APP DIFF自动化解决方案

8月7日下午，爱奇艺技术产品团队举办了第17期“i技术会”，本次技术会的主题是“智能化、精准化测试前沿探索”，本次沙龙与TesterHome社区联合举办。

其中，来自爱奇艺的技术专家齐文方、魏真真为大家带来了APP  DIFF自动化解决方案的分享。APP D IFF方案利用deeplink、mock提升了UI自动化稳定率和效率，并结合AUI图像匹配算法，达到接近人工的验证效果，在收藏、card等业务推进落地，以较低成本持续产生收益，在移动端UI自动化方向实现了突破与创新。

福利!!! 关注公众号，在后台回复关键词“测试”，就可以获得本次i技术会嘉宾分享PPT和录播视频。

以下为“APP  DIFF自动化解决方案”干货分享，根据【i技术会】演讲整理而成。

本次分享将从背景介绍、方案设计、业务落地、未来规划四个方面展开，最后再对重点内容“AUI智能自动化方案”进行着重介绍。

01

背景介绍

当前爱奇艺移动端自动化的现状可从元素识别、Case转化、运行环境、应用场景四个维度予以概括。

（1）元素识别，包括ID、TEXT、OCR、AI识别。

（2）Case转化，包括录制回放平台、数据模板、代码编写、智能遍历等。

（3）运行环境，经历了从最早期的本地到后来的Jenkins、自研的云测自动化平台及公司流水线的转变。

（4）应用场景，则包括冒烟准入、灰度回归、插件验收、集成全量case等。

目前，爱奇艺的主要产品线如爱奇艺App、随刻、泡泡APP及极速版APP，都在不同场景下使用整个自动化框架。

但是在应用过程中也遇到了一些痛点和瓶颈。

痛点之一就是不稳定，主要原因是被测对象的变化，包括ID、后端数据还有交互的变化、运行环境设备、网络的不稳定因素，自动化case步长放大影响稳定性等。

主要瓶颈则是校验能力，这主要是由于爱奇艺目前主要使用单点ID、文本，验证点少，日志校验场景较为有限；并且，其对接的是通用AI模型训练，随着UI的改版，需要持续进行标注，成本较高。

以收藏Case为例，测试步骤是：（1）登录帐号（包含5个步骤）；（2）搜索目标影片，在搜索结果页进行播放；（3）回到首页点击收藏按钮；（4）验证半播页是否包含a、b、c某些核心的特征元素。

这是传统的自动化case编写步骤，其中存在一些典型问题。

首先，这个用例的步长过长，最终校验效果差，在我们的用例集合中是稳定率较低的。

爱奇艺从中梳理出了三个优化思路：

（1）缩短case步长，减少case对其他页面、模块的依赖；

（2）控制数据，提高稳定性；

（3）图像校验，使之接近于人工校验的效果。

02

方案设计

从这三个思路出发，爱奇艺设计了一个APP DIFF方案。这个方案基于Uiautomator2框架，结合AUI、Mock、DeepLink的能力，实现基准包、测试包使用相同测试数据，直接拉起目标页，对结果截图进行图像Diff校验，以达到更稳定、更高效、更接近人工校验的自动化解决方案。

下图右侧是APP DIFF的时序图，包含上下两个部分，其一执行base任务，其二执行被测任务。

以base任务为例，它主要用于收集和生产我们提供给测试任务的数据，主要流程包括：首先，启动case任务，执行自动化case，期间会录制执行过程中的数据，执行结束后，将被验图片作为基准图片上传到公司的AUI服务。测试任务执行时，会使用base任务录制的数据，并把最终的结果图片和base任务的图片进行对比，完成自动化任务的校验。

这一整套方案有以下三个技术点。

（1）Deep Link，通过Deep Link可以直达被测页，提高任务的稳定性和效率。

（2）Mock，它能够在整个链路中减少数据变化带来的不稳定性。

<