test_framework
/
youqu
mirror of https://gitee.com/deepin-community/youqu.git
2
0
Fork 0
Code Issues Packages Projects Releases Wiki Activity
youqu/docs/智能化性能测试.md

30 KiB
Executable File
Raw Blame History

智能化性能测试

# =============================================
# Attribution : Application Test Department III
# Time        : 2023/1/3
# =============================================

一、简述

智能化性能测试

通过自动化手段对应用进行性能测试，提供方便的环境部署、运行配置、用例编写等，用于桌面应用的冷热启动、资源拷贝、页面跳转等性能场景测试。

仓库地址：https://gerrit.uniontech.com/admin/repos/autotest-perf-aitest

二、代码结构

autotest-perf-aitest
├── apps					# 存放所有应用性能测试脚本
├── conftest.py				# pytest hook相关方法
├── CURRENT					# 版本内容
├── docs					# 文档
│   ├── 键值对照表.pdf		 # 串口线code与按键的对照
│   ├── 性能自动化测试脚本执行器使用指南.md		# 执行器脚本使用指南
│   ├── USB串口转USB键盘鼠标线协议文件V1.0.pdf		# 串口协议
│   └── xserver-xorg-input-libinput-0.28.2.zip	# Linux下绝对坐标操作依赖的源码，可根据架构打包
├── manage.py	# 功能主入口
├── pytest.ini	# pytst 配置
├── README.md
├── setting		# 设置
│   ├── client.ini	# 测试机 IP 设置
│   ├── config.py	# 全局配置
│   ├── dev_env.sh	# 宿主机环境部署脚本
│   ├── docker-compose_no_relay.yml	# 无继电器容器集群
│   ├── docker-compose.yml		# 有继电器容器集群
│   ├── docker_login.sh		# docker 登陆
│   ├── __init__.py
│   ├── res
│   │   ├── black.png		# 全黑图片，用于修改壁纸
│   │   ├── xserver-xorg-input-libinput_0.28.2-2_5000.deb		# 3A5000 架构鼠标绝对坐标依赖
│   │   ├── xserver-xorg-input-libinput_0.28.2-2_amd64.deb		# amd 架构鼠标绝对坐标依赖
│   │   ├── xserver-xorg-input-libinput_0.28.2-2_arm64.deb		# arm 架构鼠标绝对坐标依赖
│   │   ├── xserver-xorg-input-libinput_0.28.2-2_mips64.deb		# mips 架构鼠标绝对坐标依赖
│   │   └── xserver-xorg-input-libinput_0.28.2-2_sw_64.deb		# sw 架构鼠标绝对坐标依赖
│   ├── server.ini		# 服务器配置
│   ├── setup.sh		# 容器环境部署脚本
│   ├── template		# 创建 app 基础脚本模板
│   │   └── app_template
│   │       ├── ${app_name}_widget.py-tpl
│   │       ├── control-tpl
│   │       ├── images
│   │       │   └── readme
│   │       ├── __init__.py-tpl
│   │       ├── test_${app_name}_01_scene.json-tpl
│   │       └── test_${app_name}_01_scene.py-tpl
│   └── uos_docker		# 容器环境配置
│       ├── dockerfile
│       └── requirements.txt
└── src
    ├── analysis_save.py	# 解析图片流结果，汇总生成 excel 报告
    ├── base_widget.py		# 封装的基础操作，应用调用的主入口方法
    ├── cmdctl.py			# 调用命令行使用
    ├── global_value.py		# 全局变量
    ├── image_utils.py		# 图片相关方法
    ├── __init__.py
    ├── logger_utils.py		# 日志配置
    ├── pdocr.py			# ocr 配置
    ├── public_method.py	# 一些方便的封住
    ├── record.py			# 录屏相关
    ├── rtk					# 运行相关
    │   ├── _base.py		# 一些枚举
    │   ├── __init__.py
    │   ├── install_env.py	# 安装环境
    │   └── local_runner.py	# 运行用例
    ├── serial_communication	# 串口相关
    │   ├── __init__.py
    │   ├── power_control.py	# 继电器操作，使用继电器连接主机电源，控制开关机
    │   ├── serial_common.py	# 串口公共方法
    │   └── usb_mk.py			# 键鼠操作基础封装
    ├── shortcut_key.py			# 快捷键的封装
    ├── singleton.py			# 单例模式
    ├── start_app.py			# 创建 app
    └── write_xlsx.py			# 生成 excel

# __init__.py 文件为标识该目录是一个Python的模块包，项目中的__init__.py均为空文件。

三、环境搭建

1、硬件环境

（1）设备清单

（2）硬件环境搭建

  • 采集盒，HDMI 端连接测试机， USB 端连接到服务器上。
  • USB 串口线，白色端连接服务器，黑色端连接测试机（USB3.0 接口上）。
  • 如果需要可以接 USB 延长线。
  • 测试机上可以不接显示器。

（3）服务端推荐配置

配置越高，解析速度越快。

处理器: Intel(R) Core(TM) i3-10100 CPU @ 3.60GHz (四核 / 八逻辑处理器)
主板: B460-N2(J)
内存: 8GB(TF32D4U2S1MEH-8 DDR4 3200MHz (0.3ns))
显示适配器: UHD Graphics 630
存储设备: FORESEE P900F256GBH (256 GB)/ST1000DM003-1SB102 (1.00 TB)

2、测试机环境搭建

  • 打开控制中心，账户设置为【自动登录】和【无密码登录】，电源管理中使用电源全部设置为【从不】，开启开发者模式。

  • 根据应用性能测试要求，导入相关测试资源，比如：导入相册、影院、音乐的测试资源。

  • 在服务端打开相机应用后，将测试机桌面壁纸更换为纯色壁纸（注意，服务端需提前开启相机后再设置测试机壁纸，建议纯黑壁纸 setting/res/black.png）

  • 在文件管理器中，将选项 主菜单-设置-预览-图片预览 取消勾选（如不取消，会影响截图录屏应用的性能数据）

  • 移动或删除系统 Logo ，排除桌面右下角 Logo 的影响（重启生效）。

    sudo mv /usr/share/deepin/uos_logo.svg ~/Pictures/

  • 安装鼠标绝对坐标操作依赖（必须安装！！）

    • AMD 安装 setting/res 目录下 xserver-xorg-input-libinput_0.28.2-2_amd64.deb

    • ARM 安装 setting/res 目录下 xserver-xorg-input-libinput_0.28.2-2_arm64.deb

    • MIPS 安装 setting/res 目录下 xserver-xorg-input-libinput_0.28.2-2_mips64.deb

    • 3A5000 安装 setting/res 目录下 xserver-xorg-input-libinput_0.28.2-2_5000.deb

    • 安装命令

      sudo dkpg -i xserver-xorg-input-libinput_0.28.2-2_amd64.deb

    安装时会提示已存在相同版本，请忽略，直接覆盖安装，安装完成后，必须重启主机才生效

3、服务端一键环境部署

环境搭建前必须先连接上 USB 串口线和采集盒。

宿主机环境安装

python3 manage.py install --env host

容器环境安装

python3 manage.py install --env docker

四、配置项

1、服务端配置

setting/config/server.ini

用于配置测试过程中的一些配置项，包含了所有服务端所有的可配置项。

  • 本地无网络运行
    • 将配置项 network=0 即可开始测试。
  • 本地有网络运行
    • 配置项 network=1
    • (1)配置项 client_alias= 配置为你要测试的测试机别名，如 Alias1 测试机别名在 setting/config/client.ini 中进行配置，此时，直接运行 python3 manager 即可开始测试。
    • (2)配置项 client_alias= 为空，测试机别名在 config/client.ini 中进行配置，此时，直接运行 python3 manager --client_alias Alias1，即可开始测试。(Alias1 为你配置的测试机别名)
    • (1)和(2)只要使用其一即可。
  • 有网络运行，且需要通过 Jenkins 上运行一个 job ，同时控制多台机器。
    • 配置项 network=1
    • 配置项 client_alias= 不用配置，在运行 run.sh 的时候直接空格加别名即可，比如：测试机别名为 Alias1 ，且已经在 config/client.ini 中配置了 Alias1 的user ip password ，则运行 bash run.sh Alias1 即可开始测试。
    • 在 Jenkins pipeline 里面通过并行 stage 或并行调用下层任务的方式可以实现大规模的性能测试需求。

详细配置项说明：

;=============================== CASE CONFIG ===================================
[case]
;执行的应用名称
;为空表示执行 apps/ 目录下所有应用的用例
APP_NAME =
;执行包含关键词的用例
KEYWORDS =
;执行包含用例标签的用例
TAGS =
;1、KEYWORDS 和 TAGS 都为空表示执行 APP_NAME 的所有用例
;2、KEYWORDS 和 TAGS 都支持逻辑组合，即 and/or/not 的表达式, e.g. TAGS = L1 or smoke

[case_conf]
# 尾帧识别的方式stage按阶段划分，ocr通过文案识别，match 图片匹配，ocr文案识别较慢，不推荐使用
find_by = stage
# 最后一个稳定阶段的帧数识别
# 首帧存在后的第一个大于该配置帧数的阶段的首帧作为性能尾帧
final_stable_num=100
# 从该帧数开始识别文案或图片，减少分析时间
start_num = 150
# 识别的文案
text=
# 识别图片
match=apps/xxx/images/match.png
# 识别相似度
match_rate=0.9
# 用例操作执行之后，停止录屏之前的等待时间，单位秒
# 比如热启动用例，从点击打开到停止录屏，中间等待5秒；
duration = 15
# 单条用例执行的次数
count = 5
# 稳定阶段划分的相似度
stable_similarity = 0.9997

[server]
# 调试模式=1，为开启调试模式，0为关闭。
# 调试模式下默认只执行一次用例，不关机
# 编写用例的过程中建议开启maintain。
MAINTAIN = 0
# 运行的环境docker容器环境，host宿主机环境
ENV = docker
# 服务端密码
PASSWORD=1
# 指定测试机别名
# 测试机别名在 config/client.ini 中进行配置，比如：
# [AMD]
# ip=10.8.15.86
# user=uos
# 其中 AMD 为测试机别名，则client_alias=AMD
CLIENT_ALIAS = x86（Intel-i7）
# 1 开启网络, 0 关闭网络
# （1）服务端与测试机须在同一网段下，你可以尝试在服务端通过ssh连接测试机，如果可以连接，说明网络正常。
# （2）当input_type=FILE_NAME 时，必须开启网络。
NETWORK = 1
# 性能结果统计单位 毫秒—ms, 秒—s
UNIT=ms
# 测试机开机进入桌面后等待时间,单位/秒
STARTUP_DELAY = 60
# 1为删除缓存，0为不删除缓存
# 用例执行完后会在report目录下生成智能解析的一些缓存图片。
CACHE = 0
# 默认为空，报告会保存在项目下report目录中；
# 指定报告目录则存放到指定目录。
REPORT_PATH = report
# 服务端从测试机获取的icon资源会缓存在项目下input目录中
INPUT = input/
# 1为测试完关机，0为测试完不关机
SHUTDOWN = 0
# 解析进程数（不推荐修改）
# 3个进程解析视频已经能够满足，即使增加进程数也不能减少整体耗时
# 另外还要看CPU核数是否支持。
PARSING_PROCESS = 3
# 1为使用继电器开关机，0为使用reboot命令重启。依赖继电器硬件设备，需要使用联系开发者
RELAY = 0
# 获取测试应用的版本, %s 占位应用名
# 如果该配置为空，则不获取应用的版本信息。
COMMAND = apt policy %s 2>/dev/null|grep "已安装"|awk -F "：" "{print \$2}"
# 关机等待开启时间，单位秒
# 根据测试机性能不同，开关机耗时可能不同，根据实际测试机情况配置。
SHUTDOWN_DELAY = 30
# 可用于图像识别的图片格式，以英文逗号隔开。
# 该配置项不建议修改，目前我们仅验证了jpg,jpeg,png这三种常用的图片格式。
INPUT_TYPES = jpg,jpeg,png
# 性能分析补帧，等于或低于该值的不稳定阶段视为稳定阶段，在最后计算性能结果时需要减掉。
UN_STAB_START = 3
# 服务端获取测试机图像的帧率，即每秒获取多少张测试机上的图像。
# 默认帧率为30帧/秒，该配置项不建议修改，可能会对解析结果造成偏差。
FPS = 30
# 以下场景类型会重启测试机,多种场景使用逗号隔开
SCENE = cold
;OCR服务端地址（不可随意修改）
OCR_SERVER_HOST = http://10.8.13.78:8890
#屏幕图片临时存放位置
SCREEN_CACHE = /tmp/screen

# =======================================
[log]
# 日志级别，OFF、FATAL、ERROR、WARN、INFO、DEBUG、ALL
# 用例执行过程中的一些日志输出，log_cli=INFO表示 仅输出INFO及以上级别的日志。
LOG_LEVEL = DEBUG
# 日志文件保存路径
LOG_PATH= logs

# =======================================
[dockerhub]
# 容器登陆账号
DOCKER_USER = user
# 容器登陆密码
DOCKER_PASSWORD = User1234

2、测试机配置

setting/config/client.ini

用于配置测试机的信息。

  • 有网络的情况下，服务端需要动态获取测试机上的一些资源，因此你需要写入 测试机别名 、 user 、ip、 password 。

    # 测试机别名
[Alias1] 
# 测试机ip
ip=10.8.15.86 
# 测试机用户名
user=uos

    命名建议：AliasA1、AliasA2、AliasB1、AliasB2，不要重名。

  • 无网络情况下，仅需要关注测试机分辨率配置项 width=、 height= 即可。

详细配置项说明：

[client]
# 默认测试机用户名，密码，ip
ip=
user=

# 测试机密码
password=1

# 测试机主题
theme=bloom

# 测试机icon目录
path=/usr/share/icons

# 系统desktop文件的存放目录，UOS系统默认为/usr/share/applications
desktop_path=/usr/share/applications

# 用于判断测试机是否开机进入桌面的识别标识。
# 1、通过桌面图标识别。
#   - type=FILE_NAME时，服务器和测试机必须在同一局域网内。
#   - power_on=dde-computer表示通过桌面计算机图标判断开机进入桌面。
# 2、通过本地图片作为开机识别。
#   - type= 传入为图片格式，type支持的类型包含在server.ini内配置项input_type=jpg,jpeg,png。
#   - power_on= 传入的是本地图片的路径。
type=FILE_NAME
power_on=dde-computer

# 测试机分辨率配置（测试机连接采集盒，采集盒的分辨率）
height=1080
width=1920

[AliasA1] 
ip=10.8.15.86
user=uos
# password=1 如果这里不写密码，默认取上面client里面的password

[AliasA2]
ip=10.8.15.20
user=uos
# password=1 如果这里不写密码，默认取上面client里面的password

3、场景个性化配置

随着测试场景的不断引入，发现现有服务端里的配置项并不适用于所有的性能场景，于是将服务端配置进行一个提取，可做单个场景的个性化配置，当然原来的服务端配置功能保留，只是当你配置了场景个性化配置后，优先使用个性化配置里面的内容，以下是对个性化配置的介绍。

目前每一个 py 文件对应一个性能测试场景，于是在同级目录下创建一个与之同名的 json 文件，作为个性化配置文件

apps
├── album
    ├── test_album_01_start.json  # 个性化配置文件
    └── test_album_01_start.py  # 性能场景文件

以下是对 json 文件中配置的解释，若某项配置不需要，可以缺失，但不能为空；

{
  "title": "test_album_start",		# 标题；必须
  "app_name": "deepin-album",		# 场景所属的应用；必须
  "scene": "hot",					# 场景别名；必须
  "icon": ["deepin-album"],			# 这条用例里面需要用到的所有icon，用例执行之前会从测试机上拷贝所有需要用的icon到服务端，用于图像识别。；可缺失
                                    # 注意：列表中元素为应用desktop文件的文件名，相册的desktop文件名为deepin-album.desktop，
                                    # 只需要写deepin-album即可，“.desktop”已经在底层做了拼接。
  "size": {                         # 图片对比的区域设置项，某些应用当前屏幕的部分区域需要将其去掉，可以设置此项，如果没有则可不写；可确实
    "x-coordinate": 0,				# 左上角横坐标
    "y-coordinate": 0,				# 左上角纵坐标
    "width": 850,					# 横向长度
    "height": 1920					# 纵向高度
  },
  "count": 5,						# 场景执行的次数；必须
  "duration": 5,					# 该条用例操作执行之后，停止录屏之前的等待时间，单位秒，针对于某些特定场景，该配置为可选项，覆盖 server.ini 中的配置；可缺失
  "stable_similarity": 0.9997,		# 性能场景分阶段时的图片相似度对比，前后图片低于该值，则分为不稳定阶段；可缺失
  "find_by": "stage",               # 尾帧识别的方式stage按阶段划分，ocr通过文案识别，match 图片匹配
  "final_stable_num": 100, # 查找最后一个大于该值的稳定阶段的首帧作为性能的尾祯；可缺失
  "start_num": 150,
  "text": "",                       # ocr识别的文案
  "match": "apps/xxx/images/match.png",  # 图像匹配的图片文件路径
  "match_rate": 0.9                       # 匹配相似度
}

五、测试流程

六、用例编写及方法参数指引

1、用例实例说明

# 标准库导入
from time import sleep
# 导入三方库pytest
import pytest
# 导入用例执行要用到的Widget类
from src.base_widget import BaseWidget


class TestStart:

  # class级别的fixture，测试用例执行之前执行。autouse=True 自动在当前作用域下使用。
  @pytest.fixture(scope="class", autouse=True)
  # 测试热启动之前需要预启动。
  def application_pre_start(self):
    # 入参规则在第2点中详细描述。
    BaseWidget().right_click_element("deepin-album")
    # 入参规则在第2点中详细描述。
    BaseWidget().click_element("apps/autotest_deepin_album/picture/open.png", input_type="png")
    sleep(2)
    # 快捷键关闭窗口
    BaseWidget().hot_key("alt", "f4")
    sleep(2)

  # 默认为function级别的fixture，用例执行之前，class级别fixture执行之后执行。
  @pytest.fixture(autouse=True)
  def setup_start(self):
    # 右键点击 deepin-album 图标
    BaseWidget().right_click_element("deepin-album")
    # 移动到右键菜单中打开（open.png）
    # 入参规则在第2点中详细描述。
    BaseWidget().move_to(*BaseWidget().find_element("apps/autotest_deepin_album/picture/open.png", input_type="png"))
    # 等待移动完成
    sleep(0.5)

    def test_album_start(self):

    # 点击“打开”
    BaseWidget().click()

2、方法参数说明

2.1、find_element 方法

def find_element(element: str, input_type: str = "FILE_NAME", fill_color_position: tuple = (-1, -1), size: tuple = (25, 70)):
    pass

  • 参数 element 和 input_type

    （1）通过应用 icon 识别元素

    • input_type 参数为默认参数，默认值为 FIEL_NAME ，表示通过应用 icon 寻找元素，此方法会动态获取测试机上的应用 icon 图标。
    • 举例：默认情况下 input_type 参数不需要传入， find_element("deepin-album")，表示通过 deepin-album 的应用 icon 来获取坐标，注意，此时传入的 deepin-album 参数实际是 desktop文件的文件名，和2.3中的 icon 变量一致。
    • 我们建议优先使用这种方法，但此方法依赖网络，请根据测试环境实际情况选择。

    （2）通过本地图片识别元素

    • 参数 input_type 传入图片格式，比如截取的本地图片格式为 png，那么 input_type="png"，此时参数 element 传入图片的路径，建议存放在对应的产品 apps/app/picture/ 目录下，路径为项目根目录下的相对路径。
    • 举例：find_element("apps/autotest_deepin_album/picture/open.png", input_type="png"))，表示通过本地图片 open.png 识别元素。

  • 参数 fill_color_position

    • fill_color_position 参数为默认参数，默认值为 (-1, -1)，(-1, -1) 表示取屏幕中右下角最后一个像素点作为填充坐标，在 1920x1080 屏幕分辨率下即实际坐标为 (1919, 1079) ，这样的写法可以适配不同大小的屏幕。
    • 任务栏在屏幕不同方位：
      • 任务栏在屏幕下方，从任务栏启动不需要传入该参数。
      • 任务栏在屏幕左边，fill_color_position=(1, 1)
      • 任务栏在屏幕右边，fill_color_position=(-1, -1)
      • 任务栏在屏幕上边，fill_color_position=(1, 1)
    • 从桌面启动应用，则需要传入除任务栏以外其他位置的坐标，比如(100, 100)，只要这个坐标为除应用和任务栏区域都可以。
    • 从启动器里面启动应用，需要填充的坐标为启动器区域。

    注：通过应用 icon 识别时，从测试机获取的 icon 原文件为 svg 矢量图，转换为 png 之后需要填充边缘透明部分。

  • 参数 size

    • size 参数为默认参数，默认值为 (25, 70)，表示测试机上 dock 栏上应用图标的大小范围。
    • UOS 系统 dock 栏是可以上下拖动大小的，随着 dock 栏大小改变，应用图标的范围为25到70之间。
    • 如果你的测试机操作系统上 dock 栏大小不一样，可以根据实际情况传入大小范围。

2.2、click_element、 right_click_element， double_click_element 这几个方法参数规则与 find_element 方法一样。他们实际上是在 find_element 方法基础之上做了二次封装，增加了鼠标的动作，如果你不想使用这几个方法，在用例中也可以通过 find_element 获取到坐标，然后将坐标传入到键鼠的方法中，可以实现同样的效果。

2.3、用例类中有个类变量 icon = ["deepin-album"] 需要特殊说明，列表中的元素为这条用例里面需要用到的所有 icon，用例执行之前会从测试机上拷贝所有需要用的 icon 到服务端用于图像识别。列表中元素为应用 desktop 文件的文件名，相册的 desktop 文件名为 deepin-album.desktop，只需要写 deepin-album 即可，.desktop 已经在底层做了拼接。

七、执行入口

1、用例组织

在 setting/config/server.ini 文件中 APP_NAME= 字段为用例的执行的目录，默认为 apps 目录下所有用例。如果你想指定执行某一个应用的用例，你可以将该配置项指定到应用的用例目录，比如：APP_NAME=deepin_album， 表示执行相册目录下的用例。

2、命令行参数

通过命令行参数配置参数

以下为 python3 manage.py run 提供的一些参数选项：

  -a APP, --app APP     应用名称：deepin-music
  -k KEYWORDS, --keywords KEYWORDS
                        用例的关键词
  -t TAGS, --tags TAGS  用例的标签
  --log_level LOG_LEVEL 日志输出级别
  --env {host,docker} 在宿主机或容器环境执行
  --client_alias  选择测试机别名, 可选项为client.ini中已配置, 默认值为 zx-x86.
  --count 指定用例执行次数

在一些 CI 环境下使用命令行参数会更加方便：

python3 manage.py run --app deepin-music --keywords "xxx" --tags "xxx" --env docker

注：在容器中执行时，若强制退出，容器并不会停止运行！

八、测试报告

1、Json 报告

自研视频解析工具会对单条用例执行一轮生成一个 json 文件，存放于 report/{app_name}/{scene}/{run_num} 目录下，命名格式为：

report.json

json 内容举例：

[
    {
        "Stab1": {
            "images": [1,2...150,151],
            "startStub": 0,
            "type": "Stab"
        }
    },
    {
        "Stab2": {
            "images": [152,153...169,170],
            "startStub": 1,
            "type": "UnStab"
        }
    },
    {
        "Stab3": {
            "images": [171,172...300,301],
            "startStub": 0,
            "type": "UnStab"
        }
    }
]

说明：

  • Stab ：表示解析过程中不同的阶段。
  • images ：表示每一帧的图片序号。
  • startStub： 为识别尾帧的阶段表示，如果 "startStub": 1 ，说明尾帧出现在该阶段。
  • type： 为 Stab 或 UnStab ，表示稳定阶段或不稳定阶段。

各阶段有帧数补偿，默认补偿的帧数为 3 帧（可以通过 server.ini 里面 un_stab_start=3 进行配置），表示小于等于 3 帧的不稳定阶段视为稳定阶段，在最后计算性能结果时前后均需要减掉。

应用启动阶段就是在 Stab2 阶段，启动时间为：171 减 151 再减掉前后补偿帧数 6 帧，即 14 帧，视频帧率 30 帧/秒，因此启动耗时为：14 * 33 = 462 ms

2、Excel 报告

所有用例执行并解析完之后会 report 目录下生成一个汇总数据的 Excel 文件，文件名为：{time}_perf_time.xlsx。

注意，report 目录为可配置项，默认情况下会在项目根目录下生成，如果你将 report，指定到项目下其他路径，则会在对应的路径下生成 json 和 Excel 文件。

你也可以根据需要读取所有 json / excel 报告的数据，生成你自己想要的一些测试报告形式。

九、USB 串口驱动键鼠方法

位于 src/utils/control/serial_communication 目录下的 usb_mk.py 文件

usb_mk = UsbMk()

1、键盘操作

（1）按下键盘按键

usb_mk.press_key("enter")   # 按下键盘enter键

（2）按下键盘按键并且不放

usb_mk.press_key_down("enter")   # 按下键盘enter键不放

（3）组合按键

usb_mk.hot_key("ctrl", "alt", "T")   # 按下组合按键ctrl+alt+T调起终端

（4）组合按键不放

usb_mk.hot_key_down("ctrl", "alt", "T")   # 按下组合按键ctrl+alt+T调起终端不放

（5）释放所有键盘按键

usb_mk.key_up()

（6）键盘输入字符串（支持传入汉字，会自动转成拼音输入）

usb_mk.hot_key("ctrl", "alt", "T")   # 按下组合按键ctrl+alt+T调起终端
usb_mk.input_text("reboot")   # 输入字符串reboot
usb_mk.press_key("enter")   # 按下键盘enter键

2、鼠标操作

（1）按下鼠标左键

usb_mk.click()

（2）按下鼠标左键不放

usb_mk.mouse_down()

（3）释放鼠标所有按键

usb_mk.mouse_up()

（4）按下鼠标右键

usb_mk.right_click()

（5）鼠标左键双击

usb_mk.double_click()

（6）恢复鼠标至初始位置，默认左上角

usb_mk.move_to_init()

（7）移动鼠标至相对坐标

usb_mk.move_rel(100, 200)   # 鼠标向左边移动100个像素，向下移动200个像素

（8）以屏幕左上角为圆心坐标移动鼠标至屏幕绝对坐标

usb_mk.move_to(100, 200)   # 鼠标移动至屏幕坐标（100, 200）

（9）按下鼠标左键，拖动到绝对坐标位置

usb_mk.drag_to(100, 200)   # 按下鼠标拖动至屏幕坐标（100, 200）

（10）按下鼠标左键，拖动到相对坐标位置

usb_mk.drag_rel(100, 200)   # 鼠标向左边移动100个像素，向下移动200个像素

十、继电器控制主机开机/重启

（若不使用继电器，可忽略该步骤，执行时会通过命令 reboot）

1、继电器设备

LCUS-2 型 双路 USB 智能串口控制继电器。

https://item.taobao.com/item.htm?spm=a1z09.2.0.0.41d72e8dUYx2pi&id=582653718178&_u=i25r20ia6a2e

2、USB 延长线

普通的 USB 线即可。

3、杜邦线

3.1、40P 母对公杜邦线。

3.2、一母二公杜邦线。

4、安装图文教程

4.1、使用 USB 延长线连接控制端和继电器。

4.2、在继电器常端和公共端均连接一根杜邦线。

4.3、在主板上开机针和重启针上插上一母二公杜邦线。

4.4、将开机针外接的一母二公杜邦线的两根公线分别接入继电器的1路继电器（如图 1左侧继电器）和原电源开关。

4.5、将重启针外接的一母二公杜邦线的两根公线分别接入继电器的2路继电器（如图 1 右侧继电器）和原电源开关。

若想保留原电源开关的电源灯，可根据如上图所示，使用杜邦线连接主板上的电源灯和原电源开关

十一、常见问题说明

1、ERROR: for uos Cannot restart container 2301b1a1395d7959ee6523d61b61c87084649af530786cdb8fb5b3ecbcbd1068: linux runtime spec devices: error gathering device information while adding custom device "/dev/ttyACM0": no such file or directory

检查 USB 串口线连接状态，查看 /dev/ttyACM0 是否存在，若存在 /dev/ttyACMn（n为任意数字），重启电脑解决。

2、Error response from daemon: Container 5e700fdc769e8c74666d68a7f2bc3de58268b4594cf88706609d59f8dbc7362d is not running

容器启动失败

1）检查哪一个容器未启动

sudo docker container ls # 列出运行中的 Docker 容器

2）缺少 uos 容器，检查 USB 串口连接线和采集盒连接线是否正常，重启后执行

bash install/setup.up # 重新完整部署环境

或执行

sudo docker-compose up -d --build	# 仅重新构建 Docker 镜像

**3、**若部署时提示挂载 ttyACM0、video0 失败，请检查 USB 串口线及采集盒是否接触良好，若接触良好，重启即可解决。

4、若出现图片能识别，但是鼠标未移动操作时，安装绝对鼠标操作的依赖包，见第三节第二小节测试机环境搭建，安装完成后，必须重启测试机。

5、由于通过采集卡获取的测试机实时画面，包含了鼠标的样式，所以对图片识别时，鼠标若停留在图标上层，则会对识别结果造成影响，需要将鼠标移动至其他位置，或者隐藏鼠标解决。

6、Excel 报告中，测试场景列与用例中的不一致，关键字scene、app_name、架构别名，不能包含下划线和英文符号的圆括号。