作者：京東物流劉紅妍

導讀：

在自動化測試實踐中，為了更好的契合被測業務場景，需要不斷優化框架分層結構。本文結合產品模組化思路，意在介紹通過策略模式改造原本複雜分支語句程式碼，通過理論講解、思路分析、方案設計、及程式碼演示，提供自動化指令碼重構的落地方案。

在今年的敏捷團隊建設中，我通過Suite執行器實現了一鍵自動化單元測試。Juint除了Suite執行器還有哪些執行器呢？由此我的Runner探索之旅開始了！

1 痛點

隨著運輸業務場景的不斷豐富和自動化指令碼量的不斷累積，日常在review用例時發現，目前大家仍停留在針對需求客製化化用例編寫，無法提高用例可複用性和可編排性。當業務流程中間某一環節發生變化時，不但需要重新修改指令碼，還會影響當前應用其他用例執行結果。所以，如何設計高複用性指令碼成為目前自動化建設的關鍵節點。

設計理論

理解，首先 MCube 會依據模板快取狀態判斷是否需要網路獲取最新模板，當獲取到模板後進行模板載入，載入階段會將產物轉換為檢視樹的結構，轉換完成後將通過表示式引擎解析表示式並取得正確的值，通過事件解析引擎解析使用者自定義事件並完成事件的繫結，完成解析賦值以及事件繫結後進行檢視的渲染，最終將目標頁面展示到螢幕。從設計稿出發，提升頁面搭建效率，亟需解決的核心問題有：

2.1 設計理念

根據物件導向程式設計理念，設計者應遵循高內聚與低耦合原則，通常程式結構中各模組的內聚程度越高，模組間的耦合程度就越低。高內聚意味著一個類所能提供的功能應該是相關的，即一個類不要設計得包括很多互不相干的功能，低耦合代表要合理規劃模組的顆粒度，即要保證一個模組可獨立存在，降低模組之間複雜依賴關係。

2.2 策略模式

策略模式定義了一系列的演演算法，將每一組相關的演演算法封裝起各個策略分支，從而將分支相關的程式碼隱藏起來，並且使它們之間可以相互替換。策略模式讓演演算法的變化不會影響到使用演演算法的客戶，希望可以提高程式的可延伸性。

解決思路

3.1 基本思路

根據運輸業務同一個流程存在不同場景，如詢價服務接上游下發詢價單節點，需要區分來源執行不同邏輯，目前設計五個演演算法能力，根據後期業務不斷擴充套件，還會有更多演演算法加入進來，這個時候需要考慮一個好的結構對程式碼進行優化。可能前期大家通過if...elif...else 分支語句就可實現，但在考慮系統的健壯性和可維護性，這裡就不能大量使用if分支語句。因為每一種演演算法能力的程式碼量極大且演演算法引數幾十個，在隨著更多上游接入可能存在十幾個甚至更多else分支，很容易顧此失彼，牽一髮而動全身。所以，利用策略模式設計一系列演演算法，再供用例拼裝呼叫，提高程式碼的可讀性和可複用性。

3.2 方案分析

優點：

程式碼解耦，便於維護；
避免使用難以維護的多重條件選擇語句；
可以執行時動態切換演演算法；
開閉原則。無須對上下文程式碼進行修改，就可以新增新的程式碼。

缺點：

如果演演算法邏輯，較為固定，不經常修改，使用策略模式只會增加程式碼量
必須知道所有的具體策略類及它們的區別。

方案概述

4.1 環境依賴

Laputa框架簡介：

Laputa框架基於 Pytest 整合了對API介面自動化, 以及對 Web應用, 行動端應用和 Windows 桌面應用 UI 等自動化的能力。具有視覺化的Web介面工具, 便於設定執行規則，關聯執行指令碼，觸發用例執行，檢視執行結果。提供CI整合服務，呼叫Jenkins API跟蹤持續整合結果，開放介面，實現流水線自動化測試。

圖1 自動化框架架構圖

4.2 分層改造

圖2 自動化用例分層圖

4.3 策略設計

圖3 策略模式設計圖

4.4 操作步驟

將頻繁修改的演演算法進行抽取，獨立為具體的演演算法類；

2.建立抽象基礎類別，實現一個約定的抽象策略方法；

所有獨立的演演算法類，必須實現基礎類別中的抽象策略介面；
建立上下類，該類可以動態的對演演算法進行setter，建立呼叫具體演演算法的方法，上下文可通過該方法與具體的策略互動；
使用者端進行呼叫，傳入具體的演演算法類，上下文動態執行具體的演演算法任務。

設計實踐

5.1 詢價接單介面改造

如原始碼結構，根據不同業務來源，寫在一個方法裡通過if...else...分別組裝場景，一旦上游任一系統存在需求變動，當前接單介面呼叫邏輯需要變動：

【python】
def receive_enquiry_bill(**kwargs):
params=[{}]
params[0].update(kwargs)
if params[0].get("enquirySource") == 8:
pass
elif params[0].get("enquiryWay") == 2 and params[0].get("payMode") == 2:
pass
elif params[0].get("enquiryWay") == 2 and params[0].get("payMode") == 3:
pass
if params[0].get("enquirySource") == 46:
pass
if params[0].get("enquirySource") == 20:
pass

改造結構：

上下文類

【python】
class AlgorithmStrategy(object):
    def __init__(self, algorithm_name):
        self.algorithm_name = algorithm_name


    @property
    def algorithm(self):
        return self.algorithm_name


    @algorithm.setter
    def algorithm(self, name):
        self.algorithm_name = name


    def execute_algorithm(self, params):
        return self.algorithm_name.execute(params)

演演算法基礎類別：

【python】
class CreateEnquiryBillBaseAlgorithm(ABC):# 演演算法能力基礎類別
    @abstractmethod
    def read_params(self, **kwargs):
scenario=kwargs['scenario'] if "scenario" in kwargs and kwargs['scenario'] else 'base'
        return resource_custom_data[self.__class__.__name__][scenario][0].update(kwargs)


    @abstractmethod
    def execute(self, params):
        return jsf_receive_enquiry_bill(data=json.dumps(params)

不同演演算法：

【python】
class CreateTFCEnquiryBill(CreateEnquiryBillBaseAlgorithm):
    def read_params(self, **kwargs):
        params = super().read_params(**kwargs)
        params[0].update({"businessCode": kwargs['businessCode'] if 'businessCode' in kwargs else f"TJ{laputa_util.date_time_str(fmt='%y%m%d')}{laputa_util.get_random_num(8)}","receiveBeginTime": tms_util.data_time_str(minutes=100),"deliveryBeginTime": tms_util.data_time_str(minutes=180)})
        return params


    def execute(self, params):
        return super().execute(params)


class CreateECLPClodEnquiryBill(CreateEnquiryBillBaseAlgorithm):


    def read_params(self, **kwargs):
# 若當前場景引數與基礎引數改動較大建議直接在Yaml裡另寫Key
params = super().read_params(**kwargs)
params[0].update({"businessCode": kwargs['businessCode'] if 'businessCode' in kwargs else f"ECO{laputa_util.date_time_str(fmt='%y%m%d')}{laputa_util.get_random_num(8)}","receiveBeginTime": tms_util.data_time_str(minutes=100),"deliveryBeginTime": tms_util.data_time_str(minutes=180)})
return params


    def execute(self, params):
        super().execute(params)
return jsf_do_assign(data=json.dumps(params))

演演算法注入使用：

【python】
def receive_enquiry_bill(algOne=None, sceOne=None, **kwargs):
    """
    Args:
        algorithm: 業務型別
        scenario:  測試場景：執行步驟，執行資料
    Returns:
    """
 if algorithm:    
 # 採用字典形式進行手動註冊演演算法，由python動態查詢
 st = {"TFC": CreateTFCEnquiryBill(), "ECLP冷鏈": CreateECLPClodEnquiryBill(), "TC": CreateTCEnquiryBill(),"終端用車": CreateTerminalEnquiryBill()}
    query_algorithm = st.get(algOne)
    return query_algorithm.execute(query_algorithm.read_params(scenario=sceOne, **kwargs))
 else:
  pass

當有需求變動，只需修改其一策略規則內部程式碼，如【分單策略需求】，除運輸內部系統TFC下發詢價指定個體標籤，其他上游沒有增加標籤下發功能，則只需修改CreateTFCEnquiryBill()程式碼即可。

5.2 Common用例組裝

拼接task使用者端方法組成case，利用feature組裝測試資料，資料驅動測試方法執行。

【python】
@pytest.mark.parametrize("params", test_data('test_enquiry_core'), indirect=True)
def test_enquiry_core(params):
    enquiry_code = receive_enquiry_bill_core(**params).get("data")
    return quote_enquiry_bill_core(enquiry_code=enquiry_code, **params)

總結

隨著運輸八大產品建設方向逐步明確，自動化平臺需要從應用維度重構到產品維度，在指令碼不斷融合和解耦過程，如何在新的分層模式設計高複用性指令碼，需要大家結合各自業務條線不斷優化改進。

高複用性自動化指令碼設計實踐

導讀：