目录：导读
前言
Python自动化测试：https://www.bilibili.com/video/BV16G411x76E/
我们先来说一下现在自动化测试主要的几个方向（以python语言为主）：
接口自动化测试方向：Python+requests+pytest+yaml+alluer+Jenkins；
web自动化测试方向：Python+selenium4+pytest+POM+allure+Jenkins；
app自动化测试方向：Python+appium+POM+pytest+allure+Jenkins；
测试环境选择和搭建
自动化测试运行环境，不外乎测试环境(SIT)、验收环境(UAT)、灰度环境(PRE)和生产环境(PROD)。
在不同的环境运行的目的、效果、优势和不足也各不相同。
下面是不同环境的区分对比结果：
| 环境名称 | 优势 | 不足 |
|---|---|---|
| 测试环境(SIT) | 节省环境资源，代码版本比较新，可及时验证，复用性强 | 服务不稳定，测试数据容易混淆，测试结果准确性不高，需要人工二次校验 |
| 验收环境(UAT) | 服务相对稳定，环境复用性强，代码版本相对较新 | 测试数据容易混淆 |
| 灰度环境(PRE) | 环境稳定，服务齐全，可以更好的进行业务流程的自动化测试 | 测试数据容易混淆，需要单独的维护和管理测试数据 |
| 生产环境(PROD) | 环境稳定，服务齐全，主要用来做线上主流程巡检，防资损 | 需要单独维护测试数据和账号，且需要配置白名单过滤，防止污染生产数据 |
不同环境对自动化测试开展的便利性和制约性不同，建议根据自动化测试的成熟度、要解决的问题来选择不同的环境。
当然，如果选择搭建单独的自动化测试环境，就要考虑环境资源申请、域名、代码仓库权限、维护成本等因素。
还有个很容易忽视的点就是服务器操作系统类型和版本，举个我当时遇到的例子：
要做web的UI自动化测试，工具选择了selenium，我们常用的浏览器是chrome，用户使用环境是windows，自动化测试要求快速无感执行，
就需要考虑Linux环境下基于chrome浏览器的case执行(chromium)，还要考虑Linux操作系统对chrome的适配问题（centos和uhuntu，以及centos的版本选择），甚至还要考虑浏览器驱动的适配问题。
测试框架选型和设计
近几年成熟稳定的开源自动化测试工具和框架可选择的比较多了，但具体问题具体分析，测试框架的选型和设计同样是很重要的事情。
在选择测试框架或者工具时，一般需要考虑如下几方面：
自动化测试类型：UI/API/UNIT，UI自动化要考虑web和移动端的区别，单元测试要考虑被测系统的开发语言；
框架自身的生态：框架支持的编程语言、社区活跃度、文档是否齐全、业内落地案例、测试同学自身的技术栈；
框架的学习成本：不能只考虑选择个人熟悉的，还要考虑后续的多人协同，团队其他同学的学习上手难度；
框架的维护成本：后期case多了或业务场景变更后，case的维护成本以及框架本身是否提供了更好的封装模块；
测试脚本和数据管理
测试脚本和测试数据管理，需要结合自动化测试的执行环境一起来看。
一般来说，测试脚本为了便于统一管理和多人协作维护，现在都是采用Git+gitlab的方式，做好版本管理和分支规范即可。
而测试数据的管理，相对来说比较复杂，可选的方式也不同。
下面是常见的几种测试数据管理方式对比：
| 测试数据管理方式 | 优势 | 不足 |
|---|---|---|
| Excel参数文件形式 | 数据维护方便，简单快捷 | 不利于多人协作，数据量大了之后数据维护更新成本高 |
| 配置文件形式 | 适合热点数据/通用信息管理，如账号密码等 | 无法适用于复杂场景和大规模的数据管理 |
| 数据库统一管理 | 便于数据隔离，统一管理 | 一般是配合单独的自动化环境一起维护，需要专业的DBA团队来进行数据库的管理和维护，成本较高 |
测试范围和校验粒度
标题所述的两点，其实是同一种问题。
测试范围的筛选，需要结合投入的资源，项目紧急程度来综合评估，一般测试范围的覆盖优先级，可以遵循这个顺序：核心业务——高频业务——问题较多的业务。
覆盖率的考量，可以遵循这个顺序：核心场景——核心业务流程——异常场景，如此覆盖后，再考虑逆向流程。
测试用例的粒度，可以参照功能测试用例的区分，从 P0 &冒烟case到 P1 再到 P2，以此类推。
当然，如果遇到比较复杂和亢长的流程，可以考虑拆分为多个测试用例，在同一个任务里按上下游关系去执行。
粒度的设定和拆分，在不同阶段有不同的划分。刚开始落地时，可以由粗到细，先实现再考虑不断优化。
持续集成和测试报告
自动化测试，如果无法做到持续集成快速验证，那就不能称之为自动化。
要做到将自动化测试，我个人认为有如下几个标识来判断：
执行的频次和效率：比如1天可以执行100个功能case，那自动化最起码要在10分钟甚至1分钟内完成；
执行结果自动校验：功能测试可以人工来判断测试是否通过，自动化测试的通过率&成功率需要达到一定的成功率(比如90%以上)，且失败的case可以重试验证，或者失败的结果和日志及时通知给相关人员；
无人值守自动运行：这点其实很多方法可以实现，比如定时任务，条件触发。当然做到这点还算不上自动化，必须考虑到如果出现重大问题还需要及时的发现和告警通知；
是否融入交付流水线：交付流水线即我们今天常说的CICD或者devops流水线，常见的场景有服务打包编译后的自动化单元测试，服务自动发布后的接口自动化和UI自动化测试，以及服务上线前和上线后的自动化冒烟和回归测试，甚至还可以加入线上的日常自动化巡检。
| 下面是我整理的2023年最全的软件测试工程师学习知识架构体系图 |
一、Python编程入门到精通
二、接口自动化项目实战
三、Web自动化项目实战
四、App自动化项目实战
五、一线大厂简历
六、测试开发DevOps体系
七、常用自动化测试工具
八、JMeter性能测试
九、总结（尾部小惊喜）
每天醒来，我们都要以积极的心态面对新的一天。无论前方道路如何崎岖，我们都要勇往直前，在奋斗中不断成长。相信自己，坚持不懈，追逐成功的脚步！
成功路上，最大的敌人永远是自己。要战胜内心的懒惰和贪婪，不断超越自我，做最好的自己。只有持之以恒，才能开创属于自己的辉煌未来！
人生没有彩排，每一次都是现场直播。要勇敢面对生活的挑战，不畏困难和失败，坚韧不拔地追求自己的梦想，只有这样，才能创造更加美好的明天！