软件测试中的服务虚拟化

问题

最近几年虽然微服务十分火热，但是仍然有不少人不喜欢微服务，甚至抵制它。其中最主要的原因就是其成本高，难度大。就困难而言，主要是遇到了一些不易解决的问题，其中包括以下三个与测试数据和测试环境有关的问题：

问题一：测试环境被多个团队共同使用

在大规模的微服务系统中，某些核心服务很多时候都是会被多个团队在共同调用，并且它可能也有多个依赖服务。而当一个服务的某个测试环境被多个团队（服务）共同使用的时候，主要会存在以下两个困难点。

1、同一测试数据可能会被不同的团队修改。有些团队通过创建多套测试环境来解决这个问题，但是这样的成本很高。对于很多技术强大的互联网公司，可以通过 Docker 等技术手段来降低一些成本，但是对于很多传统企业来讲，高成本的多环境很难实施。

2、同一测试数据可能被其他团队占用，所谓的占用就是一个测试数据一旦不小心被某个人使用了，他可能按自己的场景在进行使用，这个时候你去用它，很可能受到影响而得不到自己想要的结果。

问题二：测试数据准备需要花费大量时间

当测试一些业务不是很复杂的系统时，准备测试数据也许不是一件困难的事情。但是在一些传统行业的复杂系统中，准备测试数据是一项非常困难的事情，比如在银行，保险，通信等复杂系统中。我曾经测试过一个保险系统，要在测试环境中准备一套数据甚至需要几个小时，因为整个系统的业务非常复杂，数据库设计也非常复杂，而且还是遗留系统，几乎没有人懂得直接操作数据库来准备数据。因此，数据的准备必须由系统创建。而系统本身是基于 MainFrame 的，而且 UI 全部是 Console 下的 UI，操作十分繁琐和复杂，导致创建一套测试数据需要花费很长时间。很多银行和保险公司的核心系统到现在也是保留这样的模式。所以在这样的传统行业中的遗留系统中，测试数据的准备是一个非常大的问题， 其次很多系统中，测试数据一旦使用了，状态就会改变，从而不能重复使用。所以再次测试就需要重新创建测试数据，这也是一个常见的严重的问题。

问题三：服务部署或网络等问题导致测试环境不稳定以及版本不匹配

这个也是经常会遇到的情况。对于一些稳定而没有什么变化的系统，也许这不是一个问题，但是对于一些正在开发过程中，或者有大量修改或者本身不稳定的系统中，这个问题就十分常见。某些服务部署和网络问题，这个容易理解了，就是依赖的服务正在部署。其次是依赖服务的正在调试，而调试的过程中，服务本身的一些状态可能在不停的改变。或者依赖服务存在 Bug，导致服务也存在问题。最终，用户可能只需要 1.0 版的依赖服务，但在测试环境中已经部署了 2.0 版的服务，因此用户无法使用服务。

解决方案：服务虚拟化

可以使用服务虚拟化（Service Virtualization）技术来解决以上这些问题。下图是服务虚拟化的简单示意图：

服务虚拟化看起来虽然简单，但是其实现已经做到非常丰富的功能，比如 Hoverfly 等，从而解决上面那一系列问题。

Hoverfly

Hoverfly 是一个开源免费（Apache 2）的服务虚拟化的一个工具，其虚拟数据是可以复用的 Json 格式的 Simulation。它是基于 Go 开发的，轻巧，高效。同时支持 Python 和 Java 进行扩展，也提供 REST API 来对其进行控制。并且暂时提供模拟网络延迟，随机错误和限定速率。但是其支持的协议优先，暂时只支持 HTTP 和 HTTPS。但是其最重要的是其支持六种工作模型，它们分别是：Capture 模型，Simulate 模型，Spy 模型，Synthesize 模型，Modify 模型，Diff 模型。 通过这六种模型，基本可以实现服务虚拟化的各种功能。首先，通过 Capture 模型可以获取到在手工测试和系统正常使用的情况下，各种服务的交互数据，然后再进行分析和修改，可以获得更多类型的数据。将这些数据通过 Spy、Synthesize、Modify 和 Simulate 模型进行不同类型的服务虚拟。不同的团队可以根据基础类型数据快速定制自己团队的私有虚拟数据集，并且还可以根据不同版本的服务，定制不同版本的虚拟数据集，从而隔离了不同版本服务之间的数据，避免了不同团队之间的的测试数据冲突。

下面就来逐个介绍一下这六个模型。

1、Capture 模型

Capture 模型是标准的录制功能。这个时候 Hoverfly 就是一个标准的 Proxy 服务。把它架设在被测的服务和外部服务之间，都可以把所有的交互数据录制成特定的 Json 文件，称之为 Simulation。然后就可以根据不同的需求更改 Simulation，并用到其他模型里面。

2、Simulate 模型

Simulate 是标准的 Stub 模型。可以将通过 Capture 模型录制到的 Simulation 或者手动编写的 Simulation 直接加载进 Hoverfly，然后所有满足 Simulation 里面的匹配规则的 Request 就会返回 Simulation 里面的虚拟 Response，不然就不会返回任何正确的 Response。

3、Spy 模型

Spy 模型是一个最为特殊的模型，也是我在正式项目中最常用的一种模型。它最特殊的功能就是可以让部分请求获得虚拟的 Response，而其他部分请求获得真实的 Response。

因此，通过改变测试数据本身，可以确定使用的是实际依赖系统还是虚拟依赖活动。而这种情况下，在传统已有的这种 Stub 工具里面可能是需要自己手工去实现的，至少它默认不支持。但是 Hoverfly 是默认就支持，所以只需要把规则加到 Hoverfly 的这个虚拟文件里面，它就能实现这个功能。

其次有些时候在同一个测试环境里面，我既需要虚拟的数据，又要真实数据的情况下，Spy 模型是最佳解决方案。因为只有这样才能以最低的成本，来实现了既可以测真实的数据，又可以测虚拟的数据。

为什么会需要这个模型？因为不少时候测试环境不稳定，大规模的回归测试不能依赖于外部服务，所以其需要依赖于虚拟的数据。但是依然要测一些外部的真实服务，为什么呢？因为担心外部服务的升级怎么办呢？那可能升级之后，服务的 Request 和 Response 的 Schema 改了，就会产生一个 Bug。现实中会把一些所谓的重要的场景，依然是跑真实的外部服务，这样就算它的外部服务的 Schema 更改了，测试就可以在第一时间发现这个更改。

所以，这是一个最为经典和实用的模型。

4、Synthesize 模型

Synthesize 模型最主要解决的一个需求是根据不同的情况返回动态的 Response 数据。

所以，这个时候其实是 Hoverfly 提供一种中间插件的功能，可以在开发一个基于 Python 或者 Java 的中间插件，当某个 Request 收到之后，可以对这个 Request 进行加密解密，进行一个特定的判断，之后再返回一个特定的 Response。

可以对 Request 进行判断、处理，对 Response 进行一些特定的组合，并不是一个固定的值，或者说固定的某一到两个值。

5、Modify 模型

Modify 模型要等待真正的 Request 收到后，才能将 Request 转换为特定的内容，并发送给外部依赖，而外部依赖返回到 Response，再返回到特定的模式，以实现特定状态的虚拟。

比如需要模拟一个 Request 里面被加了某些东西，或者是做一些混淆，产生一些特定的用例，或者更改真实的 Response 中的某些数据等。

6、Diff 模型

Diff 模型相当于一个变异版的契约测试方案。首先当被测系统的 API 的时候，它会将依赖服务的返回数据保存起来。当下一次执行相同的测试用例的时候，它会把上一次的和本一次的依赖服务返回的数据的进行比较。

如果下一次的和第一次存储的的 Schema 有不一样的，那这个时候 Hoverfly 会报警，并显示出来两次不一样的内容。这个就相当于就做了一部分被测系统和依赖系统之间的一种被动的契约的检查，虽然它不属于一个完整契约测试方案，但是至少做了单边的契约检查。

为什么要选择 Hoverfly？

首先服务虚拟中心化，它是基于 Proxy 模型的，所以在它只要加一台机器搭建一个服务就可以了。其次它是非侵入式的，它是不需要改动被测系统的代码或者配置的，而只需要改动 JVM 自己的 property 或者是操作系统的 Proxy 配置。然后其灵活性很高，它支持各种模型，使用非常方便。最后它是开源软件，所以如果有特定的定制化需求，可以自己修改后供自己使用。

总结

随着传统 Stub 和 Mock 服务技术的发展，以及微服务系统开发中对于服务测试的各种问题和需求，服务虚拟化孕育而生。服务虚拟化是对 Stub 以及 Mock 技术的提升和系统化，功能更为强大，从而可以更加容易使用和定制化，以便满足服务测试的各种新需求，解决各种新出现的问题。

原文