导读：就像持续集成，互联网公司对测试平台化的探索从未停止过，大厂也不例外。测试平台化并不是单纯地“可视化”，将脚本搬到平台上。它是一种“可能性”，一种多元化技术融合提升测试效果的可能，一种变革测试组织与行为的可能。那么来看看零售通的平台化实践有没有解开你心中的疑云。背景随着移动互联网技术兴起，业务在无线端获得高速发展，从而带动产品研发周期快速迭代，业务逻辑模型复杂度越来越高，对业务质量保障提效诉求也越来越高产品迭代周期短和无线技术架构升级，自动化维护成本高。人员流动变化，测试经验未能沉淀和抽象到工具平台里，如用例数据模型等。脚本里沉淀的能力不能快速复用。业务测新，自动化覆盖投入成本比较高，特别是适配和回归成本。基于以上痛点，我们有个初衷去做这样一个无线自动化平台，无需编写脚本，无需搭建本地工程环境，全程可视化界面操作，即使不懂自动化脚本编程也能完成任务配置，致力于用较小的成本投入和维护自动化。成本收益分析我们先以电商域商品详情场景为例，介绍下不同的测试策略对测试成本的影响。商品详情场景涉及到区域化、不同营销类型、不同的offer类型，场景组合后有+个case。人工测试投入人力进行手工验证多端多机，最快完成一轮测试也要5人日。如果加上干扰因素（手机没电、找不到设备、网络环境等问题）、bugfix回归验证，整体测试周期还要加长，甚至成倍增加。自动化脚本测试主要耗时成本在工程化环境搭建、本地脚本编写和调试的。同时对于多场景的数据有一个弊端，往往是写死数据在脚本且数据场景不全。平台化测试全程在平台上可视化操作，用精准用例建模自动化平台的数据支持多场景的的测新和回归。功能亮点1.原子能力的标准化我们对自动化里的所用的公共部分做了以下抽象成公共能力和组件化，可供重复使用。将工程脚本里的对象控件操作类、数据类、断言类做标准化并封装成原子能力，可以在平台页面上直接选择，添加对应行动点，支持语义化设置，支持行动点流程编排。2.语义化驱动—用例配置3.行为驱动—流程编排4.数据驱动—精准用例建模相同场景的自动化不用设置一条一条自动化用例，也不用在脚本里指定某条数据运行。使用场景建模，扩展任务丰富数据源能力，支持任务添加单条数据/多条数据/场景模型数据。场景模型好处是脚本里的数据进行剥离，以业务场景角度封装成用例数据模型，不仅降低测试用例数据遗漏的风险，而且将原先脚本写死的数据变活，通过建立的模型实时获取线上活的数据，即使有业务调整，直接维护模型即可。场景模型支持2种：对接精准用例建模平台的数据源对接非平台数据源，如
转载请注明：http://www.0431gb208.com/sjszlff/801.html
