作者：京東物流劉紅妍

導讀：

在自動化測驗實踐中，為了更好的契合被測業務場景，需要不斷優化框架分層結構，本文結合產品模塊化思路，意在介紹通過策略模式改造原本復雜分支陳述句代碼，通過理論講解、思路分析、方案設計、及代碼演示，提供自動化腳本重構的落地方案，

在今年的敏捷團隊建設中，我通過Suite執行器實作了一鍵自動化單元測驗，Juint除了Suite執行器還有哪些執行器呢？由此我的Runner探索之旅開始了！

1 痛點

隨著運輸業務場景的不斷豐富和自動化腳本量的不斷累積，日常在review用例時發現，目前大家仍停留在針對需求定制化用例撰寫，無法提高用例可復用性和可編排性，當業務流程中間某一環節發生變化時，不但需要重新修改腳本，還會影響當前應用其他用例執行結果，所以，如何設計高復用性腳本成為目前自動化建設的關鍵節點，

設計理論

理解，首先 MCube 會依據模板快取狀態判斷是否需要網路獲取最新模板，當獲取到模板后進行模板加載，加載階段會將產物轉換為視圖樹的結構，轉換完成后將通過運算式引擎決議運算式并取得正確的值，通過事件決議引擎決議用戶自定義事件并完成事件的系結，完成決議賦值以及事件系結后進行視圖的渲染，最終將目標頁面展示到螢屏，從設計稿出發，提升頁面搭建效率，亟需解決的核心問題有：

2.1 設計理念

根據面向物件程式設計理念，設計者應遵循高內聚與低耦合原則，通常程式結構中各模塊的內聚程度越高，模塊間的耦合程度就越低，高內聚意味著一個類所能提供的功能應該是相關的，即一個類不要設計得包括很多互不相干的功能，低耦合代表要合理規劃模塊的顆粒度，即要保證一個模塊可獨立存在，降低模塊之間復雜依賴關系，

2.2 策略模式

策略模式定義了一系列的演算法，將每一組相關的演算法封裝起各個策略分支，從而將分支相關的代碼隱藏起來，并且使它們之間可以相互替換，策略模式讓演算法的變化不會影響到使用演算法的客戶，希望可以提高程式的可擴展性，

解決思路

3.1 基本思路

根據運輸業務同一個流程存在不同場景，如詢價服務接上游下發詢價單節點，需要區分來源執行不同邏輯，目前設計五個演算法能力，根據后期業務不斷擴展，還會有更多演算法加入進來，這個時候需要考慮一個好的結構對代碼進行優化，可能前期大家通過if...elif...else 分支陳述句就可實作，但在考慮系統的健壯性和可維護性，這里就不能大量使用if分支陳述句，因為每一種演算法能力的代碼量極大且演算法引數幾十個，在隨著更多上游接入可能存在十幾個甚至更多else分支，很容易顧此失彼，牽一發而動全身，所以，利用策略模式設計一系列演算法，再供用例拼裝呼叫，提高代碼的可讀性和可復用性，

3.2 方案分析

優點：

代碼解耦，便于維護；
避免使用難以維護的多重條件選擇陳述句；
可以運行時動態切換演算法；
開閉原則，無須對背景關系代碼進行修改，就可以添加新的代碼，

缺點：

如果演算法邏輯，較為固定，不經常修改，使用策略模式只會增加代碼量
必須知道所有的具體策略類及它們的區別，

方案概述

4.1 環境依賴

Laputa框架簡介：

Laputa框架基于 Pytest 集成了對API介面自動化, 以及對 Web應用, 移動端應用和 Windows 桌面應用 UI 等自動化的能力，具有可視化的Web界面工具, 便于配置執行規則，關聯執行腳本，觸發用例執行，查看執行結果，提供CI集成服務，呼叫Jenkins API跟蹤持續集成結果，開放介面，實作流水線自動化測驗，

圖1 自動化框架架構圖

4.2 分層改造

圖2 自動化用例分層圖

4.3 策略設計

圖3 策略模式設計圖

4.4 操作步驟

將頻繁修改的演算法進行抽取，獨立為具體的演算法類；

2.創建抽象基類，實作一個約定的抽象策略方法；

所有獨立的演算法類，必須實作基類中的抽象策略介面；
建立上下類，該類可以動態的對演算法進行setter，創建呼叫具體演算法的方法，背景關系可通過該方法與具體的策略互動；
客戶端進行呼叫，傳入具體的演算法類，背景關系動態執行具體的演算法任務，

設計實踐

5.1 詢價接單介面改造

如源代碼結構，根據不同業務來源，寫在一個方法里通過if...else...分別組裝場景，一旦上游任一系統存在需求變動，當前接單介面呼叫邏輯需要變動：

【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

改造結構：

背景關系類

【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)

演算法基類：

【python】
class CreateEnquiryBillBaseAlgorithm(ABC):# 演算法能力基類
    @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=https://www.cnblogs.com/Jcloud/archive/2023/02/17/json.dumps(params)

不同演算法：

【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):
# 若當前場景引數與基礎引數改動較大建議直接在Yaml里另寫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=https://www.cnblogs.com/Jcloud/archive/2023/02/17/json.dumps(params))

演算法注入使用：

【python】
def receive_enquiry_bill(algOne=None, sceOne=None, **kwargs):
    """
    Args:
        algorithm: 業務型別
        scenario:  測驗場景：執行步驟，執行資料
    Returns:
    """
 if algorithm:    
 # 采用字典形式進行手動注冊演算法，由python動態查找
 st = {"TFC": CreateTFCEnquiryBill(), "ECLP冷鏈": CreateECLPClodEnquiryBill(), "TC": CreateTCEnquiryBill(),"終端用車": CreateTerminalEnquiryBill()}
    query_algorithm = st.get(algOne)
    return query_algorithm.execute(query_algorithm.read_params(scenario=sceOne, **kwargs))
 else:
  pass

當有需求變動，只需修改其一策略規則內部代碼，如【分單策略需求】，除運輸內部系統TFC下發詢價指定個體標簽，其他上游沒有增加標簽下發功能，則只需修改CreateTFCEnquiryBill()代碼即可，

5.2 Common用例組裝

拼接task客戶端方法組成case，利用feature組裝測驗資料，資料驅動測驗方法執行，

【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)

總結

隨著運輸八大產品建設方向逐步明確，自動化平臺需要從應用維度重構到產品維度，在腳本不斷融合和解耦程序，如何在新的分層模式設計高復用性腳本，需要大家結合各自業務條線不斷優化改進，

轉載請註明出處，本文鏈接：https://www.uj5u.com/gongcheng/544227.html

標籤：其他

上一篇：高復用性自動化腳本設計實踐

下一篇：團隊如何推進代碼重構作業