当前位置: 首页 > article >正文

一款接口自动化神器—开源接口测试平台Lim(Less is More)

前言

对于传统的实现接口自动化的方案往往是搭建自动化框架,通过excel编写用例来驱动执行,例如常见的万金油技术栈组合:excel(编写用例)、pytest(用例执行)、allure(测试报告)等。

很多公司往往是通过自动化框架而非测试平台来实现接口自动化,主要是自动化框架相对于测试平台的建设成本会低很多。 但对于自动化用例的维护、及编写用例的上手难度来讲同样会更难不少。可以看到,建设架构的成本和用例维护成本是一个成反比的关系。而且大多(中小型企业)公司也没有时间或愿意花较高的薪资聘请专门开发测试平台的人员。所以寻找开源的接口测试平台也成为了一个办法。测试平台有很多,但真正能让开展自动化变得高效的却很少。所以,我结合自己这数年间主导建设多个性能、功能、UI及接口测试平台的经验,以及跟行业大厂的交流学习开发了一款接口测试平台—Lim,妄图通过自己的理解来提供一种高效自动化的解决方案。


介绍

Lim是一款轻量级的接口测试平台

Lim是Less is More(少即是多)的缩写,如它的名字一样我们希望用户在开展接口测试时所需的操作更少,但建设效率更高、实现的功能更多。因此我们做了许多交互细节上的优化和创新以及一些大胆的设计,比如:取消了局部变量、前后置计划、抛弃“先接口后用例”的传统建设思想,甚至还取消了“登录”!

你是否会疑问:这群Diao毛去掉了这些还如何高效的开展接口测试?
那还在等什么?赶快进入Lim的世界,看看Lim是怎么通过另一种方式让接口测试变得简单且高效的吧!

在线体验:http://121.43.43.59/

项目地址:

  1. GIthub
  2. Gitee(国内镜像)

主功能介绍

项目主页

index

强大的接口编辑页

参数类型自动识别、自动管理接口入库,接口参数快速回填以及多种编辑模式让应对各类复杂参数游刃有余:

api

全局参数、执行管理

用例输出的变量统一管理,来源可追溯;用例执行状态可控制:
var

多环境管理

能够配置多套环境参数,让一套用例能够在多套服务环境下执行:

m_envir


envir

支持Python代码

用例变量生成、期望判断、执行条件设置等操作完全兼容python代码:

code

更灵活的循环控制

循环控制支持多层嵌套,循环次数支持变量以及支持代码形式break操作:

foreach

强大的步骤控制器

用例步骤支持延时等待、重试次数及执行条件设置。交换简单且更加灵活:

controller

步骤编辑功能

步骤支持合并、复制、拖拽改变排序,批量禁用等功能。一页俱全:
step

“免登录”设计

安全的操作无需登录,让非用例建设人员查看数据报表、报告情况更加快捷方便,减少多余的账号管理和登录操作:
login

弹窗拖拽

所有弹窗皆可拖拽,展示内容更加自由可控:
drag

三分钟快速上手教程:点我访问

答疑、定制化开发

<<点我访问

docker镜像

制作中…

开发环境搭建教程

前端环境

  1. 安装nodejs
  2. 安装yarn
  3. 进入项目中的lim-web目录执行:yarn&&yarn start

后端环境

  1. python3.9+;
  2. mysql5.7+;
  3. 执行项目中的init-db.sql初始化数据库:
  4. 进入LimApi目录执行依赖包安装命令:pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple;
  5. 修改LimApi/LimApi/settings.py文件的DATABASES数据库配置;
  6. 启动服务:python manage.py runserver 0.0.0.0:8001;
  7. (可选)如果不涉及文件上传的操作可不执行:新开cmd窗口进入FileData目录执行命令python3 -m http.server 8003;

注意:因为django默认启动为单线程模式,所以上述的部署方式无法进行并发操作(例:在用例执行的同时进行中断执行的操作)所以可以通过UWSGI来启动项目。对于Linux系统推荐gunicorn+gevent的方式部署,本项目中的requirements.txt已集成了这两个库,所以在linux服务器上将启动命令更换为:python3 -m gunicorn -w 5 -k gevent -t 120 -D LimApi.wsgi -b 0.0.0.0:8006 即可。


在未来的版本还会加入测试报告、Swagger导入、自定义函数以及执行实时监控等功能。还考虑接入目前大火的ChatGPT或一些其他智能的人工智能模型来做一些新奇的功能。
另外小伙伴们提出的问题和BUG也会尽量解决。让我们一起成长吧!

开源不易,全靠用爱发电,如果对你有帮助请给我们点个Star:

  1. GIthub
  2. Gitee(国内镜像)


👇🏻使用中遇到问题,需要答疑👇🏻

http://www.kler.cn/a/5337.html

相关文章:

  • kubernetes第五天
  • C#语言的网络编程
  • AIA - APLIC之三(附APLIC处理流程图)
  • 小程序组件 —— 30 组件 - 背景图片的使用
  • 数仓建模:如何判断一个数仓模型的好坏?
  • Redis 数据库源码分析
  • 自然语言处理: 知识图谱的十年
  • Matlab实现最优化(附上完整仿真源码)
  • 自然语言大模型介绍
  • 阿里面试:为什么MySQL不建议使用delete删除数据?
  • Nginx 安装配置
  • python123
  • Zookeeper工作原理
  • 【react 全家桶】状态提升
  • 论文推荐:ScoreGrad,基于能量模型的时间序列预测
  • 构造函数的调用场景--构造函数与拷贝构造函数、移动构造函数之辨
  • 数据采集之检测图像文件类型
  • 多核处理器结构
  • spring如何开启允许循环依赖
  • HTB-Cursed Secret Party
  • Java云电子病历系统源码,提供电子病历在线制作、管理和使用的一体化电子病历
  • 线程池(2022-09-29)
  • LeetCode.每日一题 831. 隐藏个人信息
  • 1662_MIT 6.828 JOS check_page_free_list实现分析以及boot_alloc问题修复
  • Book:实战Java高并发程序设计(第二版)
  • 如何建立python应用的docker镜像