软件测试培训之面向Robot Framework的回归测试选择算法

　　Robot Framework是一个通用的、关键词(keyword)驱动的测试自动化框架。在Robot Framework中，测试用例由suite文件组成，每个suite包含一个或多个test case，每个case则由若干Robot或者Python语言实现的keywords组成。整体上呈现模块化结果。

　　基于Robot Framework开发自动化测试，实践的是测试用例即代码(test-case-as-code)理念。这意味着，我们需要像编写软件代码一样编写测试代码，需要像管理软件代码一样管理测试代码。例如，我们的某个基于Robot Framework的自动化测试项目，包含200个左右的源文件和20000多行代码，就是采用git来管理的。

　　敏捷的要义之一就是拥抱变化。在实践中，被测软件的变化是常态。这经常意味着自动化测试用例也需要改变。另外，针对测试用例的优化和维护也是一种日常的工作。因而，测试用例仓库的改动是一件高频的事情。据统计，上述Robot Framework项目，在过去三个月，90%的文件都被修改过;在每一个工作日，平均有15个文件发生修改。

　　测试代码的改动，同样需要经过回归测试的验证。那么，如何在每次测试代码改动时，自动选择受影响的测试用例呢?

　　这里，介绍一种面向Robot Framework的回归测试选择算法(Robot Test Selection, RTS)。。

　　RTS算法的描述如下。

　　输入：候选测试suite列表、改动文件列表。

　　第1步：试运行测试集。利用Robot Framework的dryrun功能，虚拟地执行候选suite。所谓dryrun，就是在调用但不真正执行keyword的情况下，“尝试性”地执行测试。Robot Framework提供这个功能的本意是为了对测试代码进行快速的静态检查，发现语法问题。这里，RTS借用这个功能，得到与真实执行相同的，反映suite、test case和keyword调用关系的执行结果。

　　第2步：计算依赖关系。解析第1步的执行结果，使用递归算法获得每一个候选suite执行过程中直接和间接调用的keywords。当然，我们这里关心的是keyword所在的源文件路径。因此，我们计算得到的是每一个候选suite所依赖的包含keywords的Robot文件和Python文件列表。

　　第3步：选择测试子集。根据输入的改动文件列表文件和第2步得到的依赖性关系，从候选测试suite列表中过滤出所有依赖于至少一个改动文件的suite。过滤的结果就是选择的结果，其是候选测试suite列表的一个子集。

　　返回值：选择的suite子集。

如需了解更多测试技术信息请关注：https://www.duoceshi.cn/jswz/深圳多测师软件与技术服务有限公司