑分离

什么意思呢?我们比如在测试用户登录的接口,会制造各种各样的输入条件,这些体现到测试数据上的变化就是用户名/密码的变化,我们需要把测试逻辑(校验是否能够登录成功)和测试数据(诸多账号密码)分开。

  1. 根据测试数据的不同执行不同的测试逻辑

通过不同的数据,去完成多组测试数据的测试。

以上面的例子来看,我们抽离用户登录数据和具体的输出(登录结果)的校验,数据越多,这样测试覆盖的场景就会越多,即覆盖率会得到提升。但对我们来说,仅仅只是多凑一些数据而已。

Pity打算怎么做

pity本来还不想做这块功能,但由于环境各方面的关系,导致不得不提前准备好各个环境的测试数据,一来二去就不得已而为之了。

pity引入数据驱动也只是一个抛砖引玉的过程,只是支持用例多数据化,用相同的测试逻辑进行测试。

所以简单的讲,笔者只打算让用例支持多组数据,并根据多组数据去运行用例。

编写测试数据表的相关接口


编写测试数据表单

24.jpg

app/models/schema/testcase_data.py

表单接受case_id,name,json_data等参数,目前来看的话我们支持的数据都是以JSON为主,如果后续有文件等内容,我们可以接受文件的url地址进行测试。如果是form的内容,json也可以转换为KEY-VALUE的形式。

所以核心就是: json_dataname,这2块属于一组测试数据,name只是让不同的测试数据有一个标识

编写增改方法


25.jpg

app/dao/test_case/TestcaseDataDao.py

编写新增和修改方法,逻辑基本一致。

新增操作:

  1. 查找对应的数据,有则抛出数据已存在的异常(为了避免重复数据,双重防护,代码层+数据库唯一索引)
  2. 如果没有则直接插入
  3. 返回新插入的数据,避免二次查询数据列表

修改操作:

  1. 查找对应的数据,无则抛出数据不存在的异常(这样是为了防止数据已经被删除,而用户仍然在修改的情况)
  2. 如果有这条数据则更新之
  3. 返回修改后的数据

编写查询方法


查询方法我们打算编写2个核心方法:

  • 通过case_id查询测试数据
    这个方法是给页面查询这个case在不同的环境下的所有测试数据用的。
  • 通过环境查询测试数据
    这个是给用例执行时,快速拿到用例对应环境下的测试数据用的。
    举个例子,我这时候在测试一个接口,如果以数据驱动的方式,我得快速找到这个接口对应的csv或者json文件,找到了以后还是会转换为Python数组,所以我们大概是这样的过程。

26.jpg

可以看到,二者的区别只是查询条件不同,前者未传入env,后者传入了env

前者返回了一个下图这样的测试数据,后者返回的是对应环境的测试数据列表。


{"fat": [{"data": "测试数据1"}]}

编写删除方法


27.jpg

删除方法很简单,我们只需要把数据的deleted_at改为当前时间戳即可

编写接口


28.jpg

这边只有增删改的接口

查询接口我们把它放入查询用例接口里面:

29.jpg

因为用例是一个整体,我们需要对整体进行数据返回,故没有开放专门的查询接口,后续有需要我们可以再放开

前端改动


30.jpg

image

前端的改动比较简单,即在用例tab页加入数据管理功能,并在最左侧加上环境tab(根据自己配置的环境),右侧则为对应的测试数据表格

31.jpg

image

关于数据驱动的增删改查编写就到此结束了,由于数据驱动有一些改造,所以下期我们会讲如何适配数据驱动的影响。



相关文章
|
13天前
|
测试技术 API C#
C#使用Bogus生成测试数据
C#使用Bogus生成测试数据
21 1
|
14天前
|
Kubernetes 测试技术 Perl
混沌测试平台 Chaos Mesh
混沌测试平台 Chaos Mesh
34 1
|
1月前
|
传感器 数据采集 监控
LabVIEW电池管理系统测试平台
LabVIEW电池管理系统测试平台
28 4
|
6天前
|
运维 Kubernetes 监控
|
11天前
|
关系型数据库 MySQL Python
[python]使用faker库生成测试数据
[python]使用faker库生成测试数据
|
2月前
|
数据采集 DataWorks 安全
DataWorks产品使用合集之选择独享调度,数据集成里可以使用,但是数据地图里面测试无法通过,是什么原因导致的
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
29 0
DataWorks产品使用合集之选择独享调度,数据集成里可以使用,但是数据地图里面测试无法通过,是什么原因导致的
|
1月前
|
机器学习/深度学习 运维 算法
Doping:使用精心设计的合成数据测试和评估异常检测器的技术
在这篇文章中,我们将探讨测试和评估异常检测器的问题(这是一个众所周知的难题),并提出了一种解决方案被称为“Doping”方法。使用Doping方法,真实数据行会被(通常是)随机修改,修改的方式是确保它们在某些方面可能成为异常值,这时应该被异常检测器检测到。然后通过评估检测器检测Doping记录的效果来评估这些检测器。
24 0
|
2月前
|
存储 测试技术
【工作实践(多线程)】十个线程任务生成720w测试数据对系统进行性能测试
【工作实践(多线程)】十个线程任务生成720w测试数据对系统进行性能测试
37 0
【工作实践(多线程)】十个线程任务生成720w测试数据对系统进行性能测试
|
2月前
|
存储 测试技术 Python
记一次线上安全测试中误用父类属性导致数据污染的解决方案
在线上安全测试的过程中,会使用 Nmap 进行端口扫描,为了提升端口扫描的效率,扫描策略通常是检测常用端口是否处于开放状态,并在父类中使用名为 all_open_ports 的属性来记录这些开放的端口。 在后续的测试过程中,需要检查所涉及的端口是否包含在 all_open_ports 中。如果不存在,就需要进一步对这些端口进行开放检测。如果端口的检测结果是开放的,测试将继续进行并将这些端口记录到 all_open_ports 中,以便在下次遇到相同端口时无需重复检测。 然而,由于安全测试是多线程进行的,某些情况下可以将 all_open_ports 理解为共享变量,这导致当两个不同的测试环境同
|
1月前
|
JSON 数据格式
Navicate数据报错之Bad Request,发送端口测试的时候,使用JSON字符串,而不是Text
Navicate数据报错之Bad Request,发送端口测试的时候,使用JSON字符串,而不是Text

热门文章

最新文章