去哪儿网自动化测试系统 TARS 的设计迭代方案-崔宇

去哪儿网UI自动化系统TARS的设计演进方案

UI自动化测试的技术现状

• 技术基础：点击元素识别、模拟操作
• 常用框架：Appium、WDA、UI Automator、Espresso、Selendroid、Selenium
• 元素识别方式：图像/AI识别
• 识别技术发展：从HTML/CSS选择器到图像识别，再到AI识别（如login_page.input_name(user_name)）

TARS实现及演进方案

整体演进方案

• 阶段一：case录制、任务构建设备调度、手动编写
• 阶段二：引入Jenkins、TARS云测平台、单机分布式集群

UI自动化框架选型

• 框架选择：WDA（Android）、Android Web、iOS

基于POM的case设计

• 手动编写流程：
  • 使用线上数据工具获取场景参数（如北京-上海、8月19日、CA4220）
  • 通过数据工具选择出发城市、到达城市、日期，点击搜索
  • 判断页面有航班信息，封装页面行为方法执行case

手动编写的问题及分析

• 问题：标签手动维护、脚本手动编写、数据手动生成、断言手动编写

自动录制case原理

• 原理：运行时数据+程序代码操作行为回放
• 元素标签自动添加：
  • 通过编译阶段自动注入，避免人为影响
  • 使用diff方式自动匹配新旧标签关联（如View改版前到View改版后）
• 录制脚本生成：
  • 交互组件代理组件交互事件记录行为埋点
  • 编译环节为交互组件添加行为事件埋点

数据现场保留及回放

• 开启录制：存储网络请求/返回数据，导出文件
• 开启回放：mock网络返回数据，导入文件（使用JSON MOCK工具）

自动生成断言

• 手动模式：基于路径识别（如首页->商品列表->购买->确认订单）
• AI智能识别：通过模式识别组件内容，返回结构化信息准确定位断言

手动录制与自动录制对比

• 手动录制：适用于端到端测试（后端发布、重要业务）
• 自动录制：适用于前端发布测试（稳定业务、日常迭代）

设备调度管理

• 旧模型：Jenkins+自动化脚本，单机模式
• 新模型：TARS云测平台，分布式集群

成果收益

指标介绍

• 覆盖度：设备覆盖度和业务覆盖度
• 拦截跳过率：发布时跳过自动化测试的比例
• 准确率：排除错误判定后的比例
• 召回率：实际发现bug与真实bug的比值
• 运行时长：单次任务执行时间

迭代效果

• 业务覆盖：从少数业务线到全业务线接入
• 人力节约：每月节约近百PD（迭代测试）→近几百PD（日常发布）
• 发布质量：从前端发布无故障→全业务线前后端发布降低线上故障
• 运行时长：平均30分钟→平均10分钟

未来计划

• UI自动化发展方向：
  • 跨平台识别操作：脱离平台限制，使用机器臂操作
  • 脱离元素标识识别：通过AI模仿人眼识别元素
• 技术提升：
  • 持续提升case编写体验及运行可靠性（AINLPIDE）
  • 基于UI自动化技术的更多服务