浅谈 Pytest+HttpRunner 如何展开接口测试！

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

In computing, an interface is a shared boundary across which two or more separate components of a computer system exchange information. The exchange can be between software, computer hardware, peripheral devices, humans, and combinations of these.

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
目前数栈产品已经迭代至 Release4.3 版本。每过几个月进行一次产品 release 更新让回归测试的工作量持续上升。接口自动化测试可以很好的减少回归工作量。

应用系统日趋复杂
数栈目前自研 8 款产品和多个插件，产品之间的交互与产品 - 插件之间的交互日趋复杂。客观现实带来了更大的测试风险，测试消耗成本越来越高，花费的时间也越来越长。接口自动化测试可以提高测试效率。

部署环境多样
作为一款面向大数据的产品，除了开源的 Hadoop，还需要适配 TDH、CDH、HDP 等其他引擎。同时，各种客户的 POC 环境也需要大量人力支持。

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。
虽然前几款工具中有图形化界面可以让人直观的进行操作，但 HttpRunner 以 “关键字” 的优势可以让 QA 快速的上手框架，对代码能力要求低。根据对应的关键字填入相应的值，即可生成一条测试用例。

可扩展性强
HttpRunner 的 V3 版本支持了 pytest，可以方便的借助 pytest 插件解决接口测试中遇到的问题，如数据驱动、参数化等。jUnit 虽然也具有扩展性强的特点，但是 Java 语言对于 QA 来说太重，且学习成本比 HttpRunner 更高。

易于集成 CI
HttpRunner 支持 CLI 命令，可以方便的接入 Jenkins、Gitlab CI 等工具。

录制回放
通过 Charles、Fiddler 等工具将请求到处为.har 文件，然后通过 HttpRunner 提供的命令，就可以将.har 文件转换成 json/yaml 文件。

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。

下面是配套资料，对于做【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴我走过了最艰难的路程，希望也能帮助到你！