最早提到接口测试的优点时,有一个就是执行效率提升,可能是 UI 层面执行的 N 倍。但是今天我要分享的这个案例这个优点的升级版本。
某个接口参数倒是不多,但是每个参数的范围略大,最大的将近 500 个枚举范围,小的也是 20 个。如果把所有参数组合穷举完,粗略估计可能 10 亿级别的。
需求就是要把这部分所有参数组合都遍历进行测试,然后我就开始了踩坑了。
初版方案
一开始的想法就是多个循环嵌套,然后并发发起请求,实现起来非常简单方便。如下:
@Log4j2
class TT extends MonitorRT {
static void main(String[] args) {
["types参数集合"].each {
def type = it
["id类型集合"].each {
def id = it
2.upto(99) {
def a = it
2.upto(99) {
def b = it
2.upto(99) {
def c = it
def params = new JSONObject()
params.id = id
params.endTime = 0
params.type = type
params.paramMap = parse("{"a":"${a}","b":"$b","c":"$c"}")
fun {
getHttpResponse(getHttpGet(url,params))
}
}
}
}
}
}
}
}
但是方案的缺陷显而易见。
- 数量太大,导致后面的异步任务直接被线程池拒绝
- 无法控制 QPS 和并发数
针对这第一个问题,我是增加了异步线程池等待队列的长度,可以我发现了新的问题,就是内存压力太大,这个会在后面的中也遇到。
升级版
针对存在第二个问题,我回归到性能测试框架中,通过动态调整 QPS 的功能来调整 QPS 或者并发数,这里我选择了 QPS,这个更容易更可控。我的思路是,先把所有参数遍历一遍,存在一个 List 当中,然后在去遍历这个 List,通过动态 QPS 压测模型把所有请求发出去。
static void main(String[] args) {
def list = []
["types参数集合"].each {
def type = it
["id类型集合"].each {
def id = it
2.upto(99) {
def a = it
2.upto(99) {
def b = it
2.upto(99) {
def c = it
def params = new JSONObject()
params.id = id
params.endTime = 0
params.type = type
params.paramMap = parse("{"a":"${a}","b":"$b","c":"$c"}")
}
}
}
}
}
AtomicInteger index = new AtomicInteger()
def test = {
def increment = index.getAndIncrement()
if (increment >= list.size()) FunQpsConcurrent.stop()
else getHttpResponse(getHttpGet(url, list.get(increment)))
}
new FunQpsConcurrent(test,"遍历10亿参数组合").start()
}
但是新的问题立马就来了,当我运行改代码的时候,发现本机的 CPU 疯狂飙升,仔细看了一下,原来是 GC 导致的。存放这么多的数据,内存撑不住了。下面就着手解决内存的问题,这里参考10 亿条日志回放 chronicle 性能测试中的思路。
终版
这里用到了线程安全的队列java.util.concurrent.LinkedBlockingQueue以及对应长度的等待功能,再配合异步生成请求参数,基本上完美解决需求。这里依旧使用休眠 1s 来进行缓冲,避免队列长度过大,只有队列长度足够 1s 的 2 倍消费即可。
static void main(String[] args) {
def ps = new LinkedBlockingQueue()
fun {
["types参数集合"].each {
def type = it
["id类型集合"].each {
def id = it
2.upto(99) {
def a = it
2.upto(99) {
def b = it
2.upto(99) {
def c = it
def params = new JSONObject()
params.id = id
params.endTime = 0
params.type = type
params.paramMap = parse("{"a":"${a}","b":"$b","c":"$c"}")
if (ps.size() > 10_0000) sleep(1.0)
ps.put(params)
}
}
}
}
}
}
AtomicInteger index = new AtomicInteger()
def test = {
def params = ps.poll(100, TimeUnit.MILLISECONDS)
if (params == null) FunQpsConcurrent.stop()
else getHttpResponse(getHttpGet(url, params))
}
new FunQpsConcurrent(test, "遍历10亿参数组合").start()
}
随着对队列的学习和使用,最近自己也想写一个 10 亿级别的日志回放功能,到时候对比chronicle看看性能如何,敬请期待。
- 接口功能测试专题
- 性能测试专题
- Groovy 专题
- Java、Groovy、Go、Python
- 单测&白盒
- FunTester 社群风采
- 测试理论鸡汤
- FunTester 视频专题
- 案例分享:方案、BUG、爬虫
- UI 自动化专题
- 测试工具专题



10F
这个类似清理脏数据,需求就是穷举所有参数组合。不存在等价。不是测试用例。
9F
业务上有需要,类似清空脏数据
8F
猜想:
1.是不是作者想表达,这个工具可以满足穷举的测试用例覆盖,功能很强大
2.KPI 功能?
但是
我们做事情,需要有目的,有价值,有意义,而不是炫耀
可能你现在做的这些就跟二楼说那样,出现问题了,你怎么排查,这其中发费的代价有多大,如果不去分析出现的问题,那做的意义何在
7F
没看出来意思是什么,为了证明接口自动化的价值?
6F
想问下,你们测试的时候,也会考虑这 10 亿左右的用例吗?
5F
没看明白意义在哪
4F
看着好强
3F
这样穷尽的测试大概需要多少时间呢
2F
“10 亿” 中得有多少是等价 case…
看着好像是测试完全了,但如果这 10 亿中,有 1w 个结果报错,谁来排查,又怎么排查,属于是管杀不管埋了。
可以看下精准测试相关的落地实践
1F
其实没太看明白,为什么要去遍历这所有的参数组合?有什么实际的意义?