文章整理自TiD2020质量竞争力大会

彭湃 Peter Peng（ITEA technologies Inc 研发总监）

《面向智能时代的开放式集成测试框架标准化、服务化，共建测试生态》演讲

 

TiD2020质量竞争力大会邀请了ITEA technologies Inc 研发总监彭湃 Peter Peng为参会者带来《面向智能时代的开放式集成测试框架标准化、服务化，共建测试生态》精彩演讲。

彭湃 Peter Peng从业界技术趋势，测试面临的挑战与机遇，测试演进的思考，开放测试框架，共建共营测试生态四个方面，为我们讲述智能时代的开放式集成测试框架标准化、服务化的测试生态构建。

在5G、物联网、大数据、AI、SDx时代，任何团队、公司都不再是单兵作战，产品、服务、软硬件的集成与被集成无处不在。那么如何更快、更好、更省、更安全、更可信地完成产品集成交付与评估迫在眉睫。此次演讲，彭湃结合在业界公司实践和国际标准组织合作的案例，对如下方面进行分析：

1、 测试API标准化：不同团队、公司可能采用不同的技术栈和测试技术，如何通过测试API标准化实现测试同源与协同，更快、更安全完成测试交付。

2、 测试设计标准化：相关测试用例集可能在不同团队、不同时间采用不同数据和环境组合进行测试，如何通过测试设计标准化实现高效测试复用，更好完成测试覆盖。

3、云化资源动态调度：测试环境与资源是有限的，如何实现高效测试环境与资源复用和测试极限并行化，更低成本实现测试交付。

4、测试数据可追溯性：如何跟踪测试过程中通过被测产品、工具、平台的数据，形成高效测试知识图谱，实现产品需求、设计的可追溯性，实现产品可信。

业界技术趋势

近期业界测试技术的演进缘由，主要是在以下几个方面：

1、研发模式的转变：Agile的模式，需要开发、测试人员在前期能高效、自动化的将Unit、组件、CI、功能测试及时完成；DevOps 的模式是 Agile + CD + 。还有很多新的模式不断产生。

2、云化服务的Ready：运行快速频繁的部署，低成本恢复，实时的用户分析和验证，促使参与测试活动的人群由原来测试人员，加上开发人员、用户，提升了测试效率和快速响应能力。测试能力也需要适应这种趋势，测试工程方法和测试工具需要适配。

3、微服务架构的成熟应用：设计理念从单体服务向微服务转变，加速与缩短了软件开发与交付周期，相对的，测试亦需要有跟得上节奏的测试方法、工具以达成目标。亚马逊和Netflix等公司已经成功实践。

4、组织变革的需求：开发者的职责向端到端的产品质量交付转变，开发者需要高效的Unit、组件、功能测试、CI/CD能力与环境。

5、数据驱动的智能化工具：开发和应用更多的工具来协助和替代人力投入，从而降低端到端的交付周期。

 

除此之外，业界的一些测试实践给我们带来了新的方向，主要是云化，服务化，自动化，数据化，智能化，精兵文化的相关研究。

其中，VSTS通过集成Bing代码搜索、微软工作流、标准的Azure云服务、定制的SaaS和智能化的编码工具、收购API、GitHub极大丰富了智能化开发环境，提供了一个很好的端到端的DevOps工具集成解决方案。

  

 

在云化服务的转变过程中，业界测试工程还是存在一些短板的。主要是缺少一个端到端的自适应平台，开发测试不理想，缺陷定位/定界/修复缺乏有效的手段，多厂商集成生态系统不完备。此次演讲，彭湃老师主要是针对多厂商集成生态系统进行分析阐述。

 

测试面临的挑战与机遇

1. 测试环境越来越复杂、组合越来越多

目前，云化技术越来越普遍。公有云、私有云、混合云不断出现新的技术，组网灵活多变，分布式成为常态。物理机、虚拟机、容器Docker、Kubernetes，形态众多。物联网IoT实现万物互联、软硬结合。5G时代，传统CT向IT迁移，组网复杂。

那么在CT向IT的迁移和云环境的应用和演变过程中，相同的测试用例需要在不同的环境、配置进行验证。版本演进加速等导致相同的测试用例需要大量不同数据组合的验证。软件交付周期缩短，对测试执行效率要求急剧提升。网络开放性决定了上下游软硬件集成成为常态，需要测试设计的共享、测试执行的协同、测试结果的可信。万物互联、软硬结合、云化使得被测系统、软硬件分布式、异地部署、测试驱动也不拘泥于单一软件、系统的应用，多厂商系统集成测试挑战越来越高。云平台、服务化使得系统可靠性、韧性大幅提高，但是单个软件和服务可能存在的问题会被隐藏，最终导致复杂问题难以定位、规避和解决，测试相关数据的采集、监控与分析逐步成为新的技术热点。组网灵活导致对环境资源要求多、交付周期长，如何高效复用环境与资源、极速执行成为新的挑战。

2. Cloud Native开发模式带来机遇和挑战

在Cloud Native云原生开发模式下，微服务、DevOps、持续交付、容器化，对测试都是有一定要求的。微服务集成验证对测试用例的复用提出更高要求。我们需要对不同的数据，不同的环境，进行更多的组合。

DevOPS在持续集成、持续部署（蓝绿部署Blue-green Deployments、金丝雀发布Canary Releases）的模式下，测试自动化的覆盖与质量成为产品成功的关键。环境、产品、测试数据的关联性分析对发布决策与质量起关键性作用。

产品频繁发布、快速交付，对测试执行效率要求更上一层楼。

容器化，特别是在K8S的动态可配的资源请求与限制，使得性能测试更加复杂。静态负载测试不再满足要求，我们更多的需要智能化性能测试与调优。

3. 单个语言、工具独打天下的时代不复存在

测试语言，开发语言层出不穷。新的不同的测试工具也越来越多。TCL、TTCN3等测试语言10多年前在通信行业的如日中天，到现在的弃之如敝履。如何能够将历史的测试资产和能力保持更久的生命力？开源工具日新月异，如何能够将异构技术无缝拉通而不是依赖于单一的工具？很多工具有自己的语言、技术栈，如何高效集成应用？这将都给我们带来很大的挑战。

测试演进的思考

1. 云、大数据、微服务、AI赋予测试架构新生命

云、大数据、微服务、智能化给我们测试带来了很多的挑战。但同时也给测试带来了新的思想，赋予测试架构新生命。

用微服务的思想来重构测试系统。在微服务的架构下，可以将测试API契约化，定义API接口契约。测试工具、能力服务化，可以解耦工具能力技术栈与测试系统，异构、分布式、云化动态部署。测试设计标准化，以API契约为基准，与环境、数据解耦但高效复用。

用云架构的理念来调度环境资源。对测试资源模型化管理包括测试资源、环境建模。对测试环境动态构建，按照需要从分层管理的资源池动态构建测试环境并分配，避免测试资源浪费。测试资源按需分配和释放，充分二次利用分配环境，动态匹配资源。测试执行能力横向弹性扩容，根据测试执行策略和资源池能力，极速并行化测试执行。

用大数据的能力来管理知识图谱。我们可以对数据进行归一化管理，定义数据元属性、数据关联性标准。我们可以通过SUT/AUT、工具、基础设施数据与日志采集、清晰与标准化规整数据的ETL。通过数据与数据关联性构建测试/研发知识图谱。

用人工智能来持续优化测试演进。基于历史测试设计与执行数据知识图谱的学习，有效反馈和调整测试计划、设计、执行与分析。

2. 测试理念规范化

我们希望把测试的理念进行规范化。上图的实践中，测试语言ITEL获得国际标准组织ETSI推荐。该实践当时定义了测试的一些理念，包括：

• 测试用例由测试执行流和抽象资源构成，引用非资源类数据模型。测试环境、资源和数据本身是解耦的，可以做到有效的结合。

• 测试执行流调用高层函数及测试API，测试设计与实现解耦，测试复用。 

• 资源实例从测试环境动态分配，并动态映射到抽象资源实现环境解耦，动态复用，高效调度。 

• 测试套定义测试用例与环境、数据、测试调度要求，降低环境成本，极速测试并行化。

• 性能测试可复用测试设计，丰富测试场景，逼近真实应用。

  

3. 测试语言ITEL是测试标准框架的基石

 

上图左边是ETSI GR NFV-TST 011中ITEL完整概念模型。右边是ITEL在python的一个实现。我们要说的ITEL并不是具体规定的某一种语法，而是定义的抽象的语意。我们可以用不同的语言实现语意。现在用python来实现。上图右边展示的是一个简单的用例结构：

•  @testcase提供用例必备和可扩展的属性描述，用于用例标识，并支撑在测试套检索、测试分析中关键字查询等。 

• @resource申明需要的测试资源，如手机等。具体的资源信息（如手机的品牌）是不需要关注的，可以在测试执行过程中动态调度，与具体资源和环境解耦。

• @procedure部分描述测试过程。用来描述用什么测试资源调用什么样API。用户不用关注工具在哪里。数据采集由测试服务提供。我们可以通过标准化，通过测试用例，快速反向生成文本式的测试用例，可以做很多的测试用例的生成。

• DS关键字是数据服务的引用。与数据实例是分离解耦。测试套可完成测试数据与测试用例的组合。

分布式测试架构API获得标准组织TM Forum高度认可。我们在测试设计与执行的管理中，做到测试资源、API、用例、数据、高层函数等标准化管理；测试设计语言与测试资源实现解耦，不同技术栈工具能力复用；定义测试用例的概念语义模型，与用例语言载体解耦，使BYOL成为现实；多形态的用例设计IDE给不同层次用户和不同场景应用带来便利。

4. 资源动态分配与测试极速并行化

 

对于测试环境的管理，我们希望通过分层的动态的环境分配实现资源的最大化利用。可以通过多数据中心的模式来管理资源。通过对环境的描述可以动态构建测试环境。在测试活动中，我们向资源管理系申请需要的环境。它就会动态地从数据中心里分配我们需要的资源，构建我们需要的环境。

环境可以分层来管理，通过动态资源管理，将大池子里面的资源筛选出需要的资源给下一层小池子来使用，具体需要将资源分层，几层由业务团队和资源情况来决定。比如说，我们将全部资源定位为第一层，分配给这个团队的资源为第二层，测试用例集需要的测试环境为第三层，每层任务结束后自动释放给上一层。同时，通过对资源使用的监控，可以将更加合理自动智能调正。在测试执行的过程中，执行器分析用例里面的状态机还有资源，向动态构建好的环境（第三层）申请需要的所需资源，形成进一步共享，用例执行完成后自动释放回资源池。这样就可以高效复用了。同时，通过AI相关应用，可以更好地实现智能化环境构建，实现环境零等待高复用。

 

5. 动态资源调度使能极速测试执行

最早的时候，在粗放式的环境占用下，我们分配一套环境进行测试，可能会存在2-4测试用例。但是我们还是串行的完成了测试用例的执行。因为我们不知道哪些资源会冲突。如果通过一些精细化的管理，我们知道哪些用例需要什么样的资源，然后通过动态的资源池化，实现极限测试并行执行。那么在测试过程中，其实很多问题是可以通过这个测试数据回答的。比如“这个代码是否被完整测试了”“告警以前出现过吗”等各种各样的测试问题。

6. 测试知识图谱的构建与应用

可以通过将现有的数据进行归一化的标准化模型管理，然后根据采集的数据进行清洗形成测试图谱反馈回去，从而对测试设计、测试计划、测试执行、测试分析进行反馈和引导。

7. 典型应用

 

澎湃还跟参会者分享了一个典型的应用。通过一些Pipeline，一个智能化的工作流将测试活动串联起来，就可以更好地通过测试的智能化提升测试质量和效率。

开放测试框架

共建共营测试生态

1. 开放测试框架，共建共营测试生态

 

上图是定义的一个新的开放框架。包括：构建开放的微服务测试架构，按需构建测试生态；标准化可定义的集成测试桌面，一站式完成测试计划、设计、执行与分析；以工作流框架驱动业务，标准化测试（研发）流程，像GPS一般进行引导，过程一目了然。通过动态资源管理使能资源利用最大化。测试执行服务化，测试能力跨公司、跨技术、跨地域复用。执行过程安全可信，测试数据归一化管理，最终形成测试知识图谱实现测试持续优化。

2. 测试设计与执行实现范例

 

澎湃分享了一个测试设计与执行实现范例。通过不同形态的IDE，如WebIDE、PyCharm、Eclipse，进行测试用例的编辑。在编辑的过程中，可以将用例编译成不同的语言形态归一化到标准测试模型。由测试执行平台和不同的测试工具服务进行调用。

3. 测试数据分析实现范例

 

澎湃介绍到工具本身就是动态的。工具贡献到资源池里，可以实现测试资源的共享。随时、随地执行，无需安装、在自己的桌面即可完成用例的设计与执行。

在测试数据的实现过程中，可以利用很多开源的工具技术，如logstash、elasticsearch、Grafana Dashboard Notifications、User Dashboard等各种工具的组合，实现对数据归一化的清洗、转化、存储、分析，最终将一些告警等内容，推送到测试工作人员的桌面，让测试工作人员更高效地完成测试用例，测试分析，测试设计。

4. 在线测试设计、执行、调试

 

ITEA做了一个在线测试设计、执行、调试一体化平台。这个平台采用的是Code Service的开源方案，用phyon实现的测试用例设计。这个云平台无需安装，可以在线完成测试设计，进行动态的调试。这背后直接应用了不同工具、不同的语言实现测试能力。如：用C语言实现对手机的控制或者其它的测试工具能力。所有的工具都可以通过这样的测试服务集成在一起。但是在前端可以采用任何喜欢的语言进行测试用例的设计、调试。

5. 拖曳式测试用例设计

这个平台还可以通过拖拽式形式完成测试用例设计。目前可与其它ITEL规范下测试用例实时互转（当前支持PyITEL）。

6. 测试套定义测试组合

平台可以通过测试套将测试用例、测试数据、测试环境关联起来，比如说windows，linux不同的测试环境，不同的浏览器组合里中英文的数据，不同软件版本的不同数据配置，通过测试套将这些结合到一起，使得测试用例和数据、环境进行解耦并且有机结合在一起。

7. 在线完成性能测试

通过将测试用例和定义的话务模型，以及一些我们需要的用例组合起来，完成在线测试用例的性能测试。也可以在线地通过这些数据的一些采集，实时的观测测试执行情况，以及一些相关的KPI。这些都是初步阶段的功能。后期通过不断地完善系统，可实现更高效的自动化性能测试的设计和分析。

8. 开放桌面、数据分析

平台还可以实现开放式的桌面，开放式的数据分析。开放式桌面可以定制化。平台可以将不同方面的测试数据集成到一起。

数据自动采集有助于一目了然地了解测试过程。这些数据包括测试执行过程中产生的日志，比如说截屏，微服务里面的消息码流和一些异常请求等，以及在WEB测试时，正常页面背后产生的一些请求的异常。这个异常可以进行采集推动到测试工作人员的桌面。

推 荐