对于现代软件研发来说，持续、快速、高质量、低风险地交付需求特性，是业务对研发的主要诉求。而要做到这一点，除了要有良好的架构设计、卓越的工程能力，快速可靠的测试反馈也是其非常重要的一环，达到这一点，需要依靠测试自动化。
作为面向企业开发者的DevOps平台，云效提供了丰富的能力，帮助大家在DevOps流程中落地测试自动化实践。
简单来说，企业自建测试自动化体系，分为三种形式：
形式一：基于开源测试自动化工具
很多企业自建测试自动化，都是从选择一个开源测试自动化工具开始的。一个开源测试自动化工具，往往包含以下几部分（以RobotFramework为例）：
1.测试执行工具，如robot
2.测试用例，如.robot文件
3.测试结果和报告，如执行完生成的log.html和report.html
4.测试能力库，用来完成特定的测试，如SeleniumLibrary
对于一个测试自动化体系，往往还需要加上：
1.调度和执行平台
2.结果分析与统计报表
3.测试结果通知能力
基于云效，整个的架构是这样的。
1.测试自动化用例存储在云效代码平台的Git仓库中
2.用于执行测试自动化的测试步骤，基于云效的自定义step能力创建
3.触发和串联代码、构建和自动化测试的云效流水线
4.通知机制（钉钉消息）
5.针对质量情况的数据报表，可以直接显示在流水线测试结果中，也可以将数据发送给自建的数据报表服务展示
以RobotFramework框架为例，在云效上接入开源测试自动化工具有以下几步。
1. 选择或编写对应开源测试自动化工具的flow step
云效内置了主流开源测试自动化工具的支持（TODO），同时提供flow cli工具，帮助企业定制化地实现符合自己要求的测试自动化组件。如何通过flow cli实现并发布一个flow step，请参见参考资料。
这里，仅以RobotFramework为例，对其关键部分做一下说明。
首先通过flow step init命令初始化一个flow step组件的项目。
1.1 执行的环境和命令
在step.yaml文件中，image为测试执行的环境镜像，这里是registry.cn-hangzhou.aliyuncs.com/feiyuw/flow-robotframework:1.0，镜像的内容在Dockerfile里面定义。在items中添加type为Shell的输入框，用于设置执行命令，这里默认值为robot -L Trace -d robot _logs .，当前目录“.”即为代码所在目录。
# ...
image: registry.cn-hangzhou.aliyuncs.com/feiyuw/flow-robotframework:1.0
items:
- label: 执行命令
name: STEP_COMMAND
type: Shell
value: |
# NOTE: output directory should be robot_logs
robot -L Trace -d robot_logs .
# ...1.2 红线配置
首先在step.yaml中定义红线配置组件，这些组件会在流水线配置步骤的时候显示给用户。
items:
- label: 红线信息
name: CHECK_REDLINES
type: addable_group
rules:
- require: false
add_button:
type: icon
icon: plus
text: 增加红线
tip:
icon: question-circle
description: 红线校验失败步骤标记为失败
template:
items:
- name: redline
label: 红线
position: flat
type: custom_redline_dropdown
datamap: '[{"key": "PassRate", "type":"GE"}]'
rules:
-requires: false另外在step.sh的最后添加红线检查部分，如：
redline Passed:成功:$STEP_ROBOT_PASS:Success Failed:失败:$STEP_ROBOT_FAILED:Error PassRate:成功率:$STEP_ROBOT_PASSRATE:Defaultflow step编写及调试完毕后，publish到当前企业中。
2. 在代码库中添加测试自动化用例
对于针对整个产品或一个子系统的自动化测试，我们建议自动化测试用例保存在单独的代码仓库中；而对于针对某个特定应用的自动化测试，我们建议其测试用例保存在该应用的代码仓库中，并与开发使用同一个分支（推荐）。
将自动化测试用例与应用代码在同一个代码库中管理，有许多好处：
1.测试用例与代码互相匹配且是最新的，让自动化测试在开发阶段就可以及时介入
2.直接复用开发的分支模式，不用考虑自动化用例的版本管理
3.开发和测试基于Git代码库紧密协作，方便落地ATDD这样的优秀实践
4.容易集成到流水线中，当测试代码或者开发代码变更后都能快速被执行和反馈，加速问题的定位和修复
3. 添加测试自动化节点到流水线
打开持续集成流水线，如果没有，在flow上创建一个。
立即体验：云效流水线Flow
3.1 编辑流水线，添加一个空白任务
3.2 添加自定义步骤，“RobotFramework测试”
3.3 配置执行命令和红线
4. 上传测试报告到云效，以在云效流水线执行结果中展示
4.1 编辑第三步的测试自动化节点，添加一个步骤
4.2 配置测试报告目录（这里是robot_logs）和测试报告入口文件（这里是report.html）
5. 同步测试结果到自建的报表系统
有些时候，我们需要对测试结果进行进一步的统计分析，此时，仅靠测试自动化工具提供的报告就无法满足了。通常，我们会自建一个报表系统。那么，云效中执行的测试自动化结果如何上传到我们自建的报表系统呢？
5.1 确保报表系统能够被云效访问到
由于网络问题，云效无法访问我们建在私有网络环境中的报表系统，要求报表系统开放公网访问接口。为了安全，我们建议仅开放必要的接口，同时做好IP白名单防护。
5.2 在flow step中添加上传报告步骤
打开步骤1的flow step，编辑step.sh，添加上传报告步骤。
注意：该步骤需要放在redline检查之前，同时建议传递的信息包括：测试结果、代码分支、代码版本、提交者、流水线名字等。
# ...
# sh -ex $WORK_SPACE/user_command.sh
bash -c "$STEP_COMMAND"
output=`python3 /root/parse_output.py $OUTPUT_XML`
STEP_ROBOT_PASS=`echo $output | awk -F, '{print $1}'`
STEP_ROBOT_FAILED=`echo $output | awk -F, '{print $2}'`
STEP_ROBOT_PASSRATE=`echo $output | awk -F, '{print $3}'`
# upload test result to report server
python3 /root/upload_to_report_server.py $OUTPUT_XML $CI_COMMIT_REF_NAME $CI_COMMIT_SHA $EMPLOYEE_ID $PIPELINE_NAME $BUILD_NUMBER
redline Passed:成功:$STEP_ROBOT_PASS:Success Failed:失败:$STEP_ROBOT_FAILED:Error PassRate:成功率:$STEP_ROBOT_PASSRATE:Default最后的流水线大致是下面这个样子：
形式二：测试自动化自建Jenkins
对于已经自建Jenkins等工具用于测试自动化调度执行，甚至在Jenkins上进行了二次开发和定制的团队，或者对于像ioT开发这样有特殊环境要求的应用，复用现有的工具资源更为经济。为此，云效提供了与客户现有Jenkins服务无缝对接的能力，帮助企业通过串联起研发测试。
1. 确保自建Jenkins能够被云效访问到
自建Jenkins服务需要支持公网访问，以便云效能够访问并触发对应的任务。同样，为了安全考虑，建议仅开放必要的接口，并开启IP白名单防护。
2. 添加Jenkins任务节点到流水线中
编辑云效流水线，添加一个任务节点，选择Jenkins任务。
接下来，配置Jenkins地址、认证方式、对应的Job名称，以及触发参数（上游的构建镜像）。
3. 查看结果和统计报表
流水线被执行后，结果信息会同步到Jenkins任务组件上，用户可以在云效流水线运行结果上直接跳转到Jenkins Job日志。
对于统计报表，由于这种方式下，云效不会保存执行任务的任何数据，建议在Jenkins任务中完成数据的上传等工作。
形式三：自建测试自动化平台
如果开源测试自动化工具无法满足测试诉求，又有定制化的调度、触发、管控等要求，部分企业会选择自建测试自动化平台。对于这种情况，如何与云效有机整合起来，做到研发一站式呢？
解决的方法和集成开源测试自动化工具类似，所不同的是，我们的自建测试自动化平台需要对云效暴露两个接口：
1.触发测试执行
2.获取测试结果
这里我们假设自建测试自动化平台的地址为：http://taplatform.my.corp，两个接口为：
POST /api/v1/runs
request：{"ref_name":"feature/limit_1", "trigger_by": "yunxiao","suites": "all"}
response：{"code": 0, "run_id":123}GET /api/v1/runs/<run_id>
response: {"code": 0,"status": "RUNNING|PASS|...", "report_link":"http://taplatform.my.corp/reports/1234", "summary":{"total": 1000, "pass": 1000, "duration": 1200},...}
1、编写flow step用于触发测试自动化平台和设置红线
实现方式与集成开源测试自动化工具的方法类似，主要是配置好step.yaml和step.sh。
step.yaml中配置自建测试平台的地址，以及测试用例的筛选参数，如：
items:
- label: 测试平台地址
name: TEST_PLATFORM_HOST
type: input
value: http://taplatform.my.corp
- label: 用例
name: SUITES
type: input
value: all # 用例筛选条件step.sh中主要完成：
1.触发测试平台执行对应测试用例
2.等待测试完成
3.获取测试结果
4.验证红线卡点
如：
# sh -ex $WORK_SPACE/user_command.sh
output=`python3 /root/run_and_wait_until_finish.py $TEST_PLATFORM_HOST $SUITES $EMPLOYEE_ID`
STEP_ROBOT_PASS=`echo $output | awk -F, '{print $1}'`
STEP_ROBOT_FAILED=`echo $output | awk -F, '{print $2}'`
STEP_ROBOT_PASSRATE=`echo $output | awk -F, '{print $3}'`
redline Passed:成功:$STEP_ROBOT_PASS:Success Failed:失败:$STEP_ROBOT_FAILED:Error PassRate:成功率:$STEP_ROBOT_PASSRATE:Default其中run_and_wait_until_finish.py的实现步骤大致如下：
import os
import time
import sys
import requests
def start_test_task(ta_host, suites, trigger_by):
resp = requests.post(f'{ta_host}/api/v1/runs', json={'trigger_by': trigger_by, 'suites': suites})
if not resp.ok or resp.json()['code'] != 0:
raise RuntimeError(f'create test task error: {resp.content}')
return resp.json()['run_id']
def generate_report(ta_host, report_link):
if not os.path.exists('report'):
os.mkdir('report')
with open('index.html', 'w') as fp:
fp.write(f'''<html>
<head>
<title>Test Report</title>
<meta http-equiv="refresh" content="0;URL={ta_host}/reports/{report_link}" />
</head>
<body>
<p>forwarding...</p>
</body>
</html>''')
def wait_until_task_done(ta_host, run_id):
while True:
resp = requests.get(f'{ta_host}/api/v1/runs/{run_id}')
if not resp.ok:
raise RuntimeError(f'task error: {resp.content}')
data = resp.json()
if data.get('code') != 0:
raise RuntimeError(f'task error: {data}')
if data['status'] in ('PASS', 'FAILED'):
generate_report(ta_host, data['report_link'])
return data
time.sleep(5)
if __name__ == '__main__':
if len(sys.argv) != 4:
raise RuntimeError('invalid arguments')
ta_host, suites, employee_id = sys.argv[1:]
run_id = start_test_task(ta_host, suites, employee_id)
run_info = wait_until_task_done(ta_host, run_id)
summary = run_info['summary']
pass_cnt = summary['pass']
total_cnt = summary['total']
pass_rate = pass_cnt * 100 / total_cnt
print('%d,%d,%d' % (pass_cnt, total_cnt-pass_cnt, pass_rate))其中调用了测试平台的两个接口，并且生成了一个index.html的测试报告文件。注意：该测试报告只是将请求转发到了自建测试平台的对应页面上。
2. 添加测试自动化节点到流水线
在流水线上添加空白任务节点，在其中添加一个步骤，选择前面我们自定义的flow step（记得publish到对应的企业中）。在步骤中配置好测试平台地址和测试用例，并设置好红线信息。
3. 查看测试报告
在测试节点添加报告上传步骤，测试报告目录填“report”，测试报告入口文件为“index.html”。
4. 数据统计与报表
在流水线执行结果中可以看到通过率等summary信息，详细的统计与报表建议在自建测试自动化平台内实现。
参考资料
- 本页导读 （0）