第3章 数据夹具分层：全局数据、用例级数据、动态生成数据

3.1 分层原理：从重复到复用

UI测试中数据夹具的重复定义是代码冗余的主要源头。同一份测试数据在多个用例中反复编写，导致维护成本随用例数量呈指数增长。数据夹具分层将数据按生命周期和共享范围划分为三个层次，从架构层面切断重复链条。

分层遵循三大设计原则：

• 职责分离——每层只关注一个维度的数据职责，避免数据定义混杂。
• 复用优先——全局数据优先复用，用例级数据按需隔离，动态数据即时生成。
• 生命周期对齐——数据生命周期与测试执行阶段严格对应，减少残留和冲突。

3.2 三层数据夹具对比

3.3 分层架构与数据流

下图展示数据夹具的三层架构及数据流转关系。测试用例通过数据夹具管理器统一访问各层数据，管理器按优先级和生命周期策略调度数据源。

3.4 实现流程与代码示例

使用 pytest 框架实现三层数据夹具，核心思路是通过 fixture 的 scope 参数控制生命周期。

全局数据层实现

全局配置通过 scope="session" 保证在整个测试会话中只加载一次。

# conftest.py
import pytest
import json
import os

@pytest.fixture(scope="session")
def global_config():
    """全局数据层：从配置文件加载，session 级别缓存"""
    config_path = os.environ.get("TEST_CONFIG", "config/global.json")
    with open(config_path, "r", encoding="utf-8") as f:
        config = json.load(f)
    # 冻结为只读字典，防止用例间意外修改
    return {k: v for k, v in config.items()}

用例级数据层实现

用例级数据使用默认的 scope="function"，每个用例独立加载，互不干扰。

# test_data/user_cases.py
import pytest
import json

@pytest.fixture
def case_user_data(request):
    """用例级数据层：从 JSON 文件加载，function 级别隔离"""
    # 根据用例名称自动匹配数据文件
    case_name = request.node.name
    data_path = f"data/cases/{case_name}.json"
    with open(data_path, "r", encoding="utf-8") as f:
        data = json.load(f)
    return data

动态生成数据层实现

动态数据在运行时生成，每次调用返回新实例，适合随机参数和 Mock 场景。

# test_data/dynamic.py
import pytest
import random
import string

@pytest.fixture
def dynamic_user_payload():
    """动态生成数据层：运行时创建随机用户信息"""
    suffix = ''.join(random.choices(string.digits, k=6))
    return {
        "username": f"auto_user_{suffix}",
        "email": f"user_{suffix}@test.example.com",
        "reg_time": None  # 由测试逻辑填充
    }

@pytest.fixture
def dynamic_order_data(dynamic_user_payload):
    """动态数据可组合：基于用户数据生成订单"""
    return {
        "user": dynamic_user_payload["username"],
        "order_id": f"ORD-{random.randint(10000,99999)}",
        "amount": round(random.uniform(10.0, 500.0), 2)
    }

3.5 调试与部署

分层数据夹具的调试重点在于验证数据加载时机与隔离性。

• 加载顺序验证： 在 fixture 中添加 print(f"[{scope}] load {fixture_name}")，通过 pytest -s 观察日志。
• 隔离性检查： 在用例中修改用例级数据，确认不影响其他用例的 fixture 实例。
• 全局数据只读保护： 使用 types.MappingProxyType 或深度冻结，防止运行时篡改。

# 调试示例：观察 fixture 生命周期
@pytest.fixture(scope="session")
def debug_config():
    print("\n[SESSION] 加载全局配置")
    yield {"env": "staging"}
    print("[SESSION] 全局配置释放")

@pytest.fixture
def debug_case():
    print("\n[FUNCTION] 加载用例数据")
    yield
    print("[FUNCTION] 用例数据释放")

部署要点：

• 全局数据文件放入版本库的 config/ 目录，通过 CI 环境变量切换环境。
• 用例级数据文件按模块组织，与测试文件保持相同目录结构。
• 动态生成数据不落盘，仅用于运行时注入。

3.6 常见错误

3.7 性能与稳定性优化

分层数据夹具在大型测试套件中可能成为瓶颈，以下优化策略经过生产环境验证：

• 全局数据懒加载： 使用 @pytest.fixture(scope="session", autouse=False)，仅在用例显式请求时加载，避免 session 启动时全部加载。
• 用例级数据索引缓存： 对于大量用例级 JSON 文件，使用 LRU 缓存避免重复磁盘 I/O。
• 动态生成数据池化： 预生成一批数据放入队列，测试时从队列取出，提高生成吞吐量。
• 并发安全： 使用 threading.Lock 保护全局数据的读取与重置操作，防止 pytest-xdist 并行执行时竞态。

# 性能优化示例：全局数据懒加载 + 缓存
from functools import lru_cache
import json

@pytest.fixture(scope="session")
def lazy_global_config():
    """仅在首次被请求时加载文件"""
    return _load_config_cached()

@lru_cache(maxsize=1)
def _load_config_cached():
    with open("config/global.json", "r") as f:
        return json.load(f)