【自动化】十款开源测试开发工具推荐自动化、性能、造数据、流量复制等

【自动化】十款开源测试开发工具推荐自动化、性能、造数据、流量复制等

目录

一、AutoMeter-API 自动化测试平台

AutoMeter 是一款针对分布式服务,微服务 API 做功能和性能一体化的自动化测试平台,一站式提供发布单元,API,环境,用例,前置条件,场景,计划,报告等管理

在这里插入图片描述

在项目开发,迭代交付过程中开发人员,测试人员需要针对系统提供的 API 做调试,回归测试,性能测试。自动化测试,一个好的平台本质上需要解决 API 测试的 5 大基本问题:

1.支持不同的角色,技术人员多人协作
2.支持定义多个不同的测试环境
3.支持定义各种被测系统,API
4.支持功能,性能,回归,自动化测试
5.功能/性能明细报告,统计报告
项目地址:

二、QA Wolf 浏览器自动化测试工具

QA Wolf 可帮助你以 10 倍的速度创建、运行和维护端到端的浏览器自动化测试。

在这里插入图片描述

三、Mimesis 用于 Python 的高性能虚假数据生成器

Mimesis 是一个用于 Python 的高性能虚假数据生成器,它以多种语言提供用于多种用途的数据。虚假数据可用于填充测试数据库、创建虚假 API 端点、创建任​​意结构的 JSON 和 XML 文件、匿名化生产中的数据等。

支持的功能

简单:易于使用和学习
多语言:支持多种语言的数据
性能:可用于 Python 的最快数据生成器
数据多样性:支持多种数据提供者用于各种目的
通用数据提供者:从单个对象对所有提供者的简化访问
零依赖:不需要 Python 标准库以外的任何模块
基于模式的生成器:提供一种简单的机制来通过任何复杂的模式生成数据

安装:

pip install mimesis 

示例:

>>> from mimesis importPerson>>> from mimesis.locales importLocale>>> person =Person(Locale.EN)>>> person.full_name()'Brande Sears'>>> person.email(domains=['example.com'])'[email protected]'>>> person.email(domains=['mimesis.name'], unique=True)'[email protected]'>>> person.telephone(mask='1-4##-8##-5##3')'1-436-896-5213'

四、Ddosify 高性能负载测试工具

Ddosify 是一个用 Golang 编写的高性能负载测试工具和 DDOS 攻击模拟。

特性:

  • 协议不可知 - 目前支持 HTTP、HTTPS、HTTP/2。其他协议正在开发中。
    基于场景 - 在 JSON 文件中创建你的流程。无需一行代码!
  • 不同的负载类型 - 测试你的系统在不同负载类型上的限制。

五、AutoCannon HTTP/1.1 基准测试工具

AutoCannon 是一个用 Node.js 编写的 HTTP/1.1 基准测试工具,受到 wrk 和 wrk2 的极大启发,支持 HTTP 管道和 HTTPS。autocannon 可以产生比 wrk 和 wrk2 更多的负载。

六、Sharingan 流量录制回放工具

Sharingan(写轮眼)是一个基于 golang 的流量录制回放工具,适合项目重构、回归测试等。

特性

支持下游流量录制。相比 tcpcopy、goreplay 等方案,回放不依赖下游环境。
支持并发流量录制和回放。录制对服务影响小,回放速度更快。
支持时间重置、噪音去除、批量回放、覆盖率报告、常见协议解析等等。
支持写流量回放,不会污染应用数据。
不依赖业务框架,低应用浸入。

在这里插入图片描述

使用示例:

# Step1: 下载sharingan项目 $ git clone https://github.com/didi/sharingan.git $ cd sharingan # Step2: 使用定制版golang,以go1.13为例 $ sh install.sh go1.13 # 支持go1.10~ go1.15,限mac、linux amd64系统 $ export GOROOT=/tmp/recorder-go1.13 $ export PATH=$GOROOT/bin:$PATH # Step3: 编译、后台启动replayer-agent「默认会占用3515、8998端口,可修改」 # [回放接入文档]内有直接下载bin文件的链接,无需build $ cd replayer-agent $ go build $ nohup ./replayer-agent >> run.log 2>&1& # Step4: 编译、后台启动example示例「默认会占用9999端口,可修改」 $ cd ../example $ go build -tags="replayer"-gcflags="all=-N -l" $ nohup ./example >> run.log 2>&1& # Step5: 打开回放页面 $ 浏览器打开,http://127.0.0.1:8998 # 非本机替换IP即可 $ 页面选择要回放的流量点执行 # 内置提前录制好的3条example示例流量 

七、randdata 随机测试数据生成工具

randdata 是一款基于 JAVA 开发的测试数据生成工具,为了测试人员、软件开发人员、数据开发人员、售前工程师或产品经理演示提供生成随机相应数据的全力打造的,支持个人信息、地址、数字、网络、银行、是非等多种数据的随机生成,无需用户再去编写复杂 SQL 或程序就能生成附合中国人习惯的数据。从而大大的节约软件开发的成本。

在这里插入图片描述

特点:

  • 无代码 : 无需编写代码,即生成相应数据。
  • 运行简单:用户只要安装 JDK1.8 及以上版本即可运行。
  • 数据随机性:最大限度保证数据不重复。
  • 支持直接数据库表生成:可直接导入某些数据库的表结构,而无须手工建表,通 – 过给表指定生成数据类型即可。
  • 运行环境要求低:windows、linux 等 PC 机可直接运行,项目只有一个 jar 包,- 可通过 java -jar 包名即可运行。

八、DrissionPage WEB 自动化测试集成工具

DrissionPage,即 driver 和 session 的合体,是一个基于 python 的 Web 自动化操作集成工具。

requests 爬虫面对要登录的网站时,要分析数据包、JS 源码,构造复杂的请求,往往还要应付验证码、JS 混淆、签名参数等反爬手段,门槛较高。若数据是由 JS 计算生成的,还须重现计算过程,体验不好,开发效率不高。使用 selenium,则可以很大程度上绕过这些坑,但 selenium 效率不高。

因此,这个库将 selenium 和 requests 合二为一,不同需要时切换相应模式,并提供一种人性化的使用方法,提高开发和运行效率。除了合并两者,本库还以网页为单位封装了常用功能,简化了 selenium 的操作和语句,在用于网页自动化操作时,减少考虑细节,专注功能实现,使用更方便。

特性

  • 允许在 selenium 和 requests 间无缝切换,共享 session。
  • 两种模式提供一致的 API,使用体验一致。
  • 人性化的页面元素操作方式,减轻页面分析工作量和编码量。
  • 对常用功能作了整合和优化,更符合实际使用需要。
  • 兼容 selenium 代码,便于项目迁移。
  • 使用 POM 模式封装,便于扩展。
  • 统一的文件下载方法,弥补浏览器下载的不足。

简易的配置方法,摆脱繁琐的浏览器配置。

在这里插入图片描述

九、Chaos Mesh 在 Kubernetes 上进行混沌测试

Chaos Mesh 是一个云原生的混沌工程(Chaos Engineering)平台,可在 Kubernetes 环境中进行混沌测试。

在这里插入图片描述

当前实现支持用于故障注入的主要操作:

pod-kill:模拟 Kubernetes Pod 被 kill。
pod-failure:模拟 Kubernetes Pod 持续不可用,可以用来模拟节点宕机不可用场景。

  • network-delay:模拟网络延迟。
  • network-loss:模拟网络丢包。
  • network-duplication:模拟网络包重复。
  • network-corrupt:模拟网络包损坏。
  • network-partition:模拟网络分区。
  • I/O delay:模拟文件系统 I/O 延迟。
  • I/O errno:模拟文件系统 I/O 错误 。

十、Automagica 智能流程自动化平台

Automagica 是一个开源智能机器人流程自动化(SRPA,Smart Robotic Process Automation)平台,借助 Automagica,自动化跨平台流程变得轻而易举。Automagica 可以通过简单程序脚本实现打开各种应用程序并对应用进行操作。

Automagica 需要 Python 3.7 环境,官方支持 Windows 10 平台,Linux 和 Mac 目前官方还不支持。

Automagica 使用场景:

  • 桌面交互自动化
  • Office 自动化,例如打开 Excel 并进行数据填充
  • Web 自动化,例如打开网址并进行网页操作
  • 商业应用自动化
  • 自动打开邮件应用并收发邮件
  • 远程控制等等

例如:
打开 Excel 并进行程序控制:

在这里插入图片描述

打开画图工具并进行绘图:

在这里插入图片描述

示例代码
该示例打开 Windows 记事本并输入 ‘Hello world!’.

PressHotkey('win','r')Wait(seconds=1)Type(text='notepad', interval_seconds=0)PressKey('enter')Wait(seconds=2)Type(text='Hello world!', interval_seconds=0.15)

下面例子打开 Chrome 浏览器并访问指定url

browser =ChromeBrowser() browser.get('https://www.cnblogs.com/jinjiangongzuoshi/')

Read more

Buzz语音转文字离线免费版安装使用(含Whisper最新模型)

Buzz语音转文字离线免费版安装使用(含Whisper最新模型)

简介: Buzz1.2.0(2024年12月24日更新的,是2025年7月最新版本) Buzz有python编写的, 在您的个人计算机上离线转录和翻译音频。由 OpenAI 的 Whisper 提供支持。 应用场景: 歌曲提取歌词,音频/视频提取文字 软件下载(windows为例): github下载地址: Release v1.2.0 · chidiwilliams/buzzhttps://github.com/chidiwilliams/buzz/releases/tag/v1.2.0 文章最后有百度云盘离线下载地址(含模型) 软件安装: exe文件直接安装即可 软件使用: 当前支持的模型: 如果没有【查看文件位置】 C:\Users\用户\AppData\Local\Buzz\Buzz\

By Ne0inhk
Copilot、Codeium 软件开发领域的代表性工具背后的技术

Copilot、Codeium 软件开发领域的代表性工具背后的技术

早期, Claude、Copilot、Codeium新兴的AI代码助手,模型的温度、切片的效果、检索方式、提示词的约束、AI 回复的约束、最终数据处理;整个环节,任何一个地方都可能造成最终效果不理想。 旨在通过代码生成、代码补全、代码解释和调试等多种功能,帮助开发者减少重复劳动,提高开发效率。尽管Codeium已经取得了显著的成果,但在处理复杂的代码任务、跨文件的修改以及支持定制化库和框架方面仍面临一定的局限性。 2020 年,OpenAI发布的GPT-3模型使AI生成代码的能力得以广泛应用,标志着AI代码助手的转型。2021年,GitHub 推出基于OpenAI Codex的 Copilot,提供实时代码补全和生成能力,提升开发效率,支持跨文件复杂任务。 其痛点,在大规模代码生成、跨文件任务处理以及定制化框架支持方面的局限性仍然限制了其在复杂项目中的应用。 2023年,Claude 3.5等新一代大型语言模型陆续出世,有效提升了自然语言理解与代码生成的能力。这类模型集成了代码生成、调试和文档自动生成等多项功能,能够帮助开发者快速编写高质量代码、优化程序性能并自动修复错误。随着

By Ne0inhk
AIStarter一键安装ComfyUI黎黎原上咩7.0整合包教程:新手免费部署AI绘画神器

AIStarter一键安装ComfyUI黎黎原上咩7.0整合包教程:新手免费部署AI绘画神器

大家好!我是熊哥粉丝,今天分享ComfyUI黎黎原上咩整合包7.0在AIStarter平台的一键安装全攻略!咩姐(黎老师)的超强整合包已正式上架,解压即用、GPU/CPU切换,内置海量插件和工作流,完美适配Stable Diffusion AI绘画。 核心亮点 * 一键下载安装:市场搜索“comfyui黎黎原上咩”,优先高速/离线下载(782GB模型包),避免网速瓶颈。 * 智能启动:AIStarter自动打开浏览器,无黑框CMD,终端日志实时查看。aihubpro.cn * 模型管理:下载后一键配置到ComfyUI目录,支持插件/工作流导入,更新无需重下。 * 脚本模式:简单模式(咩姐默认)or 专业模式(多启动选项,自定义路径)。 安装步骤(5分钟上手) 1. 下载AIStarter(官网免费),打开市场。 2. 搜索黎黎原上咩7.0,点击添加

By Ne0inhk
AI安全:视觉提示词注入攻击代码/实战教学| 针对Hugging Face开源大模型Stable Diffusion Model

AI安全:视觉提示词注入攻击代码/实战教学| 针对Hugging Face开源大模型Stable Diffusion Model

提到提示词注入(Prompt Injection),大家的第一反应往往是精心构造的文本越狱指令。 而在图生图任务中,输入图像在本质上扮演了视觉提示词的角色,与文本指令共同指导生成模型。 基于这一视角,本文展示针对视觉提示词的注入攻击:通过PGD对抗攻击算法对输入图像进行像素级微调,使其生成的违规图像能够绕过开源大模型的NSFW安全检测机制。 临近毕业,感觉市场对提示词注入比较感兴趣,因本人读博期间一直研究对抗攻击算法,所以决定尝试用对抗攻击的思路完成提示词注入攻击,误导开源模型生成违规图像。 完整代码链接:https://github.com/YujiangLi0v0/Injection_Attack_Inpainting.git 目录 * 一、 NSFW防线:开源模型的安全过滤机制 * 二、 攻击场景定义 (Threat Model) * 三、 环境搭建 * 四、 核心攻击流程详解 * 4.1. 固定随机因子 * 4.2 数据预处理 * 4.3. 攻击部分 * 4.3.1 重写扩散模型推理过程

By Ne0inhk