软件测试有多种多样的方法和技术，可以从不同角度对它们进行分类。其中，根据软件生命周期，针对不同的测试对象与目标，可将测试过程分为 4 个阶段：单元测试、集成测试、系统测试和验收测试。本文着重介绍了如何借用 pytest 与 httprunner 进行接口自动化测试。
一、 什么是接口测试
根据 wiki 中的定义，接口是一个共享的边界，计算机系统的多个独立组件通过它交换信息。这些信息的交换可以基于软件、硬件、外部设备、人和它们之间的组合。根据上述定义，可以面向软件、硬件、交互设备等展开接口测试。软件的接口测试是面向独立组件之间接口的一种测试，主要用于检测内外部系统及内部各子系统之间的交互点。测试的重点在于检查逻辑正确性、交互依赖性、数据正确性.
二、 引入自动化背景
基于以下几个情况，数栈引入自动化测试，以期提高测试效率，保障交付产品质量。
产品迭代迅速
应用系统日趋复杂
部署环境多样
三、 自动化技术选型
接口测试可以使用的工具有很多，Postman、Jmeter、REST-Assured、SoapUI、httpclient 等等。数栈产品使用的是 HttpRunner 这个框架。相比较于前几类工具，它具有以下特点：
简单易用。
可扩展性强
易于集成 CI
录制回放
数栈产品曾使用过 Jmeter 作为接口自动化工具。Jmeter 拥有可视化图形界面，通过拖动组件信息就可完成用例编排，方便 QA 使用。但是 Jmeter 的内置函数不能满足于复杂的数栈产品，虽然可以选择 beanshell 来写工具脚本，但其难以调试，第三方包管理困难等问题使编写效率低下。同时 Jmeter 容易出现编码混乱、日志不易于查看等问题。
HttpRunner 作为一款优秀的开源框架，在 GitHub 上拥有 2.6k star，集简单易用、扩展性强、易于集成、录制回放等特性于一体，相比较于 Jmeter 更适用于数栈自动化实践。
四、 自动化测试用例
数栈整体自动化测试架构如下图所示。从上到下可分为用户层、配置层、用例层、数据源。用户可以通过 Docker 镜像、Pipeline、定时任务来触发自动化任务。运行的结果记录到禅道，然后通过接入自研的 EasyV 进行展示。配置文件分为两类：一类是应用系统信息，如业务数据库信息、域名、账号密码等；另一类是数据源信息，用于用例的执行，现在支持的数据源有 MySQL、Oracle、Kafka、HBase 等等。从业务层面分，可以分为 8 个产品，每个产品编写各自的用例；从执行层面分，可分为接口测试和场景测试。若选择接口测试，则会运行所有产品的接口测试用例。下面拿接口测试用例进行举例说明。
一条接口测试用例可分为两部分：配置和测试步骤。先来看配置：
config = (
Config("测试创建项目接口")
.variables(
**{
"cookie": Cookie().get_cookie(),
"url": api.aiworks.aiworks_api.AiworksApi.create_project.value,
"tenant_name": ENV_CONF.uic.tenant_name,
"project_name": project_name
}
)
.base_url(ENV_CONF.base_url.rdos)
)首先第一个遇到的问题就是获取 cookie。基本上接口都需要 cookie 或者 token 校验才能调用，因此将获取 cookie 的方法抽象提取成一个 get_cookie ()，避免了每个用例写一遍登陆。这个方法就属于架构图中预置函数的模块。url、tenant_name、project_name 三个变量是后续测试步骤中所需要用到的变量值，这些都预先在 variables 中定义好。其中还可以看到有 AiworksApi、ENV_CONF 这几个文件。AiworksApi 是所有 Aiwork 产品的接口枚举类，对接口内容进行管理；ENV_CONF 包含了整个自动化项目的配置信息，是一个配置文件，属于配置层。
teststeps = [
Step(
RunRequest("开始请求创建项目接口")
.post("$url")
.with_headers(**{"cookie": "$cookie"})
.with_json(
{
"enableCycleSchedule": "$enableCycleSchedule",
"isSwitchJupyter": "$isSwitchJupyter",
"projectAlias": "$projectAlias",
"projectDesc": "$projectDesc",
"projectEngineList": "$projectEngineList",
"projectName": "$projectName",
"switchGpu": "$switchGpu"
}
)
.validate()
.assert_equal("status_code", 200)
.assert_equal("body.code", "$code")
.assert_contains("body.message", "$message")
.teardown_hook("${delete_project()}")
)
]然后在测试步骤部分，整个 teststeps 由 Step 数组构成。可以看到创建项目这个接口只有一个 Step，整个 Step 分为 post、with_headers、with_json、validate、teardown_hooke5 个部分组成。其中，with_json 中 key-value 键值对的值全都是引用的方式来取得，而不是写死的固定值。这样就可以将用例与数据区分开来。而具体的值则通过 @pytest.mark.parameterize 这个装饰器传入，params 里定义了这个用例所需的所有字段值。整体用例编写思路为 “用例与数据分离”，避免修改测试用例需要改动大量的代码。
@pytest.mark.parametrize("params", params)
def test_start(self, params):
super().test_start(params)所以整体来看，HttpRunner 框架提供了一个用例模版 -- 由多个关键字组成，使用者只需要将模版中的内容填充完整，就可以完成一条用例的编写。
五、自动化成果
自 2021 年 4 月自动化立项以来，已编写超过 900 条用例，8 个子产品接口覆盖率平均达到 60% 以上。每日通过 Jenkins 构建定时任务，在持续集成环境对最新的代码进行自动化测试。同时，自动化测试接入了测试环境、客户环境中使用。在提供环境信息完备的情况下，可以随时接入自动化，并运行得出报告给到 QA，大大减少了回归工作量，从原先 3-4 周的时间缩短到 1-2 周完成。
最后感谢每一个认真阅读我文章的人，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：
这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！
