接口测试常见的测试数据准备方法

Posted 2022-06-21 sysu_lluozh

生成测试数据的方法主要有以下几类：

• 基于GUI操作生成测试数据
• 基于API调用生成测试数据
• 基于数据库操作生成数据
• 基于第三方库自建数据
• 结合多种方式生成数据

接下来详细分析一下各种方法的特点以及适用场景

一、GUI操作生成数据

基于 GUI 操作生成数据，是指使用自动化脚本或者人工执行业务流程生成数据

例如，现在需要测试登录功能，这就需要准备一个已经注册的用户，此时，可以通过 GUI 操作来创建一个用户 (无论是手工还是自动化脚本)，然后再用新建的用户测试登录。这种方式简单直接，并且数据来源于真实的业务流程，一定程度保证了数据的准确性。然而，缺点也很明显：

• 创建的效率低
  每次的GUI操作只生成一条数据，并且操作非常耗时

• 工作量大
  通过GUI操作生成数据的过程，其实就是在开发自动化case的过程，加大了工作量

• 成功率不高
  GUI的变化直接会导致数据生成失败

• 引入其他依赖
  数据生成成功的前提，依赖于业务流程的正确性

一般情况下，基本不会使用这种方式生成数据，除非没有其他更好的方式来创建可靠的数据。不过，”操作 GUI 生成数据”却是其他两种方式“API调用”和“操作数据库”的基础

二、API调用生成数据

通过调用API生成测试数据，是目前测试数据生成的主要方法

那么，如何获取到这些API呢？通常推荐按照下面的顺序，来查找API相关的信息

1. API接口文档
   通常成熟的开发团队，都会编写API的接口文档，接口文档中会详细描述接口的URI和调用参数，这是最直接有效的办法

2. 通过抓包
   抓包在测试中是非常常用的辅助手段，可以在操作APP或者WEB页面时，对操作进行抓包，通过对抓取到的请求包，分析接口的各种参数。这也是相对高效的办法

3. 查看日志文件
   对于已经上线的接口，可以通过服务的日志，来查看接口调用过程中的URI和参数等内容

4. 阅读源码
   如果前面三种方法都不能用，那么可以在Gitlab上查看开发人员的项目代码，通过阅读代码的方法，找到接口请求的各种参数

由于后台接口一般比较稳定，大大提高了测试数据构造的准确性和成功率。另外，由于直接给API传递参数，通过参数的组合可以构造成某些GUI方法不能构造出来的测试数据

实际上使用 GUI 操作生成数据，本质上也是在调用 API，所以一般情况下，通常都把调用 API 生成数据的过程封装成数据准备函数。这种方式优势在于：

1. 保证数据准确性
2. 执行效率高
3. 封装成函数更灵活可控

通过 API 构造测试数据的方法也不是完美的，主要有几个方面：

1. 并不是所有数据创建都有对应的API
2. 业务很复杂的情况下，需要调用多个API

有时候测试数据之间是有关联关系的，为了保证测试数据的完整性和一致性，需要依次调用多个API，无形中增加了测试数据准备的复杂性

1. 需要海量数据时，即使使用了并发，效率也尽如人意

调用API创建测试数据适合与自动化测试相结合，在实际的测试实践中，往往把API封装成测试数据准备函数供自动化测试用例使用。当API内部逻辑有修改时，依旧可以通过封装函数来准备测试数据，对测试用例来说是完全透明的

三、数据库操作生成数据

通过往数据库中直接插入数据，是非常常用的构造测试数据的方法

具体做法是，将创建测试数据的SQL语句封装成一个个测试数据生成函数，当创建数据时，直接调用这些封装好的函数即可。这种方法有一个非常大的优点是生成测试数据的效率非常高，可以短时间内往数据库中插入大量的测试数据

这种方式的优势在于：

1. 效率高，能在短时间内生成批量数据

缺陷也很明显：

1. 数据容易缺失
   一个业务操作设计到的表往往不止一张，容易遗漏

2. 健壮性差
   SQL语句变化时，封装的函数必须实时同步更新，维护成本很高

四、第三方库生成数据

测试实践中，经常会需要生成很多随机的数据，对于这类需求，直接使用代码封装成函数生成数据

以python为例，可以结合random()之类的函数随机生成数据，还可以使用比如faker第三方库实现

from faker import Factory

fake = Factory().create('zh_CN')

def random_phone_number():
    '''随机手机号'''
    return fake.phone_number()

def random_name():
    """随机姓名"""
    return fake.name()

def random_address():
    """随机地址"""
    return fake.address()

def random_email():
    """随机email"""
    return fake.email()

这类生成测试数据方法使用的场景，对数据本身的值不关心但是测试中又必须需要这些参数的情况

五、结合多种方式生成数据

在实际工作中，很少使用单一的方法就能满足测试的需求，往往是综合运用上述各种方法

一个典型的应用场景是，通过API生成最基础的测试数据，比如车辆的vid，然后使用数据库和MQ的方法是生成符合测试需要的车辆状态数据

以上报车辆状态数据的测试为例子，分享一下具体的如何将API调用和MQTT协议的方法结合起来构造测试数据

比如要测试云端对车辆上报的报警数据的处理是否符合要求：

1. 需要通过调用注册 Vechile ID 的接口来注册一台车并且获得车辆证书，通过调用这个接口我们可以得到一个车辆的 ID 以及证书数据
2. 结合MQTT协议产生车辆的报警数据

为了构造测试数据的更加便捷，往往是对上面的操作进行封装，用封装后的方法产生测试数据