资源介绍
与实践（英文版电子书）
面向开发者和测试人员的实践指南，聚焦 RESTful API、Kafka 和事件驱动系统，包含真实世界的代码、架构模式和自动化工作流，旨在帮助读者在复杂环境中实现实用解决方案，避免陷入抽象理论。
书籍核心内容
RESTful API 设计：通过实用的真实案例，学习构建可扩展、可维护的 API。
Kafka 集成：了解如何使用 Apache Kafka 进行实时事件流处理、消息代理和微服务相关操作。
实时编码展示：从零开始编写代码，理解其工作原理以及每个架构选择背后的原因。
生产友好实践：包含内置测试、整洁代码和模块化设计，可直接应用于实际部署。
适用人群
希望提升架构能力的后端开发者。
探索事件驱动系统的软件工程师。
喜欢实践而非理论的好奇开发者。
自动化测试基础
自动化测试的好处：提高生产力（可连续运行，释放资源）、增强可靠性（减少人为错误）、提升可用性（可随时执行）、提高性能（短时间内完成更全面测试）、降低运营成本（减少重复测试所需资源）。
自动化测试类型
单元测试：测试代码的单个组件或函数，验证各部分是否按预期工作。
集成测试：检查不同模块或服务之间的交互，确保它们能协同工作。
系统测试：评估完整且集成的软件系统，确保符合指定要求，通常在模拟真实环境中进行。
端到端测试：模拟真实用户场景，验证应用程序从开始到结束的流程，检查整个应用环境。
回归测试：运行先前执行的测试，确保新代码更改不会对现有功能产生不利影响。
挑战与误解
误解 1：自动化可替代所有测试。实际：自动化适用于重复和回归测试，探索性测试、可用性测试等需要人类直觉和创造力的任务仍需人工。
误解 2：自动化等于更快出结果。实际：设置自动化测试耗时耗力，初期需投入时间和精力，其好处多在长期通过持续执行和维护体现。
误解 3：所有测试都适合自动化。实际：不常运行或经常变化的测试不值得自动化，应优先自动化重复、高风险或对应用功能至关重要的测试。
误解 4：自动化保证质量。实际：自动化测试能检测很多问题，但测试设计本身的质量至关重要，设计不佳会导致误报或漏报。
误解 5：工具决定一切。实际：自动化工具的选择重要，但有效性更多取决于测试策略、测试设计和团队技能。
误解 6：自动化测试一旦完成就一劳永逸。实际：自动化测试需要定期维护，应用程序的变化可能使测试过时，需更新测试脚本。
误解 7：自动化只适用于大型项目。实际：大型项目可从广泛自动化中受益，小型项目通过自动化关键测试也能获得显著优势，自动化范围应基于项目具体需求。
选择框架的因素：编程语言（考虑与项目实现语言一致、库和社区支持等）、生态系统、功能和能力（断言库、与其他框架兼容性、报告功能等）、文档、学习曲线、可扩展性、维护和更新。
API 测试
RESTful API 基础：REST API 是一种允许不同系统通过互联网通信的 API 类型，通过发送请求和接收响应（通常为 JSON 格式）工作，使用 HTTP 方法（如 GET、POST、PUT、DELETE）定义对资源的操作，对应 CRUD 操作。
认证方式：包括基本认证（使用用户名和密码）、Bearer 令牌、Okta 令牌和 OAuth 2.0 等。
案例展示：书中通过多个实际项目案例展示了 RESTful API 自动化测试的设计与实现，包括身份访问管理、数据收集等项目，涉及请求 payload 构建、连接器设置、测试用例编写（包含正常和异常路径）等。
实用自动化技术
搭建自动化环境：安装必要的工具和库，如 Java、TestNG、Selenium、Apache Maven 等，并配置测试环境，通过配置文件存储不同环境（开发、测试、生产）的属性，在 pom.xml 中创建对应环境的配置。
创建有效测试脚本
编写可维护和可重用的测试脚本，运用设计模式（如工厂模式、构建器模式、页面对象模型等）。
测试套件结构清晰，命名规范，使用 runners 组织和优先排序测试。
自定义测试以解决特定问题和极端情况，通过生成数据实现测试自主性，减少对过时或不足测试数据的依赖。
记录测试信息，使用流行的日志框架（如 Log4j、Logback 和 SLF4J），但避免过度日志影响性能。
持续集成和持续交付（CI/CD）：将自动化测试集成到 CI/CD 中，其好处包括快速反馈、尽早发现问题等，实施时需遵循最佳实践。
低代码平台实践
概述：如 Katalon 支持 web、API、移动和桌面应用测试，与多种 CI/CD 工具集成；ReadyAPI 限于 RESTful API 和 Kafka 流功能，支持功能、性能、安全测试等。
局限性：缺乏面向对象编程能力、存在冗余问题、性能问题（崩溃、执行时间增加）、依赖工具、商业授权成本、调试困难、版本控制和协作不便等。
案例研究与最佳实践
真实世界自动化成功案例：涵盖 web 应用、RESTful API、Kafka 流和数据库的成功自动化实施案例，并总结了经验教训和最佳实践。
最佳实践要点
框架简洁以满足项目需求。
设计涵盖功能、集成、端到端和回归测试的测试。
运用多种设计模式和测试框架。
使用 xml 文件测试套件（TestNG）和 runners（JUnit）组织测试。
自主实现测试，创建新测试数据，不依赖现有数据。
使用断言验证数据。
注重测试覆盖，涵盖重要用例和边缘情况。
运行项目阶段确保构建成功。
记录测试信息用于进度跟踪、调试和故障排除。
遵循 git 流程分支实践。
遵循命名约定。
使用配置文件存储相关信息。
设置开发、 staging 和生产环境。
使用构建控制工具（如 Apache Maven）。
将自动化测试集成到 CI/CD 中。
配置作业定期运行不同类型的测试。
克服常见挑战
常见问题：产品软件不稳定、技术复杂性导致自动化困难、测试失败率高（因时间问题、环境不稳定）、开发代码频繁变化影响测试解决方案、自动化测试覆盖率低导致框架效率低、测试结果误报或漏报等。
解决方法：建立稳定环境、实施清晰、自主、可靠的测试、更新和维护测试、提高测试覆盖率、覆盖正常和异常路径的测试、生成新测试数据以覆盖多种测试类型。
调试和故障排除技巧：在本地运行测试、利用日志和错误信息、检查所用数据、设置断点调试代码、使用断言验证数据、查看测试结果报告、参考文档和相关社区等。