android微信小程序自动填表_微信小程序自动化性能监测方案

目前，许多团队的微信小程序都在自动化测试的探索，本文从自动化测试过程中产生的数据进一步分析，得出相关的性能指标，为后续的性能优化做数据支持。

一、自动化测试框架选择

对于微信小程序的测试框架的选择问题上，个人觉得仅仅在于是否使用FAutoTest，这个由腾讯TBS出品的测试框架。该框架对基于TBS内核应用的测试上是非常友好的，但该框架的优势仅仅停留在在早期的小程序版本，其内核能切换至Webview。通过实践发现，最新的小程序版本已经无法切换，因此嫡亲的FAutoTest框架已无明显优势。

转为选择业内比较流行的测试框架。目前，业内的测试框架大致分为两大类，一类是传统的自动化测试框架，如Appium、Macaca（阿里）；另外一类是基于UI视觉的自动化测试框架，如SikuliX、Airtest（网易）。两者的实现差别如下表：

对于传统的测试框架，实现基本依赖于在客户端安装一个能执行选择或者交互行为的APP，例如在IOS端会安装XCUITest。而基于UI视觉的方案是基于STF框架中的工具，如视频流minicap，minitouch工具等，这些工具是用NDK开发的，只需要向客户端上传对应编译好的文件，后台运行即可。

从两者的实践对比结果如下：

由于传统的测试框架是基于CS框架，通信交换耗时相对较长。而基于UI视觉的底层框架是基于socket的，实时性较高，再结合与高效的图像diff算法，能快速响应。

二、采集监测框架设计

采集框架

整体的采集监测框架分为采集部分和统计分析部分。在采集部分中，本方案使用了Appium作为自动化测试框架，结合minicap采集实时快照流数据。图中的小程序rpc server能直接将自动化脚本的运行环境与小程序的运行环境连接起来，能提供更多的native能力，如元素的选择等。在自动化脚本中，提供了minicap和小程序性能面板的控制，如在QA流程case中自动打开性能面板和导出traceLog文件等操作，以及集成一些性能case，如每个页面的滚动操作等。在整个QA流程case结束后，会产生快照和TraceLog数据并进行离线存储。在统计分析部分中，首先是对离线文件进行源数据处理，然后根据制定的性能指标进行计算，最后输出统计报表。

二、数据采集

在编写好测试脚本后，即可测试流程，除了正常的流程测试框架的辅助，如断言库等，与此同时我们还能获取到测试过程中的视频，以及针对微信小程序，我们还能导出其独有的TraceLog，这个在开发者工具中Trace选项卡中可以追踪展现。

2.1 数据类型

本方案中采集到的数据，主要分为以下两块：