AI-Jenkins自动化测试流程实践

部署运行你感兴趣的模型镜像

为什么做这个实践?

本次内容主要是在GPT的帮助下学习整个自动化用例编写到Jenkins部署运行的一整个流程,为了方便以后得进一步学习。

有哪些意义?

想记录一下对测试的探索,会包括但不限于自动化、安全、稳定性等相关内容。

环境

·设备:Mac本

· 软件:iTerm2、GPT3.5/4.0、Chrome浏览器、Pycharm

对话GPT

用GPT编写一段自动化测试的代码。

貌似一下就略过了很多很多问题,比如接口接入的框架时候应该怎么写,这个后面也会慢慢探索。

Prompt:

我是一名测试工程师,现在想了解关于自动化测试的一些内容,我希望你能给我以下帮助:1、现在网络上存在着很多免费的API可以用来作为练习或者测试,我希望你能够借用这些接口使用pytest框架来编写一个完整的接口自动化测试程序,最少涉及5个接口不同形式请求构造和返回值的验证。并指导我如何将相应代码写入对应的pycharm编辑器中。保证能够运转成功。2、第二步,当我将这个程序运行成功后,我希望能把这个程序放在jenkens上去定时运行,并且定时给我发送运行结果,中间涉及到的操作步骤希望你能够给予我指导。

回复

第一步,编写一个自动化测试程序

·选择免费的API

为了简单起见,我们可以使用一些开放的免费API,如 JSONPlaceholder (jsonplaceholder.typicode.com/),这是一个典型的用于…

· 安装pytest和requests

pip install pytest requests

· 编写测试代码 我们将创建一个测试文件,比如test_api.py,包含对JSONPlaceholder中不同接口的测试。这里涉及5个不同形式的请求:

1)GET请求 - 获取帖子列表

2)GET请求 - 获取单个帖子

3)POST请求 - 创建一个帖子

4)PUT请求 - 更新帖子

5)DELETE请求 - 删除帖子

代码:

  import requests

  # 定义基础URL

  BASE_URL = "https://jsonplaceholder.typicode.com"

  def test_get_posts():

   """测试获取帖子列表"""

   response = requests.get(f"{BASE_URL}/posts")

   assert response.status_code == 200

   assert len(response.json()) > 0

  def test_get_post():

   """测试获取单个帖子"""

   response = requests.get(f"{BASE_URL}/posts/1")

   assert response.status_code == 200

   assert response.json()['id'] == 1

  def test_create_post():

   """测试创建帖子"""

   data = {

   "title": 'foo',

   "body": 'bar',

   "userId": 1,

   }

   response = requests.post(f"{BASE_URL}/posts", data=data)

   assert response.status_code == 201

   assert response.json()['title'] == 'foo'

  def test_update_post():

   """测试更新帖子"""

   data = {

   "id": 1,

   "title": 'updated title',

   "body": 'updated body',

   "userId": 1,

   }

   response = requests.put(f"{BASE_URL}/posts/1", data=data)

   assert response.status_code == 200

   assert response.json()['title'] == 'updated title'

  def test_delete_post():

   """测试删除帖子"""

   response = requests.delete(f"{BASE_URL}/posts/1")

   assert response.status_code == 200

  if __name__ == "__main__":

   pytest.main()

·将代码写入Pycharm

打开PyCharm,创建一个新的Python项目或在现有项目中打开一个新文件。

将上述代码复制粘贴到一个新的Python文件中,例如test_api.py。

保存文件,并确保PyCharm配置了正确的Python解释器,且已安装pytest和requests库。

· 运行测试

在PyCharm的终端中,导航到包含test_api.py文件的目录,运行以下命令执行测试 pytest test_api.py

第二步,将程序部署到Jenkins上并且设置好定时运行

· 安装和配置Jenkins

在你的服务器上安装Jenkins。安装指南可在Jenkins官网找到。

安装完成后,打开Jenkins,并按照提示完成初始设置。

· 创建新任务

登录Jenkins,点击左侧菜单的“新建任务”。

输入任务名称,选择“构建一个自由风格的软件项目”,点击“OK”。

· 配置任务

在“源码管理”部分,选择适当的选项以获取你的测试脚本。如果你的代码在GitHub上,可以选择“Git”,并提供仓库URL。

在“构建触发器”部分,选择“定时构建”,并根据需求配置定时规则,例如每天运行一次可以写为H 0 * * *。

在“构建”部分,点击“添加构建步骤”,选择“执行Shell”,并输入运行测试的命令,如pytest test_api.py。

保存配置。

· 设置邮件通知

在Jenkins中安装“邮件扩展插件”(如果尚未安装)。

配置Jenkins系统设置中的邮件服务器。

在任务配置中的“构建后操作”部分,添加“发送邮件通知”,配置接收邮件的地址,以及何时发送邮件(例如,每次构建后或仅当构建失败时)。

· 运行和测试

手动触发任务运行一次,检查一切是否配置正确。

等待定时任务自动运行,或再次手动触发以测试邮件通知。

过程说明及问题展示

1、自动化程序应该都不是问题,其实这样的用例代码也比较简单,就不再过多的赘述,按照GPT的指示操作就好了,先把文件创建好,然后上传到对应的代码仓库中,做好下一步的准备。

2、要注意我们现在是没有虚拟机的,也就是Jenkins 也要安装在我们的Mac系统中,我是通过Homebrew安装的,没有的话可以找找教程安装一下。

安装Jenkins命令 brew install jenkins-lts 这个lts 意思是长期支持版本

安装完成后启动Jenkins brew services start jenkins-lts 此时Jenkins应该已经在运行了。默认情况下,Jenkins运行在8080端口。你可以通过访问http://localhost:8080在浏览器中打开Jenkins。

直接从Jenkins网站上安装的方式不过多赘述

3、初始化配置

不管如何安装,在第一次访问页面时候都会要求输入管理员密码,网页上有提示如何查看密码,按照指示完成即可,然后按照推荐安装插件,创建管理员账户。

一切都完成,就可以在我们的Mac上开始集成自动化代码的测试工作了。

4、按照上面教程中添加源代码,发现总是存在链接失败的情况(致命:无法从远程存储库读取。)返回状态码128;

这个时候要注意,你的电脑能够上传代码到git仓库,说明你的公钥对已经生成了并且已经填入git仓库了。

我犯得错误是把公钥当成私钥填入Jenkins使用了,所以无法正常的联通数据库。

解决方法;

①在设备的命令行中查看私钥信息。

图片

②复制私钥,打开Jenkins(指的是访问端口的那个),依次进入Dahboard-系统管理-凭据管理,在这里添加一下我们的私钥信息。

图片

PS:可能会让你输入密码,这个密码就是你查看公钥私钥时候让你输入的那个密码,没有的话设置一个最好。大概是这个路径:

③再次尝试连接GIT仓库时候发现成功了(哦去,前提使我们下面选择好对应的私钥username)

5、这时候开始构建,发现是构建成功的了,但是日志会告诉你,邮件并没有发送。看一下邮件配置。

路径如下:Dashboard-系统管理-系统配置-拉到最下面-邮件通知。

有几个选项需要填写,因为我是由163邮箱发送信息到我的163邮箱(怪怪的)

· SMTP的服务器:smpt.163.com

· 用户默认邮件后缀好像没啥用,不填也行。

· 高级设置中有几个内容要正确:

用户名:你的发件邮箱名。

密码:你的邮件授权码(没有的话去对应的网页版申请一下,申请完可以保存起来,可长期使用,你手机上用自带那个邮箱软件时候也可以用到)

端口:一般是465、587,前者就OK

别的不管

·点击通过发送测试邮件测试配置,填写你的发件邮箱,Test Configuration。即OK

6、完成,这个时候当你的自动化测试执行失败时候就会有对应的邮件通知了。

行动吧,在路上总比一直观望的要好,未来的你肯定会感谢现在拼搏的自己!如果想学习提升找不到资料,没人答疑解惑时,请及时加入群: 771645171,里面有各种测试开发资料和技术可以一起交流哦。

最后: 下方这份完整的软件测试视频教程已经整理上传完成,需要的朋友们可以自行领取【保证100%免费】

​​​软件测试面试文档

我们学习必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有字节大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。

在这里插入图片描述

在这里插入图片描述

您可能感兴趣的与本文相关的镜像

GPT-oss:20b

GPT-oss:20b

图文对话
Gpt-oss

GPT OSS 是OpenAI 推出的重量级开放模型,面向强推理、智能体任务以及多样化开发场景

AI 代码审查Review工具 是一个旨在自动化代码审查流程的工具。它通过集成版本控制系统(如 GitHub 和 GitLab)的 Webhook,利用大型语言模型(LLM)对代码变更进行分析,并将审查意见反馈到相应的 Pull Request 或 Merge Request 中。此外,它还支持将审查结果通知到企业微信等通讯工具。 一个基于 LLM 的自动化代码审查助手。通过 GitHub/GitLab Webhook 监听 PR/MR 变更,调用 AI 分析代码,并将审查意见自动评论到 PR/MR,同时支持多种通知渠道。 主要功能 多平台支持: 集成 GitHub 和 GitLab Webhook,监听 Pull Request / Merge Request 事件。 智能审查模式: 详细审查 (/github_webhook, /gitlab_webhook): AI 对每个变更文件进行分析,旨在找出具体问题。审查意见会以结构化的形式(例如,定位到特定代码行、问题分类、严重程度、分析和建议)逐条评论到 PR/MR。AI 模型会输出 JSON 格式的分析结果,系统再将其转换为多条独立的评论。 通用审查 (/github_webhook_general, /gitlab_webhook_general): AI 对每个变更文件进行整体性分析,并为每个文件生成一个 Markdown 格式的总结性评论。 自动化流程: 自动将 AI 审查意见(详细模式下为多条,通用模式下为每个文件一条)发布到 PR/MR。 在所有文件审查完毕后,自动在 PR/MR 中发布一条总结性评论。 即便 AI 未发现任何值得报告的问题,也会发布相应的友好提示和总结评论。 异步处理审查任务,快速响应 Webhook。 通过 Redis 防止对同一 Commit 的重复审查。 灵活配置: 通过环境变量设置基
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值