优化自动化测试流程，使用 flask 开发一个 toy jenkins工具

vlambda
2021-03-19

优化自动化测试流程，使用 flask 开发一个 toy jenkins工具

1、自动化

某一天你入职了一家高大上的科技公司，开心的做着软件测试的工作，每天点点点，下班就走，晚上陪女朋友玩王者，生活很惬意。

但是美好时光一般不长，这种生活很快被女主管打破。为了提升公司测试效率，公司决定引入自动化流程，你在网上搜了一套技术方案 python + selenium，迅速写了一套自动化测试的脚本。

from selenium import webdriver
def test_selenium():
 driver = webdriver.Firefox()
 driver.get("http://www.baidu.com")
 ...
 driver.quit()
...

编写脚本的日子很累，你需要每天加班，而且没有加班工资。虽然如此，你也没有太多怨言，因为你能明显感觉到自己一点点掌握了自动化测试的流程，正在踏入职业发展的新阶段。这套脚本很快用于公司的主流程测试，也会在回归测试中使用。

因为大量的重复劳动都可以用这套自动化测试脚本代替，于是你又有时间陪女朋友了，上班也可以偶尔划水了，也可以时不时瞄一瞄自己的基金有没有涨。

当然，美好时光一般不长。在一次大改版中，前端页面发生了大量变化，你的自动化测试代码因为没有做抽象封装，基本已经不能用了。

又可以加班了，生活又可以充实起来了。你动用了一些像 PageObject 的模式对代码进行了重新设计，也加入了关键字驱动，尽量让测试逻辑变成可配置的。设计完成以后，当前端页面变化时，只需要重点维护关键字表格。

你又为公司做了一些贡献，你已经完全胜任自动化测试的工作，甚至能够带一两个小弟。他们时不时找你问一些问题，但是对于自动化的维护工作还是要靠你自己，当你请假时，这些工作只能停滞。于是公司希望你做一些改进，让功能测试人员也可以运行这些自动化测试。

2、开始测试平台

你看到网上有很多人提到测试平台，想着自己也可以做一个可视化平台，这样功能测试人员也可以通过在界面上进行简单的设置，就可以使用底层的自动化代码了。很快 flask 出现在你的视线中，你做的第一个功能就是实现类似于 jenkins 的构建功能。

首先，你搭建了一个 flask 服务，服务启动后，你能顺利访问 5000 端口。

from flask import Flask
app = Flask(__name__)
app.run(port=5000)

@app.route('/')
def index():
 "show all projects in workspace dir"
 workspace = pathlib.Path(app.root_path) / 'workspace'
 projects = [project.name for project in workspace.iterdir()]
 return render_template('index.html', projects=projects)

上面的代码就是模仿 jenkins，把自动化测试的脚本放在项目的 workspace 目录下，当访问 / 根路径时，index 函数就会被调用。index 函数的作用就是列举 workspace 目录下的所有项目名，通过 return 展示在前端界面。具体的前端代码如下：

<h2>展示所有的项目</h2>
{% for p in projects %}
 <div>
 {{ p }} 
 <a href="/build?project={{p}}">构建</a>
 </div>
{% endfor %}

在页面上点击构建，程序会跳转到 flask 设置好的 /build 这个 url 中，这个路由负责运行自动化测试的代码，他会接收用户传过来的 project 参数，找到在 workspace 目录下的项目，再执行自动化测试指令（这里统一用 pytest 指令）。

@app.route("/build", methods=['get', 'post'])
def build():
 project_name = request.args.get('project')
 pytest.main([f'workspace/{project_name}'])
 return "build success"

到目前为止，完整的流程是这样的：首先，在平台首页会展示所有可以构建的项目，这些项目其实就是把 workspace 子目录当中的目录名列举出来；然后，点击项目旁边的构建按钮，跳转到 /build，根据项目名称执行自动化指令，等待自动化任务执行完成，返回 build success。

3、优化

你基本上已经实现了功能，现在功能测试人员可以通过你搭建的简易平台执行自动化命令。但是这个平台还存在一些问题：第一、没有收集到构建信息，无法查看测试之后的结果；第二、用户必须等待自行测试脚本执行完成，才能返回前端具体的结果，如果自动化测试的执行时间很长，用户会一直停在这个页面，无法做其他事情。

你想到了并发编程，创建一个子进程单独去运行自动化测试脚本，因为子进程可以和主进程独立，所以不需要等待子进程执行完成，主进程就可以立即给前端返回结果。于是你重新编写了 build 函数：

@app.route("/build")
def build():
 id = uuid.uuid4().hex
 project_name = request.args.get('project')
 with open(id, mode='w', encoding='utf-8') as f:
 subprocess.Popen(
 ['pytest', f'workspace/{project_name}'],
 stdout=f
 )
 return redirect(f'/build-history/{id}')

1、首先，通过 uuid 生成一个 id 号来表示这一次构建任务，之后可以通过这个 id 号查看此次构建的记录；

2、通过 subprocess 创建子进程运行自动化任务，把输出结果保存到文件当中，文件名就是生成的 id 号，之后想查看构建的结果时，只需要读取这个文件当中的内容；

3、只要子进程创建成功，马上通过 redirect 重定向到查看结果的 url，此时并不需要等到子进程执行完就可以查看构建结果。

查看构建结果只需要通过 id 读取文件中的内容返回。

@app.route("/build-history/<id>")
def build_history(id):
 with open(id, encoding='utf-8') as f:
 data = f.read()
 return data

4、生成器

上面读取文件的代码有点问题。当构建重定向到 /build-histrory 后，此时自动化测试脚本才刚刚执行，读取文件中的内容是空的。只有当测试脚本运行，产生越来越多的运行记录，文件中才会出现更多的内容，你必须手动刷新页面才能获取这些新内容。当自动化任务执行时间很长的时候，你需要不停的刷新 /build-history 页面才能获取最新的构建信息。直到子进程结束，不再有新的内容被写入文件。

为了动态获取文件数据，你使用了生成器惰性获取数据，在 /build-history 的页面加载过程中，只要运行自动化任务的子进程还在运行，就不停的读取文件内容，将它们动态的返回给前端页面。

为了判断子进程的状态，在 /build 的时候，把子进程的 pid 传给 /build-history。

@app.route("/build", methods=['get', 'post'])
def build():
 id = uuid.uuid4().hex
 project_name = request.args.get('project')
 with open(id, mode='w', encoding='utf-8') as f:
 proc = subprocess.Popen(
 ['pytest', f'workspace/{project_name}'],
 stdout=f
 )
 return redirect(f'/build-history/{id}?pid={proc.pid}')

在查看结果时，先编写一个生成器 stream, 每次读取文件中 100 长度的数据，直到进程运行结束。除了通过构建后的重定向，你也可以手动输入 id，查看历史构建记录。此时只需传 id, 不需要传进程名，直接读取文件中的数据。就算文件特别大，也可以通过批量加载，不至于因为同时读取大量数据给服务器造成压力。

import psutil
@app.route("/build-history/<id>")
def build_history(id):
 pid = request.args.get('pid', None)
 def stream():
 f = open(id, encoding='utf-8')
 if not pid:
 while True:
 data = f.read(100)
 if not data:
 break
 yield data
 else:
 try:
 proc = psutil.Process(pid=int(pid))
 except:
 return 'no such pid'
 else:
 while proc.is_running():
 data = f.read(100)
 yield data
 return Response(stream())