作者：京东物流 刘红妍

导读：

在主动化测试实践中，为了更好的契合被测事务场景，需求不断优化结构分层结构。本文结合产品模块化思路，意在介绍经过战略方式改造原本杂乱分支句子代码，经过理论讲解、思路剖析、计划规划、及代码演示，供给主动化脚本重构的落地计划。

在本年的灵敏团队建造中，我经过Suite履行器完结了一键主动化单元测试。Juint除了Suite履行器还有哪些履行器呢？由此我的Runner探索之旅开端了！

1 痛点

跟着运送事务场景的不断丰富和主动化脚本量的不断累积，日常在review用例时发现，现在大家仍停留在针对需求定制化用例编写，无法进步用例可复用性和可编列性。当事务流程中间某一环节发生变化时，不但需求重新修正脚本，还会影响当前使用其他用例履行成果。所以，如何规划高复用性脚本成为现在主动化建造的关键节点。

规划理论

了解，首要 MCube 会根据模板缓存状况判别是否需求网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产品转化为视图树的结构，转化完结后将经过表达式引擎解析表达式并获得正确的值，经过事情解析引擎解析用户自定义事情并完结事情的绑定，完结解析赋值以及事情绑定后进行视图的烘托，最终将方针页面展现到屏幕。从规划稿动身，进步页面搭建功率，亟需解决的核心问题有：

2.1 规划理念

根据面向对象程序规划理念，规划者应遵从高内聚与低耦合准则，一般程序结构中各模块的内聚程度越高，模块间的耦合程度就越低。高内聚意味着一个类所能供给的功用应该是相关的，即一个类不要规划得包括很多互不相干的功用，低耦合代表要合理规划模块的颗粒度，即要保证一个模块可独立存在，降低模块之间杂乱依靠关系。

2.2 战略方式

战略方式定义了一系列的算法，将每一组相关的算法封装起各个战略分支，从而将分支相关的代码躲藏起来，而且使它们之间能够相互替换。战略方式让算法的变化不会影响到运用算法的客户，期望能够进步程序的可扩展性。

解决思路

了解，首要 MCube 会根据模板缓存状况判别是否需求网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产品转化为视图树的结构，转化完结后将经过表达式引擎解析表达式并获得正确的值，经过事情解析引擎解析用户自定义事情并完结事情的绑定，完结解析赋值以及事情绑定后进行视图的烘托，最终将方针页面展现到屏幕。从规划稿动身，进步页面搭建功率，亟需解决的核心问题有：

3.1 基本思路

根据运送事务同一个流程存在不同场景，如询价服务接上游下发询价单节点，需求区分来历履行不同逻辑，现在规划五个算法才能，根据后期事务不断扩展，还会有更多算法加入进来，这个时分需求考虑一个好的结构对代码进行优化。或许前期大家经过if…elif…else 分支句子就可完结，但在考虑体系的健壮性和可保护性，这里就不能很多运用if分支句子。因为每一种算法才能的代码量极大且算法参数几十个，在跟着更多上游接入或许存在十几个乃至更多else分支，很简单顾此失彼，牵一发而动全身。所以，运用战略方式规划一系列算法，再供用例拼装调用，进步代码的可读性和可复用性。

3.2 计划剖析

长处：

1. 代码解耦，便于保护；

2. 防止运用难以保护的多重条件选择句子；

3. 能够运行时动态切换算法；

4. 开闭准则。无须对上下文代码进行修正，就能够添加新的代码。

缺点：

1. 如果算法逻辑，较为固定，不常常修正，运用战略方式只会添加代码量

2. 必须知道所有的详细战略类及它们的区别。

计划概述

了解，首要 MCube 会根据模板缓存状况判别是否需求网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产品转化为视图树的结构，转化完结后将经过表达式引擎解析表达式并获得正确的值，经过事情解析引擎解析用户自定义事情并完结事情的绑定，完结解析赋值以及事情绑定后进行视图的烘托，最终将方针页面展现到屏幕。

4.1 环境依靠

Laputa结构简介：

Laputa结构根据 Pytest 集成了对API接口主动化, 以及对 Web使用, 移动端使用和 Windows 桌面使用 UI 等主动化的才能。具有可视化的Web界面东西, 便于装备履行规则，关联履行脚本， 触发用例履行，检查履行成果。供给CI集成服务，调用Jenkins API跟踪继续集成成果，开放接口，完结流水线主动化测试。

图1 主动化结构架构图

4.2 分层改造

图2 主动化用例分层图

4.3 战略规划

图3 战略方式规划图

4.4 操作过程

1. 将频繁修正的算法进行抽取，独立为详细的算法类；

2.创建笼统基类，完结一个约好的笼统战略办法；

3. 所有独立的算法类，必须完结基类中的笼统战略接口；

4. 树立上下类，该类能够动态的对算法进行setter，创建调用详细算法的办法，上下文可经过该办法与详细的战略交互；

5. 客户端进行调用，传入详细的算法类，上下文动态履行详细的算法使命。

规划实践

了解，首要 MCube 会根据模板缓存状况判别是否需求网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产品转化为视图树的结构，转化完结后将经过表达式引擎解析表达式并获得正确的值，经过事情解析引擎解析用户自定义事情并完结事情的绑定，完结解析赋值以及事情绑定后进行视图的烘托，最终将方针页面展现到屏幕。

5.1 询价接单接口改造

如源代码结构，根据不同事务来历，写在一个办法里经过if…else…分别拼装场景，一旦上游任一体系存在需求变化，当前接单接口调用逻辑需求变化：

【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

改造结构：

上下文类

【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)

算法基类：

【python】
class CreateEnquiryBillBaseAlgorithm(ABC):# 算法才能基类
    @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):
# 若当前场景参数与根底参数改动较大主张直接在Yaml里另写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))

算法注入运用：

【python】
def receive_enquiry_bill(algOne=None, sceOne=None, **kwargs):
    """
    Args:
        algorithm: 事务类型
        scenario:  测试场景：履行过程，履行数据
    Returns:
    """
 if algorithm:    
 # 选用字典方式进行手动注册算法，由python动态查找
 st = {"TFC": CreateTFCEnquiryBill(), "ECLP冷链": CreateECLPClodEnquiryBill(), "TC": CreateTCEnquiryBill(),"终端用车": CreateTerminalEnquiryBill()}
    query_algorithm = st.get(algOne)
    return query_algorithm.execute(query_algorithm.read_params(scenario=sceOne, **kwargs))
 else:
  pass

当有需求变化，只需修正其一战略规则内部代码，如【分单战略需求】，除运送内部体系TFC下发询价指定个别标签，其他上游没有添加标签下发功用，则只需修正CreateTFCEnquiryBill()代码即可。

5.2 Common用例拼装

拼接task客户端办法组成case，运用feature拼装测试数据，数据驱动测试办法履行。

【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)

总结

了解，首要 MCube 会根据模板缓存状况判别是否需求网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产品转化为视图树的结构，转化完结后将经过表达式引擎解析表达式并获得正确的值，经过事情解析引擎解析用户自定义事情并完结事情的绑定，完结解析赋值以及事情绑定后进行视图的烘托，最终将方针页面展现到屏幕。

跟着运送八大产品建造方向逐渐清晰，主动化渠道需求从使用维度重构到产品维度，在脚本不断融合宽和耦过程，如何在新的分层方式规划高复用性脚本，需求大家结合各自事务条线不断优化改进。