【软件测试】自动化测试日志问题该怎么解决？测试老鸟总结方案...

---

前言

Python自动化测试：https://www.bilibili.com/video/BV1MS4y1W79K/

问题：持续集成的自动化用例很多，测试环境日志level为debug，日志量大概40G/每天，定位问题时日志查询很慢，该怎么解决？

这个问题可以说是自动化测试实践中经常遇到的问题，那么该如何解决这些问题呢？或者说有没有更好的方案来优化这些问题？

下面我们就来分析一下

日志的作用

在聊日志处理之前，先来看看日志的作用。

日志的本质就是记录系统各种操作事件的记录信息。它记录了系统的各项特征，类似医院体检后的体检报告。它反映了系统的健康状态、各项操作事件、系统变更情况以及各种异常隐患。

日志是技术人员处理工作很重要的一个辅助工具和手段，运维可以及时的通过日志发现系统隐患和故障并及时处理问题，开发解决问题离不开日志信息的协助定位，测试在测试过程中也需要借助日志来发现和确定bug。

可以说日志就相当于我们观察系统的眼睛，没有日志就相当于失去了眼睛，系统也失去了可观测性。

日志是保障系统高可用的基础，记录了系统的一举一动，无论是故障处理、系统监控、业务监控以及安全审计，都离不开日志的支持。

日志种类繁多，一个完善的日志系统主要包含如下的日志信息：

日志的分级

日志种类太多不容易区分，如何快速的通过日志来排查处理问题呢？
日志分级是个很好的方案。

日志分级的本质是对“滚动式文本”日志做一个筛选分类，每条日志根据其重要性或严重程度分配一个日志级别。很多应用程序或者工具会自带日志分级，当然你也可以根据自己的需要自定义日志级别。

目前并没有完全通用标准的日志分级方案，当然对日志进行分级还是很有必要的，这样可以有助于提高问题定位和故障处理的效率。下面列举的几种日志等级，只是给大家一个参考思路。

日志的管理

聊完了日志的作用和日志分级，接下来我们聊聊问题该如何处理。

随着自动化测试覆盖的范围越大，case会相应的越来越多，运行频次和集成的case数据一上来，确实会产生很多的日志。

当运行时遇到报错，高效的定位排查就很有必要，面对繁杂的日志，常见的日志管理手段可以参考如下几点：

日志切分：超过设置的文件大小就自动切分（比如超过10M）；
日志分级：参考log4j标准设置或者自定义日志级别（参考上面的内容）；
日志命名：按照时间+日志类型做命名区分（比如2023-04-28-12-error1.log）；
日志清理：根据自动化测试运行频次定时清理过期日志（比如超过48H定时任务自动清理）；

上述的几点建议仅供参考，当然在实际工作中可能还会遇到其他影响因素，比如环境不独立、持续集成的自动化case未做用例集区分导致全量运行产生了大量日志等情况。

接下来我们就再来讲解一下logging框架

python-logging模块中，默认的是root日志收集器，默认的输出级别为：WARNING

自定义日志的操作流程

创建日志收集器：logger = logging.getLogger(“日志收集器的name”)
设置日志收集器的日志级别：logger.setLevel(logging