一款开源的Diffy自动化对比测试框架：超详细实战讲解

1. 前言

软件测试是软件开发生命周期一个十分重要的环节，测试工作开展的好坏，很大程度上决定了产品质量的好坏，但软件产品随着版本的持续迭代，功能日益增多，系统愈加复杂，而从质量保障的角度，除了要保障好每次新增、优化的产品质量外，还需要确认新增或修改的功能不影响之前已存在的功能。若要进行产品功能全量回归，这个测试的工作量将会非常巨大。同时因为是回归，可能几百甚至上千用例中才会发现一个问题，甚至一个问题也没有，测试投入工作的时间与最终的收益不成比例。

因此如何在有限的时间、人力投入下，有效、高效的保证产品回归测试的质量，也一度成为了行业老司机以及团队管理者头疼的问题！

image

而今天的主角Diffy则为上述问题提供了较好的解决方案。它基于稳定版本和它副本的输出，对候选版本的输出进行严格对比，以检查候选版本是否正确，大大降低了回归工作量。

接下来，让我们详细了解一下Diffy的工作原理，以及结合实战演练带大家感受一下它的魅力。

2. 关于Diffy

关于Diffy,公号此前发表过一篇文章:
推荐一款Diffy：Twitter的开源自动化测试工具
有过详细介绍，之前不了解的读者，可详细阅读一下。

简单来理解，Diffy是一个开源的自动化测试工具，是一种自动Diff测试技术。它能够自动检测基于Apache Thrift或者基于HTTP的服务。通过同时运行新/老代码，对比运行结果，发现潜在bug。并且使用Diffy，只需要进行简单的配置，而不需要再编写测试代码。

3. Diffy工作原理

在整个测试开展过程中，Diffy需要部署三个版本的系统，以实现它的噪声过滤和对比功能，它们分别是：

• 候选版本（candidate）：该版本为待测版本，有着最新待测代码。
• 稳定版本（primary）：该版本通常是已经上线版本，或者是已知功能正常的版本。
• 稳定版本副本（secondary）：该版本是稳定版本的副本，和稳定版本运行相同的代码，主要用于排除噪声。

而Diffy主要职责充当了一个前置代理服务的角色，它能够将来源请求分发到不同版本的系统中去，通过对各个版本系统的输出进行对比，做出最终的结论。

Diffy整个工作原理流程图如下：

image

说明：

• diffy本身作为一个代理服务（proxy），需要人为构造或引流http请求，发到proxy代理服务中。
• 当proxy代理服务接收到请求后，会把请求分发到三个地方：被测服务，通常称之为侯选版本（candidate）、稳定版本（primary）服务、稳定版本副本（secondary）服务；
• 接着，侯选版本服务与稳定版本服务的返回结果进行diff，生成原始diff结果（raw differences），即原始区别；
• 其次，稳定版本与稳定版本副本的返回结果进行diff，生成噪声diff差异值结果（non-deterministic noise），即噪声，通过对这些差异值做减法来消除噪声。
• 最后，通过比对原始的diff结果与消除噪声后的结果，得到最终的diff结果通过去噪声，得到最终过滤后的diff结果（filtered differences）；

最终过滤后的对比结果会在平台提供的html页面中展示出来。

为了方便大家更好的理解上述工作流程，在网上找了一张图，标注了一下示例（本图来源于网络）：

[图片上传失败...(image-4b10ff-1593567011573)]

其中：

• 原始区别为候选版本和稳定版本之间输出的区别，其中可能会包含上述的噪声。
• 噪声从稳定版本和其副本中获得，如果两个运行相同代码的系统输入相同输出却不同，则Diffy会认为这是开发人员不需要关心的噪声。

基于上述两个区别集合，Diffy可以识别出候选版本和稳定版本真实的区别，这些区别很有可能就是一个缺陷。

当然，对于一个概率性出现随机值，仅仅一次请求的结论可能是不准确的。例如对于一个50%概率出现true或者false的布尔值，则有50%的概率会出现候选版本和稳定版本的不同，同时又会有50%的概率出现稳定版本和其副本出现不同（即将这个值认定为噪声），最终会有25%的概率认为这是一个缺陷。因为此时稳定版本和其副本值相同，候选版本和稳定版本值不同。因此，Diffy还会聚合原始区别和噪声，当发现二者出现的概率类似的时候，会认定之前识别出来的缺陷属于误报。

4. Diffy编译、部署

Diffy是Twitter使用scala语言开发的项目，并且在GitHub持续更新中，关于diffy的源码，github上对应有两个版本:

1. twitter/diffy:

https://github.com/twitter/diffy

2. opendiffy/diffy:

https://github.com/opendiffy/diffy

按照官方的说明，建议优先使用opendiffy/diffy进行编译部署。

由于我们最终是需要用到diffy编译成功生成的jar包（实际上diffy平台使用的是scala语言），此时运行环境需要安装JDK，这里建议安装Java 8，编译环境安装好之后，克隆diffy源码并进行sbt编译构建。

git clone https://github.com/opendiffy/diffy
cd diffy
./sbt assembly

需要注意的是./sbt assembly这个编译下载过程十分漫长，有条件的同学建议挂个代理。

image

编译好之后，生成的Jar包位置：diffy/target/scala-xx/diffy-server.jar(diffy根目录的相对路径下)

除了利用Github的源码进行搭建外，还有两种方式也可以搭建Diffy。其一是直接利用jar包，但该方法或者使用docker的Diffy容器（https://hub.docker.com/r/diffy/diffy）进行搭建，在此不一一赘述。

5. Diffy常用命令参数

编译生成好jar包后，直接通过java命令启动diffy服务即可，其中，运行Diffy服务的常用参数如下：

参数配置	含义
candidate='PC1:8888'	待上线版本部署地址，即候选版本
master.primary='PC2:8888'	已上线版本地址1，即稳定版本
master.secondary='PC3: 8888'	已上线版本地址2，即稳定版本副本
service.protocol='http'	http协议或https
serviceName='Test Service'	服务名称
proxy.port=:9990	Diffy代理端口,所以请求都应从这个端口访问
admin.port=:9991	通过http://PC0:8881/admin可查看请求状况
http.port=:9999	查看界面,在这里可以比较差异
responseMode=primary	代理服务器是否返回结果，默认(empty)无返回，可指定primary返回线上版本，secondary(同线上版本，用于噪音消除），candidate（待测试版本）
allowHttpSideEffects=true	Diffy考虑到安全性，POST,PUT,DELETE请求默认忽略，因此该参数为true则表示这三种类型请求仍能正常代理发送
excludeHttpHeadersComparison＝false	是否排除header的差异，不同服务器，cookie，nginx版本可能有所差异，设置为true可以忽略这
notifications.targetEmail	(对差异发送到指定邮箱)

例如：

java -jar diffy-server.jar \
       -candidate='127.0.0.1:80' \
       -master.primary='127.0.0.1:81' \
       -master.secondary='127.0.0.1:82' \
       -service.protocol='http' \
       -serviceName='My Diffy Service' \
       -proxy.port=:8880 \
       -admin.port=:8881 \
       -http.port=:8888 \
       -allowHttpSideEffects=true \
       -excludeHttpHeadersComparison＝false \
       -notifications.targetEmail＝tester＠emal.com 

6. Diffy项目实战演练

安装和使用Diffy的一般步骤如下：

• 安装Diffy；
• 启动候选服务、稳定服务和稳定服务副本；
• 运行Diffy；
• 发送请求&查看结果；

接下来，通过一则简单的实战项目示例，为大家演示整个diffy的使用过程。

本文示例项目：是基于Django搭建的一套简易型REST API服务。关于如何通过Django来实现REST API服务过程可参考：Python利用Django 构建Rest Api: 快速入门教程

假设按照上述教程，你已经成功的搭建好了REST API服务，项目名为：blog_project,接下来，继续往下操作：

1. 部署primary（稳定版本）

由于本文不区分线上正式环境和测试环境，皆通过本地环境演示。（读者在实际生产&测试环境操作时，除了环境差异外，操作思路皆一样）

将示例项目blog_project代码拷贝一份到其它目录（为了和测试版本区分开来），激活虚拟环境，启动Django服务，端口设置为8001，此服务作为稳定版本服务，命令如下：

source env/bin/activate
cd blog_project
python manage.py runserver 8001

2. 部署secondary（稳定版本副本）

同上一步操作一样，激活虚拟环境，启动Django服务，端口设置为8002，此服务作为稳定版副本服务，命令如下：

source env/bin/activate
cd blog_project
python manage.py runserver 8002

3. 验证primary和secondary（稳定版本服务）
此步非必须，但为了让大家直观能和测试版本的服务区分开来，我们先验证一下，当前稳定版本服务的接口输出信息，比如：

http http://127.0.0.1:8001/api/

输出信息：

image

从上述输出信息中，我们可以知道访问api/接口时，会输出两条信息，并且每条记录，分别对应有content,id,title,updated_at,create_at几个字段。

接着验证secondary副本服务:

http http://127.0.0.1:8002/api/

image

可以看出，secondary副本服务和primary稳定版本服务输出结果是一样的。

4. 部署candidate（测试版本）

接下来，我们开始部署测试版本服务，为了和稳定版本服务有所不同，我们在测试版本中，给api接口请求记录中，增加一个data字段。（实际工作中，也经常会面临接口字段的增、删、改）

1、修改blog_api/models.py文件，在原来的数据模型中，增加一个data字段：

from django.db import models

# Create your models here.

from django.db import models

class Post(models.Model):
    title = models.CharField(max_length=50)
    data = models.CharField(max_length=250,default='--')
    content = models.TextField()
    created_at = models.DateTimeField(auto_now_add=True)
    updated_at = models.DateTimeField(auto_now=True)

    def __str__(self):
        return self.title

2、修改serializers.py文件，在fields中增加返回data字段。

class PostSerializer(serializers.ModelSerializer):
    class Meta:
        fields = ('id', 'title', 'content', 'data','created_at', 'updated_at',)
        model = models.Post

3、生成迁移文件、同步执行数据库变更

python manage.py makemigrations
python manage.py migrate

4、启动服务，默认端口为8000,作为待测版本服务。

python manage.py runserver

5. 启动diffy服务
由于演示需要，直接在本地启动diffy服务即可，命令如下：

java -jar diffy-server.jar 
    -candidate=localhost:8000 
    -master.primary=localhost:8001 
    -master.secondary=localhost:8002 
    -service.protocol=http 
    serviceName=My-Service 
    -proxy.port=:8880 
    -admin.port=:8881 
    -http.port=:8888 
    -rootUrl='localhost:8888' 
    -allowHttpSideEffects=true

从上述启动命令中，可知：

• diffy代理接口为8880,后续测试的所以请求都应从这个端口访问
• 查看请求：通过http://localhost:8881/admin (admin.port)可以查看请求状况
• 查看差异：通过http://localhost:8888 (http.port)比较差异

在命令行中，输入如下命令，运行测试:

http http://127.0.0.1:8880/api/

命令经执行后，经diffy代理转发到稳定版本服务（端口8001）、稳定版本副本服务(端口8002)、测试版本服务(端口8000)中。

image

访问http://localhost:8888,查看diff请求对比界面，功能说明如下图所示：

image

通常接口差异主要分为以下几类：

• 每次调用本身返回值就不同，如updatetime（可忽略）；
• 测试环境和线上环境数据不一致（可忽略）；
• 实时数据接口、动态变化数据（可忽略）；
• 软件缺陷或非预期修改。

对于可忽略的差异，可点击按钮忽略。

访问http://localhost:8881/admin,查看diff后台界面，功能说明如下图所示：

image

连续运行几次测试请求，访问http://localhost:8888,对比请求差异，如图所示。

image

从上图中，可知，已经成功diffy出在测试版本中，新增了一个data字段。

6. 修改测试版本服务

继续在测试版本服务上面修改以验证diffy的有效性，比如修改api/接口返回的记录内容。

1、访问http://localhost:8000/admin，访问测试版本服务后台，修改其中一条记录，比如：

image

更新date中的内容，并点击保存。此时需要注意，当点击保存后，此时记录的updated_at字段值会被修改。

2、再次运行diffy代理请求。

http http://127.0.0.1:8880/api/

3、此时再观察http://localhost:8888界面，

image

可以看到，在diffy界面中，检查出了三个差异：返回的内容长度Content-length、data、updated_at。

当然，实际业务中，Content-length、updated_at这类型的差异可被忽略掉。

通过结合接口返回详情功能，可查看到稳定版本和测试版本返回响应的差异处：

image

7. 小结

最后，小结几点建议：

1. 在使用Diffy时，需要通过Diffy代理服务发送待测请求，虽然我们可以通过postman、curl等工具一个个发送，实践时，可通过Charles工具记录所有线上待测请求，然后利用Charles的Rewrite功能将修改成Diffy的代理服务器地址，重写请求，再重发。
2. 除上借助Charles代理工具外，在实际应用时，也可借助线上引流工具（比如通过goreplay等引流工具）进行请求流量回放，或通过已有的接口自动化测试用例触发请求。
3. 在使用Diffy时，可以看到有些差异是请求头部导致的，并不是我们想要发现的内容上的差异，如cookie的差异，nginx版本的差别，不同服务器等等，可以在命令行中加入配置可忽略头部差异：excludeHttpHeadersComparison＝true