【软件测试】自动化测试日志问题该怎么解决？测试老鸟总结方案...

---

前言

Python自动化测试：https://www.bilibili.com/video/BV1MS4y1W79K/

问题：持续集成的自动化用例很多，测试环境日志level为debug，日志量大概40G/每天，定位问题时日志查询很慢，该怎么解决？

这个问题可以说是自动化测试实践中经常遇到的问题，那么该如何解决这些问题呢？或者说有没有更好的方案来优化这些问题？

下面我们就来分析一下

日志的作用

在聊日志处理之前，先来看看日志的作用。

日志的本质就是记录系统各种操作事件的记录信息。它记录了系统的各项特征，类似医院体检后的体检报告。它反映了系统的健康状态、各项操作事件、系统变更情况以及各种异常隐患。

日志是技术人员处理工作很重要的一个辅助工具和手段，运维可以及时的通过日志发现系统隐患和故障并及时处理问题，开发解决问题离不开日志信息的协助定位，测试在测试过程中也需要借助日志来发现和确定bug。

可以说日志就相当于我们观察系统的眼睛，没有日志就相当于失去了眼睛，系统也失去了可观测性。

日志是保障系统高可用的基础，记录了系统的一举一动，无论是故障处理、系统监控、业务监控以及安全审计，都离不开日志的支持。

日志种类繁多，一个完善的日志系统主要包含如下的日志信息：

日志的分级

日志种类太多不容易区分，如何快速的通过日志来排查处理问题呢？
日志分级是个很好的方案。

日志分级的本质是对“滚动式文本”日志做一个筛选分类，每条日志根据其重要性或严重程度分配一个日志级别。很多应用程序或者工具会自带日志分级，当然你也可以根据自己的需要自定义日志级别。

目前并没有完全通用标准的日志分级方案，当然对日志进行分级还是很有必要的，这样可以有助于提高问题定位和故障处理的效率。下面列举的几种日志等级，只是给大家一个参考思路。

日志的管理

聊完了日志的作用和日志分级，接下来我们聊聊问题该如何处理。

随着自动化测试覆盖的范围越大，case会相应的越来越多，运行频次和集成的case数据一上来，确实会产生很多的日志。

当运行时遇到报错，高效的定位排查就很有必要，面对繁杂的日志，常见的日志管理手段可以参考如下几点：

日志切分：超过设置的文件大小就自动切分（比如超过10M）；
日志分级：参考log4j标准设置或者自定义日志级别（参考上面的内容）；
日志命名：按照时间+日志类型做命名区分（比如2023-04-28-12-error1.log）；
日志清理：根据自动化测试运行频次定时清理过期日志（比如超过48H定时任务自动清理）；

上述的几点建议仅供参考，当然在实际工作中可能还会遇到其他影响因素，比如环境不独立、持续集成的自动化case未做用例集区分导致全量运行产生了大量日志等情况。

接下来我们就再来讲解一下logging框架

python-logging模块中，默认的是root日志收集器，默认的输出级别为：WARNING

自定义日志的操作流程

创建日志收集器：logger = logging.getLogger(“日志收集器的name”)
设置日志收集器的日志级别：logger.setLevel(logging.INFO) #设置收集器的级别为INFO
给日志收集器创建输出渠道（根据第一部分的内容知：日志输出渠道包含控制台输出和文件输出）：下面以控制台输出为例进行介绍，文件输出与之类似创建日志的输出渠道：handle1 = logging.StreamHandle()
可以单独设置日志输出渠道的级别：handle1.setLevel(logging.ERROR) 此步骤可选在未设置日志输出渠道的日志级别时，默认使用日志收集器设置的Level；
若需单独设置日志输出渠道的日志级别，则它的日志级别需高于日志收集器级别，否则设置无效。

设置日志输出的内容格式

# 设置日志的输出格式
fmt = "%(asctime)s %(name)s %(levelname)s %(filename)s-%(lineno)d:%(message)s"
formatter = logging.Formatter(fmt)

将设置的日志格式绑定到创建的输出渠道中，即将日志格式与输出渠道关联起来

handler1.setFormatter(formatter)

将设置好的输出渠道，添加到日志收集器

logger.addHandler(handler1)

日志代码

import logging# 1、创建日志收集器
logger = logging.getLogger(name="login_test")# 2、设置日志收集器的级别：警告级别
logger.setLevel(logging.WARN)# 3、设置日志的输出渠道
# 3.1 控制台日志输出
handler1 = logging.StreamHandler()
# 3.2 文件日志输出
handler2 = logging.FileHandler(filename="my_log.log",encoding="utf-8")
# 单独设置输出渠道的日志级别
handler1.setLevel(logging.ERROR)    # 可选# 4、设置日志的输出格式
fmt = "%(asctime)s %(name)s %(levelname)s %(filename)s-%(lineno)d:%(message)s"
formatter = logging.Formatter(fmt)# 5、关联3和4
handler1.setFormatter(formatter)
handler2.setFormatter(formatter)# 6、关联1和5
logger.addHandler(handler1)
logger.addHandler(handler2)# 测试
logger.warning("登录失败警告")
logger.error("登录debug出错")

自定义日志的封装

由于自定义日志的操作流程相对比较固定，因此我们可以将自定义的日志封装成一个类。当我们需要使用时，只需引入该模块即可。

import logging# 对日志的操作进行封装
class MyLogger(logging.Logger):def __init__(self,name,level,file=None):super().__init__(name,level)# 设置日志的输出渠道handler1 = logging.StreamHandler()# 设置日志的输出格式fmt = "%(asctime)s %(name)s %(levelname)s %(filename)s-%(lineno)d:%(message)s"formatter = logging.Formatter(fmt)handler1.setFormatter(formatter)# 添加日志的输出渠道self.addHandler(handler1)if file:handler2 = logging.FileHandler(filename=file,encoding="utf-8")handler2.setFormatter(formatter)self.addHandler(handler2)passpasspass

下面是我整理的2023年最全的软件测试工程师学习知识架构体系图

一、Python编程入门到精通

二、接口自动化项目实战

三、Web自动化项目实战

四、App自动化项目实战

五、一线大厂简历

六、测试开发DevOps体系

七、常用自动化测试工具

八、JMeter性能测试

九、总结（尾部小惊喜）

人生犹如一场马拉松，每个人都在奔跑着。不要害怕前方的艰辛困难，只有坚持不懈，才能突破自我，到达胜利的终点。让我们勇往直前，永远保持拼搏的姿态！

不管何时何地，都要保持热情和梦想，不断追求自己的目标。即使路途崎岖，也不能气馁放弃，因为只有坚持走下去，才能收获成功的喜悦。

成功需要勇气、决心和毅力。不要害怕失败和困难，保持乐观和坚韧的精神，跨越一切阻碍。只要坚持努力，相信自己，成功就在不远处。让我们携手前行，共同追逐梦想！