一个用于大规模连续测试的开源解决方案
软件测试在对业务目标和增长的贡献越来越重要,逐渐成为了企业数字化转型的重要推动力。但软件测试行业仍然在测试维护,自动化,工具和技能方面存在很多痛点。大多数常用工具缺乏功能,太复杂而无法集成,智能化不足,或缺少可用性。
![一个用于大规模连续测试的开源解决方案](https://s3.51cto.com/oss/202008/10/abfac74734018b5745f260a55701221e.jpeg)
Cerberus是一个用户大规模连续测试的开源解决方案。它是由法国服装零售商La Redoute所构建的测试自动化解决方案。它着重于可用性,可伸缩性和测试生命周期过程的集成。
什么是Cerberus?
La Redoute的IT团队在2010年开始开发Cerberus,目标是使现有Web应用程序的手动非回归测试自动化,以加速和提高软件质量的交付。Cerberus被给予厚望,技术团队希望她能够在几分钟而不是几周内通过测试管理,执行和报告来实现迭代。
Cerberus基于Selenium Web驱动程序和具有Java技术堆栈的三层传统架构。开发的关键要求是限制代码来支持可用性,重用性并使测试保持简单。
在开发Cerberus时,大多数解决方案都是商业化的,来解决特定的孤岛,例如测试存储库,执行或分析。Cerberus结合了三个测试孤岛,并启用了Web,API和数据库测试。
Cerberus开源和用例
Cerberus的第一个版本对内部客户关系管理(CRM)解决方案进行了自动功能测试,当时被证明可以成功检测到危险的发布缺陷,所以Cerberus逐渐产品化。
接下来,Cerberus开始测试La Redoute的电子商务平台。在2013年,La Redoute团队意识到开源软件对于产品创新和开发的价值,在GNU通用公共许可证下,La Redoute在SourceForge和GitHub上发布了Cerberus。之后,与所有开源项目一样,Cerberus不断努力来确保代码质量,文档和透明度。
近年来,数字化转型正逐步升级,Cerberus启用了全面的回归测试自动化和监控。并专注于提高测试管理的灵活性,执行可伸缩性和可追溯性,来实现其目标。在功能测试的同时还添加了端到端测试。
La Redoute指出,在某些情况下,Cerberus使软件交付周期加快了10倍以上。案例研究表明,La Redoute在日常部署中取得了96%的成功,并在一年中进行了6000多次自动测试。
![一个用于大规模连续测试的开源解决方案](https://s2.51cto.com/oss/202008/10/f28ce6a7f96d41c183e2aa1b81d49460.jpeg)
目前,Cerberus吸引了众多法国零售商的关注,如迪卡侬,乐华梅林和麦达斯等,都对Cerberus感兴趣。然后,这些企业使用该解决方案来加速其数字化转型,主要用于电子商务和后台转换。
现在,Cerberus添加了标准集成,来提高其可用性。詹金斯插件是一个重要的补充,来促进与自动化测试和反馈CI/CD管道的部署。通过添加对REST API的支持,高级计划,重试和屏幕截图,Cerberus可以进一步缩短测试周期。如,法国零售商Leroy Merlin使用Cerberus进行大规模移动测试。
支持连续测试
通过最近和正在进行的更新,企业可以利用Cerberus从开发到运营的功能。通过在各种浏览器,设备和应用上执行测试,它扩展了数字体验测试的范围。其用于API(包括SOAP和REST),桌面应用程序和Apache Kafka的本机连接器可以测试遗留应用程序,API,事件驱动的微服务,流服务,商业智能,数据科学应用程序和其他用例。
![一个用于大规模连续测试的开源解决方案](https://s5.51cto.com/oss/202008/10/ee17becc0239e9ed47a3f88a708a38a2.jpeg)
在软件开发生命周期中,Cerberus支持测试管理,执行和报告中的快速迭代。用户可以用简单的创建测试规范,使用库编写测试,在各种设备上并行执行以及进行高级报告。与CI/CD解决方案(例如Jenkins,Bitbucket等)的本机集成。
Cerberus还可以监控客户体验和业务运营。测试可以是功能性的也可以是技术性的,从而允许企业测试复杂的方案。例如,法国的电视频道TF1将其用于流媒体平台上的质量保证。
如高级计划,警报,通知以及Web性能和分析仪表盘之类的功能,使发现问题和识别第三方集成或客户体验问题的瓶颈变得更加容易。
相关文章
- Python中的函数与方法 以及Bound Method和Unbound Method
- 一文贯通python文件读取
- Python 中的异步编程:Asyncio
- 7个你现在就该学习Python的理由
- 提高Python运行效率的六个窍门
- Python数据科学:神经网络
- 一篇文章看懂大数据分析就业前景及职能定位
- R和Python中的文本挖掘:8个入门小贴士
- 告诉你为什么Python有点慢,但我却无所谓?
- 专注学习DevOps编程语言Top 5推荐
- Python发送邮件脚本
- Python多进程并行编程实践: mpi4py 的使用
- Python语言在未来的发展前景
- Python vs Ruby: 谁是最好的 web 开发语言?
- Python对Ruby:谁在Web开发领域更胜一筹?
- Python一行代码完成并行任务
- Python开发者2017应该关注的七个类库
- python爬虫入门基本知识
- 在终端中优雅地编写Python
- Python机器学习实战:信用卡欺诈检测