在 AWS Device Farm 上支持 Airtest 测试框架

在 AWS Device Farm 上支持 Airtest 测试框架

💡 原文中文,约5300字,阅读约需13分钟。
📝

内容提要

AWS Device Farm是一种云端移动应用测试服务,支持多种自动化测试方式和范围。Airtest是一个跨平台的开源自动化测试框架,具有简洁易用的API和内置AI视觉识别引擎。通过利用Device Farm的自定义测试环境功能,可以支持Airtest在AWS Device Farm上执行测试。这种方案可以提高测试用例的准确性和稳定性,拓展了Airtest框架的应用场景。

🔎

延伸解读

为何需要自定义测试环境

AWS Device Farm 原生不支持 Airtest,且 Airtest 对 Python 版本、依赖库和 ADB 版本有特定要求,与 Device Farm 默认环境不匹配。自定义测试环境功能通过 YAML 文件开放 install、pre_test、test 和 post_test 四个阶段,允许用户安装依赖、复制定制 ADB 组件并启动测试,从而在不修改 Device Farm 底层的情况下集成 Airtest。

外壳项目与 YAML 配置的关键步骤

方案采用 Appium Python 项目作为外壳,将 Airtest 项目包装成 Device Farm 可识别的格式。YAML 脚本中需设置 Python 版本、安装 requirements.txt 依赖,并将 Device Farm 定制的 ADB 复制到 Airtest 预置目录,赋予执行权限后运行 airtest.py。这些步骤确保 Airtest 在云端真机上正确执行。

当前方案的局限与适用性

该方案目前仅支持 Android 设备,尚未对 iOS 设备做支持。此外,它依赖自定义测试环境功能,需要用户维护 YAML 脚本和外壳项目,并确保依赖版本与 Device Farm 环境兼容。因此,它更适合已有 Airtest 项目、希望利用 Device Farm 真机资源且能接受额外配置工作的团队。

❓

Q&A

AWS Device Farm 支持哪些自动化测试框架?

AWS Device Farm 支持 Appium、Calabash、Espresso、XCUITest 和 UI Automator 等自动化测试框架。

Airtest 框架有什么主要特点?

Airtest 是一个跨平台的开源自动化测试框架,具有简洁易用的 API 和内置 AI 视觉识别引擎,支持多种操作系统和应用类型,并具有可视化测试录制和回放功能。

在 AWS Device Farm 上运行 Airtest 面临哪些挑战?

主要挑战包括:AWS Device Farm 原生不支持 Airtest 框架,需要对 Airtest 进行定制;Airtest 对测试环境组件(如 Python 版本、依赖库、ADB 版本)有深层次定制,需要与 Device Farm 环境匹配,否则会导致测试失败或错误结果。

如何利用 Device Farm 的自定义测试环境功能支持 Airtest?

通过创建外壳项目(如 Appium Python 项目)包装 Airtest 项目,并利用自定义环境的 YAML 文件配置安装 Airtest 所需依赖(如 Python 库、定制版 ADB),为可执行文件赋权并启动 Airtest 测试。

在 AWS Device Farm 上运行 Airtest 的具体配置步骤是什么?

步骤包括:将 Airtest 项目复制到 GitHub 项目的 test_package 目录并执行打包脚本;在 Device Farm 控制台新建 Automated test 项目;测试框架选择 Appium Python,执行环境选择 custom environment,并粘贴提供的 YAML 脚本;最后用默认配置完成剩余步骤。

这个方案目前有哪些局限性?

目前方案尚未支持 iOS 设备,如有需求需联系作者进一步讨论。

🏷️

标签

➡️

继续阅读