Docker与自动化测试及其测试实践

小雪崩

　　Docker 与自动化测试
对于重复枯燥的手动测试任务，可以考虑将其进行自动化改造。自动化的成本在于自动化程序的编写和维护，而收益在于节省了手动执行用例的时间。简而言之，如果收益大于成本，测试任务就有价值自动化，否则受益的只是测试人员的自动化技能得到了提升。利用 Docker 的快速部署、环境共享等特性，可以大大减少自动化的成本，使很多原本没有价值自动化的测试任务变为了有价值自动化的任务，大大提升了项目效率。
那么如果自动化测试已经运行在了虚拟机中，是否有必要使用 Docker 技术将其进行改造？这个就要具体问题具体分析了。笔者并不赞同将所有测试任务一刀切的进行容器化改造。如果当前虚拟机已经满足测试需求，你就需要评估一下引入 Docker 进行改造所需的成本，其中包含学习 Docker 技术所需要的时间成本。反之，如果虚拟机无法满足当前的测试需求，可以考虑尽快引入 Docker 进行改造。

　　Docker 的约束
Build, Ship, and Run Any App, Anywhere. 这是 Docker 公司高调宣称的口号，即在任何平台都可以构建、部署、运行任何应用。然而，由于 Docker 自身的特点，其使用场景有一些约束：
(1) 因为容器与主机共享内核，如果容器中应用需要不同的内核版本，就不得不更换主机内核。但如果主机内核变更后又会影响到其它容器的运行。变通的方法是将应用源码的编写与内核特性解耦。
(2)Docker 使用时需要 3.10 或以上版本的内核，这是最低的限制。如果你需要使用更高级的 Docker 特性，如 user namespace，那么还需要更高版本的内核。
(3) 使用“--privileged”选项后可以在容器内加载或卸载内核模块，但这个操作会影响到主机和其它容器。
(4) 无法模拟不同平台的运行环境，例如不能在 x86 系统中启动 arm64 的容器。
(5) 因为 Docker 采用了 namespace 的方案来实现隔离，而这种隔离属于软件隔离，安全性不高。不适合安全性高的测试任务。
(6) 因为目前没有 time namespace 技术，修改某个容器时间时就不得不影响到主机和其它容器。
适用于 Docker 的测试场景
由于容器与主机共享内核使用，凡是和内核无强相关的测试任务是适合引入 Docker 进行改造的，例如源码编译测试、软件安装测试、互联网应用测试、数据库测试等。而与内核强相关的测试任务是不适合使用 Docker 进行改造的，如内核网络模块测试、内核 namespace 特性测试等。
Docker 测试实践
容器化编译系统测试

　　早期我们将 linux 发行版安装到物理机中进行测试。当需要重新进行全量测试时不得不手动还原测试环境。之后改用了虚拟机，虽然能够通过自动化的方式实现环境还原，但虚拟机的损耗较大，效率不高。
如果对软件测试、接口测试、自动化测试、性能测试、LR脚本开发、面试经验交流。感兴趣可以175317069，群内会有不定期的发放免费的资料链接，这些资料都是从各个技术网站搜集、整理出来的，如果你有好的学习资料可以私聊发我，我会注明出处之后分享给大家。

　　之后我们尝试将环境制作成 Docker 镜像，同时进行了如下的改进：
(1) 通过 Docker 的“-v”选项，将主机目录映射到容器中，实现多个容器共享测试代码。测试代码部署时间从 2 分钟减少到 10 秒。
(2) 将大粒度的执行时间较长的用例拆分成为若干个小用例。
(3) 利用容器并发执行测试。
(4) 使用 Dockerfile 梳理产品依赖包和编译软件的安装。
编译系统测试是用户态的测试，非常适合使用 Docker 进行加速。如果需要针对某一个 linux 发行版进行测试，可以通过 Docker 快速部署的特点，将所有的资源快速利用起来，从而达到加速测试执行的目的。
linux 外围包测试

　　外围包包含动态链接库文件和常用的命令行工具，属于 linux 操作系统的中间层，其上运行着应用程序，其下由 linux 内核支撑。起初的外围包测试采用串行执行，效率不高。同时受到环境污染的影响，容易产生软件缺陷的误报。在改进方面，我们首先通过 Dockerfile 基于 rootfs 制作一个 Docker 镜像，然后通过 Docker-compose 工具实现测试用例的并发执行。

　　以下是改进前后的对比。

　　通过 Docker 进行测试加速的原理
Docker 本身并不会直接加速测试执行。在串行执行测试时，在容器中执行测试反而会带来约 5% 左右的性能衰减。但我们可以充分利用 Docker 快速部署、环境共享等特性，同时配合容器云来快速提供所需的测试资源，以应对测试任务的峰值。如果忽略环境部署时间，当每个测试用例粒度无限小并且提供的测试资源无限多时，测试执行所需的时间也就无限小。