Skip to content

T
Taisite-Platform

泰斯特Test / Taisite-Platform
8 个月 前同步成功

通知 121
Star 28
Fork 1
T
Taisite-Platform

前往新版Gitcode，体验更适合开发者的 AI 搜索 >>

提交 99475f38 编写于 作者: 泰斯特Test's avatar 泰斯特Test
浏览文件
操作

[feat](README.md)新增英文部署文档

上级 4a4846f0
隐藏空白更改
内联 并排
Showing with 414 addition and 122 deletion
README.md
浏览文件 @ 99475f38
......@@ -2,112 +2,108 @@
![](https://img.shields.io/badge/-%20marvelous-orange) ![](https://img.shields.io/badge/-%20gogeous-grey) ![](https://img.shields.io/badge/-%20elegant-blue)
+ [Taisite-Platform 中文文档](https://github.com/amazingTest/Taisite-Platform/blob/master/README_CN.md)
![泰斯特平台LOGO.png](https://github.com/amazingTest/Taisite-Platform/blob/master/images/泰斯特平台LOGO.png)
## Ⅰ. 泰斯特平台简介
## Ⅰ. Introduction
### 背景
### Background
「泰斯特平台」是一个由「软件测试 & 机器学习爱好者」开发的接口自动化测试平台。
"Taisite-Platform" is an interface automation test platform developed by "Software Testing & Machine Learning Enthusiasts".
### 愿景
### Vision
平台致力于将人工智能技术与软件测试有效结合，让平台在保障测试精确性要求的同时更具智能化、泛化能力，
同时尽可能 **最优化使用体验** ，目标是成为 **最贴心、最好用、颜值最高** 的开源测试平台。
The platform is dedicated to effectively combining artificial intelligence technology with software testing, enabling the platform to be more intelligent and generalized while ensuring test accuracy requirements
and ** optimize the user experience ** at the same time. The goal is to become the most intimate, best-used, highest value open source test platform.
### 技术栈
### Technology stack
平台遵循「前后端分离开发」思想，技术栈为：「Python + Vue + Mongodb」，后端开发使用的是轻量级 Web 框架 Flask，
前端 UI 框架则采用的是易上手的 ElementUi。
The platform follows the idea of "separate development frontend and backend". The technology stack is: "Python + Vue + Mongodb".
[***（在这里感谢一下该开源项目给我带来的启发)***](https://github.com/githublitao/api_automation_test)
[***（Thanks for the inspiration that this open source project brought to me.)***](https://github.com/githublitao/api_automation_test)
### 使用环境
### User environment
**推荐使用 Chrome 最新浏览器使用~**
**Chrome is a good choice**
### 开源协议
### Open source protocol
***APGL-3.0***
（详细内容请查阅 LICENSE 文件）
## Ⅱ. 泰斯特平台特点 （os：和其他测试平台有什么区别？）
## Ⅱ. Taisite-platform features (os: What is the difference between other test platforms?)
**0. 已经投入生产环境使用 1 年以上, 用起来轻松没负担~**
**0. It has been put into production environment for more than 1 year, it is stable~**
1. 平台遵循「小而精」的策略，最大化所有功能的开发、使用性价比，可帮助测试团队快速搭建起易于上手 / 维护的接口
自动化测试体系。
1. The platform follows a "small but fine" strategy to maximize the development of all features and cost-effectiveness, helping test teams quickly build easy-to-follow/maintain interfaces
  automated test system.
2. 平台遵循「零编码」原则，使用者不需要编程即可完成较为复杂的业务流程接口测试。
2. The platform follows the "zero-encoding" principle, and users can complete more complex business process interface tests without programming.
3. 平台遵循「颜值即正义」原则，操作界面展示如下：
3. The platform follows the principle of “good-looking is justice” and the operation interface is shown as follows:
![操作界面展示](https://github.com/amazingTest/Taisite-Platform/blob/master/images/操作界面展示.png)
4. 平台拥有极佳的定时任务体验，启动定时任务后可随时停用 / 任意编辑任务内容且立即生效，同时拥有丰富的告警策略，
页面展示如下：
4. The platform has an excellent timed task experience. After starting the scheduled task, you can disable/arbitrarily edit the task content and take effect immediately. It also has a rich alarm strategy.
  The page is shown below:
![定时任务配置](https://github.com/amazingTest/Taisite-Platform/blob/master/images/定时任务配置.png)
5. 平台拥有导入 / 导出功能，支持测试人员 **"最喜爱的"** Excel 格式，易于批量生成 / 修改用例。
5. The platform has import/export capabilities that support testers ** "favorite" ** Excel format for easy batch generation/modification of use cases.
![数据导入展示](https://github.com/amazingTest/Taisite-Platform/blob/master/images/数据导入展示.png)
6. 平台拥有较为丰富的测试结果校验体系，支持**文本相似度**校验。
([具体内容可参考本篇博文](https://juejin.im/post/5cfe1dd96fb9a07ed7407321))
6. The platform has a rich test result verification system and supports **text similarity** verification.
([get more detail](https://juejin.im/post/5cfe1dd96fb9a07ed7407321))
7. 平台对外提供测试任务调度接口，方便与开发项目集成。
7. The platform provides a test task scheduling interface to facilitate integration with development projects.
8. ......
***（还有许许多多令人惊喜的小特色等着你去探索 & 挖掘）***
***（There are so many amazing little features waiting for you to explore & tap）***
## Ⅲ .泰斯特平台功能图解
## Ⅲ .Taisite-platform function diagram
### V1.0
![泰斯特平台结构图_V1.0](https://github.com/amazingTest/Taisite-Platform/blob/master/images/泰斯特平台结构图_V1.0.png)
## IV . 泰斯特平台部署
## IV . Deploy
### windows 环境下部署
### Deploy under windows
#### 0. 克隆项目
#### 0. Clone
git clone https://github.com/amazingTest/Taisite-Platform.git
#### 1. 安装 python 3 环境
[点击进入教程](https://www.runoob.com/python3/python3-install.html)
#### 1. Install python 3 env
#### 2. 部署自然语言模型
[点击下载模型](https://storage.googleapis.com/bert_models/2018_11_03/chinese_L-12_H-768_A-12.zip)
[Download model](https://storage.googleapis.com/bert_models/2018_11_03/chinese_L-12_H-768_A-12.zip)
2.2 解压压缩包
2.2 Extract the compression package
2.3 安装 python 依赖包
2.3 Install python dependent-packages
pip install tensorflow==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install bert-serving-server==1.9.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
2.4 启动模型
2.4 Start the model
// 当前目录切换至模型文件夹目录后执行
// Execute after the current directory is switched to the model folder directory
bert-serving-start -model_dir ./chinese_L-12_H-768_A-12/ -num_worker=1
启动成功后输出如下：
After the startup is successful, the output is as follows:
![NLP模型启动成功输出](https://github.com/amazingTest/Taisite-Platform/blob/master/images/NLP模型启动成功输出.png)
#### 3. 部署 Mongodb 数据库
[点击进入教程](https://www.runoob.com/mongodb/mongodb-window-install.html)
#### 3. Deploy Mongodb database
#### 4. 设置系统环境变量
#### 4. Set system environment variables
AUTOTEST_PLATFORM_ENV=production
AUTOTEST_PLATFORM_NLP_SERVER_HOST=127.0.0.1
......@@ -117,84 +113,82 @@
AUTOTEST_PLATFORM_MONGO_PASSWORD=${PASSWORD}
AUTOTEST_PLATFORM_MONGO_DEFAULT_DBNAME=taisite
其中 AUTOTEST_PLATFORM_ENV 默认为 production （必填）
Where AUTOTEST_PLATFORM_ENV defaults to production (required)
AUTOTEST_PLATFORM_MONGO_HOST和 AUTOTEST_PLATFORM_MONGO_PORT 分别表示数据库的地址和端口（必填）
AUTOTEST_PLATFORM_MONGO_HOST and AUTOTEST_PLATFORM_MONGO_PORT indicate the address and port of the database (required)
AUTOTEST_PLATFORM_MONGO_USERNAME和 AUTOTEST_PLATFORM_MONGO_PASSWORD 分别表示数据库的帐号密码（若无可不填）
AUTOTEST_PLATFORM_MONGO_USERNAME and AUTOTEST_PLATFORM_MONGO_PASSWORD represent the account password of the database (if not required)
AUTOTEST_PLATFORM_NLP_SERVER_HOST（自然语言模型服务）默认为本机启动 （非必填）
AUTOTEST_PLATFORM_NLP_SERVER_HOST (Natural Language Model Service) defaults to native boot (not required)
AUTOTEST_PLATFORM_MONGO_DEFAULT_DBNAME 为默认的数据表名（必填）
AUTOTEST_PLATFORM_MONGO_DEFAULT_DBNAME is the default data table name (required)
设置完成后可通过下列命令进行测试（CMD切换至项目根目录下）
After the setting is completed, you can test it with the following commands (CMD switches to the project root directory)
python ./backend/config.py
若配置成功则可看见输入的配置数据
If the configuration is successful, you can see the input configuration data.
#### 5. 打包前端 dist 文件 （这一步我已为你们做好，若不需二次开发可跳过）
#### 5. Package the front-end dist file (I have done this for you, skip it if you don't need secondary development)
5.1 安装 Vue 环境，下载 node.js 并配置环境，下载 npm 包管理器
5.1 Install the Vue environment, download node.js and configure the environment, download the npm package manager
5.2 cmd 进入 frontend 目录下，配置 cnpm :
5.2 Cmd into the frontend directory, configure cnpm:
npm install -g cnpm --registry=https://registry.npm.taobao.org
5.3 执行安装依赖包命令:
5.3 Execute the install dependency package command:
cnpm install
5.4 执行打包命令:
5.4 Execute the package command:
cnpm run build
若成功打包则会在项目根目录下生成 dist 文件夹
If successfully packaged, the dist folder will be generated in the project root directory.
#### 6. 启动后端
#### 6. Start backend
// 切换至项目根目录下执行
// Switch to the project root directory to execute
pip install -r ./backend/requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
// 启动后端 ( 默认5050端口 )
// Start backend (default 5050 port)
python ./backend/run.py
// 创建平台管理员帐号密码
// Create a platform administrator account password
python ./backend/createAdminUser.py
#### 7. 访问项目
#### 7. Access project
现在就可以访问 http://127.0.0.1:5050/#/login 使用创建的管理员帐号密码进行登录
You can now log in using http://127.0.0.1:5050/#/login using the created administrator account password.
![平台登录界面2.png](https://github.com/amazingTest/Taisite-Platform/blob/master/images/平台登录界面2.png)
### Linux 环境下 Docker 容器化部署
### Docker containerized deployment in Linux environment
[点击进入 Docker 教程地址](https://www.runoob.com/docker/ubuntu-docker-install.html)
#### 0. 克隆项目
#### 0. Clone
git clone https://github.com/amazingTest/Taisite-Platform.git
#### 1. 自然语言模型部署
#### 1. Natural language model deployment
sudo -i
docker pull shaoyuyishiwo/bertserver
docker run --name autotest-platform-bertserver -d shaoyuyishiwo/bertserver
#### 2. Mongo 数据库部署 (若已有现成数据库可用则可跳过此步)
#### 2. Mongo database deployment (skip this step if an existing database is available)
2.1 启动数据库 & 数据挂载至宿主机
2.1 Start database & data mount to host
sudo -i
docker pull mongo
docker run --name autotest-platform-mongo -p 27017:27017 -v /data/db:/data/db -v /data/configdb:/data/configdb ``-d mongo
2.2 创建数据库帐号
2.2 Create a database account
docker exec -it autotest-platform-mongo /bin/bash
......@@ -208,22 +202,22 @@ AUTOTEST_PLATFORM_MONGO_DEFAULT_DBNAME 为默认的数据表名（必填）
Successfully added user: { "user" : "admin", "roles" : [ "root" ] }
2.3 数据库内存扩容(建议)
2.3 Database memory expansion (recommended)
> db.adminCommand({setParameter:1, internalQueryExecMaxBlockingSortBytes:335544320})
{ "was" : 33554432, "ok" : 1 }
#### 3. 环境变量配置
#### 3. Environment variable configuration
// 编辑 /etc/profile 文件
sudo -i
vi /etc/profile
若出现警告则选择 (E)dit anyway (输入 E)
If there is a warning, select (E)dit anyway (enter E)
3.1 文本末端插入下列数据 (输入 i 则变为 insert 状态)
3.1 Insert the following data at the end of the text (enter i to get into insert status)
export AUTOTEST_PLATFORM_ENV=production
export AUTOTEST_PLATFORM_NLP_SERVER_HOST=${BERT_IPADRESS}
......@@ -233,89 +227,66 @@ AUTOTEST_PLATFORM_MONGO_DEFAULT_DBNAME 为默认的数据表名（必填）
export AUTOTEST_PLATFORM_MONGO_PASSWORD=${PASSWORD}
export AUTOTEST_PLATFORM_MONGO_DEFAULT_DBNAME=${DBNAME}
变量为动态值，部署者自行根据实际情况输入，DBNAME 值可任意自定义（数据库表名），其中 BERT_IPADRESS 和 MONGO_HOST 值可通过下列命令查询：
The variable is a dynamic value. The deployer can input it according to the actual situation.
The DBNAME value can be arbitrarily customized (database table name). The BERT_IPADRESS and
MONGO_HOST values can be queried by the following commands:
docker inspect autotest-platform-bertserver
docker inspect autotest-platform-mongo // 若使用了上面的步骤部署数据库
docker inspect autotest-platform-mongo // If you used the above steps to deploy the database
输出如下图所示：
The output is shown below:
![控制台输出1.png](https://github.com/amazingTest/Taisite-Platform/blob/master/images/控制台输出1.png)
3.2 插入完毕后点击 ESC 按钮、输入 :wq 后单击回车保存
3.2 After inserting, click the ESC button, type :wq and click Enter to save.
3.3 执行下列命令后环境变量立即生效
3.3 Environment variables take effect immediately after executing the following command
source /etc/profile
#### 4. 启动项目
#### 4. Start the project
Before you start the project, you need to change the timezone info by modifying the RUN script in **Dockerfile.backend** which stay
in first-level directory of the project. The default timezone is Asia/Shanghai.
//在项目根目录下执行部署文件
// Execute the deployment file in the project root directory
sh deploy ${PORT}
其中 ${PORT} 变量填写项目访问端口即可，项目启动的同时也创建了管理员帐号密码，如下图所示：
The ${PORT} variable fills in the project access port, and the administrator account password is also created when the
project starts, as shown in the following figure:
![控制台输出2.png](https://github.com/amazingTest/Taisite-Platform/blob/master/images/控制台输出2.png)
#### 5. 访问项目
#### 5. Access project
浏览器访问部署服务器地址的 ${PORT}端口即可
The browser can access the ${PORT} port of the deployment server address.
![平台登录界面.png](https://github.com/amazingTest/Taisite-Platform/blob/master/images/平台登录界面.png)
#### EXTRA. 常见问题
#### EXTRA. FQA
下列输出代表 NLP模型 启动失败
The following output represents the NLP model startup failure
![NLP部署失败.png](https://github.com/amazingTest/Taisite-Platform/blob/master/images/NLP部署失败.png)
解决步骤：
Solution steps:
1.删除 ./backend/app/init.py 中的这段代码：
1. Remove the code from ./backend/app/init.py:
![不使用NLP模型方法指南1.png](https://github.com/amazingTest/Taisite-Platform/blob/master/images/不使用NLP模型方法指南1.png)
2.将 ./backend/testframe/interfaceTest/tester.py 中的下列代码修改成 pass：
2. Modify the following code in ./backend/testframe/interfaceTest/tester.py to pass:
![不使用NLP模型方法指南2.png](https://github.com/amazingTest/Taisite-Platform/blob/master/images/不使用NLP模型方法指南2.png)
完成后再启动项目时，就不会依赖于自然语言模型了~
## V . 泰斯特平台使用教程
平台主流程使用可参考[本篇博文中的正文部分](https://juejin.im/post/5cd0117be51d456e537ef3bd)
若想 **完整教程** 可关注下方微信号，回复 **优质教程**
![2D-Code](https://github.com/amazingTest/Taisite-Platform/blob/master/images/微信公众号.jpg)
**QQ 交流群号：728314402**
## VI . 泰斯特平台零距离体验（建议先看教程哦~）
因体验服务器配置问题，体验需关注下方公众号后回复 「体验地址」 获得：
![2D-Code](https://github.com/amazingTest/Taisite-Platform/blob/master/images/微信公众号.jpg)
## Ⅶ . 泰斯特带你成长
如果你想：
+ 熟悉平台的每一个最新改动
+ 了解人工智能与测试结合的最新动态
+ 打破测试水平的瓶颈
+ 泰斯特带你一起成长
那么我欢迎你来加入(扫描下方海报中二维码) **我的星球** 一起问道技术巅峰
When you start the project after you finish, you will not depend on the natural language model~
![我的星球](https://github.com/amazingTest/Taisite-Platform/blob/master/images/知识星球二维码.jpg)
## V . Contact me
## Ⅷ . 捐赠
if u have any questions feel free to email me , 523314409@qq.com.
**开源不易** 欢迎扫描下方二维码 **助力开源**。
![2D-Code](https://github.com/amazingTest/Taisite-Platform/blob/master/images/wechatDonation.jpg)
README_CH.md 0 → 100644
浏览文件 @ 99475f38
# Taisite-Platform
![](https://img.shields.io/badge/-%20marvelous-orange) ![](https://img.shields.io/badge/-%20gogeous-grey) ![](https://img.shields.io/badge/-%20elegant-blue)
![泰斯特平台LOGO.png](https://github.com/amazingTest/Taisite-Platform/blob/master/images/泰斯特平台LOGO.png)
## Ⅰ. 泰斯特平台简介
### 背景
「泰斯特平台」是一个由「软件测试 & 机器学习爱好者」开发的接口自动化测试平台。
### 愿景
平台致力于将人工智能技术与软件测试有效结合，让平台在保障测试精确性要求的同时更具智能化、泛化能力，
同时尽可能 **最优化使用体验** ，目标是成为 **最贴心、最好用、颜值最高** 的开源测试平台。
### 技术栈
平台遵循「前后端分离开发」思想，技术栈为：「Python + Vue + Mongodb」，后端开发使用的是轻量级 Web 框架 Flask，
前端 UI 框架则采用的是易上手的 ElementUi。
[***（在这里感谢一下该开源项目给我带来的启发)***](https://github.com/githublitao/api_automation_test)
### 使用环境
**推荐使用 Chrome 最新浏览器使用~**
### 开源协议
***APGL-3.0***
（详细内容请查阅 LICENSE 文件）
## Ⅱ. 泰斯特平台特点 （os：和其他测试平台有什么区别？）
**0. 已经投入生产环境使用 1 年以上, 用起来轻松没负担~**
1. 平台遵循「小而精」的策略，最大化所有功能的开发、使用性价比，可帮助测试团队快速搭建起易于上手 / 维护的接口
自动化测试体系。
2. 平台遵循「零编码」原则，使用者不需要编程即可完成较为复杂的业务流程接口测试。
3. 平台遵循「颜值即正义」原则，操作界面展示如下：
![操作界面展示](https://github.com/amazingTest/Taisite-Platform/blob/master/images/操作界面展示.png)
4. 平台拥有极佳的定时任务体验，启动定时任务后可随时停用 / 任意编辑任务内容且立即生效，同时拥有丰富的告警策略，
页面展示如下：
![定时任务配置](https://github.com/amazingTest/Taisite-Platform/blob/master/images/定时任务配置.png)
5. 平台拥有导入 / 导出功能，支持测试人员 **"最喜爱的"** Excel 格式，易于批量生成 / 修改用例。
![数据导入展示](https://github.com/amazingTest/Taisite-Platform/blob/master/images/数据导入展示.png)
6. 平台拥有较为丰富的测试结果校验体系，支持**文本相似度**校验。
([具体内容可参考本篇博文](https://juejin.im/post/5cfe1dd96fb9a07ed7407321))
7. 平台对外提供测试任务调度接口，方便与开发项目集成。
8. ......
***（还有许许多多令人惊喜的小特色等着你去探索 & 挖掘）***
## Ⅲ .泰斯特平台功能图解
### V1.0
![泰斯特平台结构图_V1.0](https://github.com/amazingTest/Taisite-Platform/blob/master/images/泰斯特平台结构图_V1.0.png)
## IV . 泰斯特平台部署
### windows 环境下部署
#### 0. 克隆项目
git clone https://github.com/amazingTest/Taisite-Platform.git
#### 1. 安装 python 3 环境
[点击进入教程](https://www.runoob.com/python3/python3-install.html)
#### 2. 部署自然语言模型
[点击下载模型](https://storage.googleapis.com/bert_models/2018_11_03/chinese_L-12_H-768_A-12.zip)
2.2 解压压缩包
2.3 安装 python 依赖包
pip install tensorflow==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install bert-serving-server==1.9.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
2.4 启动模型
// 当前目录切换至模型文件夹目录后执行
bert-serving-start -model_dir ./chinese_L-12_H-768_A-12/ -num_worker=1
启动成功后输出如下：
![NLP模型启动成功输出](https://github.com/amazingTest/Taisite-Platform/blob/master/images/NLP模型启动成功输出.png)
#### 3. 部署 Mongodb 数据库
[点击进入教程](https://www.runoob.com/mongodb/mongodb-window-install.html)
#### 4. 设置系统环境变量
AUTOTEST_PLATFORM_ENV=production
AUTOTEST_PLATFORM_NLP_SERVER_HOST=127.0.0.1
AUTOTEST_PLATFORM_MONGO_HOST=${MONGO_HOST}
AUTOTEST_PLATFORM_MONGO_PORT=${MONGO_PORT}
AUTOTEST_PLATFORM_MONGO_USERNAME=${USERNAME}
AUTOTEST_PLATFORM_MONGO_PASSWORD=${PASSWORD}
AUTOTEST_PLATFORM_MONGO_DEFAULT_DBNAME=taisite
其中 AUTOTEST_PLATFORM_ENV 默认为 production （必填）
AUTOTEST_PLATFORM_MONGO_HOST和 AUTOTEST_PLATFORM_MONGO_PORT 分别表示数据库的地址和端口（必填）
AUTOTEST_PLATFORM_MONGO_USERNAME和 AUTOTEST_PLATFORM_MONGO_PASSWORD 分别表示数据库的帐号密码（若无可不填）
AUTOTEST_PLATFORM_NLP_SERVER_HOST（自然语言模型服务）默认为本机启动 （非必填）
AUTOTEST_PLATFORM_MONGO_DEFAULT_DBNAME 为默认的数据表名（必填）
设置完成后可通过下列命令进行测试（CMD切换至项目根目录下）
python ./backend/config.py
若配置成功则可看见输入的配置数据
#### 5. 打包前端 dist 文件 （这一步我已为你们做好，若不需二次开发可跳过）
5.1 安装 Vue 环境，下载 node.js 并配置环境，下载 npm 包管理器
5.2 cmd 进入 frontend 目录下，配置 cnpm :
npm install -g cnpm --registry=https://registry.npm.taobao.org
5.3 执行安装依赖包命令:
cnpm install
5.4 执行打包命令:
cnpm run build
若成功打包则会在项目根目录下生成 dist 文件夹
#### 6. 启动后端
// 切换至项目根目录下执行
pip install -r ./backend/requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
// 启动后端 ( 默认5050端口 )
python ./backend/run.py
// 创建平台管理员帐号密码
python ./backend/createAdminUser.py
#### 7. 访问项目
现在就可以访问 http://127.0.0.1:5050/#/login 使用创建的管理员帐号密码进行登录
![平台登录界面2.png](https://github.com/amazingTest/Taisite-Platform/blob/master/images/平台登录界面2.png)
### Linux 环境下 Docker 容器化部署
[点击进入 Docker 教程地址](https://www.runoob.com/docker/ubuntu-docker-install.html)
#### 0. 克隆项目
git clone https://github.com/amazingTest/Taisite-Platform.git
#### 1. 自然语言模型部署
sudo -i
docker pull shaoyuyishiwo/bertserver
docker run --name autotest-platform-bertserver -d shaoyuyishiwo/bertserver
#### 2. Mongo 数据库部署 (若已有现成数据库可用则可跳过此步)
2.1 启动数据库 & 数据挂载至宿主机
sudo -i
docker pull mongo
docker run --name autotest-platform-mongo -p 27017:27017 -v /data/db:/data/db -v /data/configdb:/data/configdb ``-d mongo
2.2 创建数据库帐号
docker exec -it autotest-platform-mongo /bin/bash
mongo
> use admin
switched to db admin
> db.createUser({user:"${USERNAME}",pwd:"${PASSWORD}",roles:["root"]})
Successfully added user: { "user" : "admin", "roles" : [ "root" ] }
2.3 数据库内存扩容(建议)
> db.adminCommand({setParameter:1, internalQueryExecMaxBlockingSortBytes:335544320})
{ "was" : 33554432, "ok" : 1 }
#### 3. 环境变量配置
// 编辑 /etc/profile 文件
sudo -i
vi /etc/profile
若出现警告则选择 (E)dit anyway (输入 E)
3.1 文本末端插入下列数据 (输入 i 则变为 insert 状态)
export AUTOTEST_PLATFORM_ENV=production
export AUTOTEST_PLATFORM_NLP_SERVER_HOST=${BERT_IPADRESS}
export AUTOTEST_PLATFORM_MONGO_HOST=${MONGO_HOST}
export AUTOTEST_PLATFORM_MONGO_PORT=${MONGO_PORT}
export AUTOTEST_PLATFORM_MONGO_USERNAME=${USERNAME}
export AUTOTEST_PLATFORM_MONGO_PASSWORD=${PASSWORD}
export AUTOTEST_PLATFORM_MONGO_DEFAULT_DBNAME=${DBNAME}
变量为动态值，部署者自行根据实际情况输入，DBNAME 值可任意自定义（数据库表名），其中 BERT_IPADRESS 和 MONGO_HOST 值可通过下列命令查询：
docker inspect autotest-platform-bertserver
docker inspect autotest-platform-mongo // 若使用了上面的步骤部署数据库
输出如下图所示：
![控制台输出1.png](https://github.com/amazingTest/Taisite-Platform/blob/master/images/控制台输出1.png)
3.2 插入完毕后点击 ESC 按钮、输入 :wq 后单击回车保存
3.3 执行下列命令后环境变量立即生效
source /etc/profile
#### 4. 启动项目
//在项目根目录下执行部署文件
sh deploy ${PORT}
其中 ${PORT} 变量填写项目访问端口即可，项目启动的同时也创建了管理员帐号密码，如下图所示：
![控制台输出2.png](https://github.com/amazingTest/Taisite-Platform/blob/master/images/控制台输出2.png)
#### 5. 访问项目
浏览器访问部署服务器地址的 ${PORT}端口即可
![平台登录界面.png](https://github.com/amazingTest/Taisite-Platform/blob/master/images/平台登录界面.png)
#### EXTRA. 常见问题
下列输出代表 NLP模型 启动失败
![NLP部署失败.png](https://github.com/amazingTest/Taisite-Platform/blob/master/images/NLP部署失败.png)
解决步骤：
1.删除 ./backend/app/init.py 中的这段代码：
![不使用NLP模型方法指南1.png](https://github.com/amazingTest/Taisite-Platform/blob/master/images/不使用NLP模型方法指南1.png)
2.将 ./backend/testframe/interfaceTest/tester.py 中的下列代码修改成 pass：
![不使用NLP模型方法指南2.png](https://github.com/amazingTest/Taisite-Platform/blob/master/images/不使用NLP模型方法指南2.png)
完成后再启动项目时，就不会依赖于自然语言模型了~
## V . 泰斯特平台使用教程
平台主流程使用可参考[本篇博文中的正文部分](https://juejin.im/post/5cd0117be51d456e537ef3bd)
若想 **完整教程** 可关注下方微信号，回复 **优质教程**
![2D-Code](https://github.com/amazingTest/Taisite-Platform/blob/master/images/微信公众号.jpg)
**QQ 交流群号：728314402**
## VI . 泰斯特平台零距离体验（建议先看教程哦~）
因体验服务器配置问题，体验需关注下方公众号后回复 「体验地址」 获得：
![2D-Code](https://github.com/amazingTest/Taisite-Platform/blob/master/images/微信公众号.jpg)
## Ⅶ . 泰斯特带你成长
如果你想：
+ 熟悉平台的每一个最新改动
+ 了解人工智能与测试结合的最新动态
+ 打破测试水平的瓶颈
+ 泰斯特带你一起成长
那么我欢迎你来加入(扫描下方海报中二维码) **我的星球** 一起问道技术巅峰
![我的星球](https://github.com/amazingTest/Taisite-Platform/blob/master/images/知识星球二维码.jpg)
## Ⅷ . 捐赠
**开源不易** 欢迎扫描下方二维码 **助力开源**。
![2D-Code](https://github.com/amazingTest/Taisite-Platform/blob/master/images/wechatDonation.jpg)
Markdown is supported
0% 或 .
You are about to add 0 people to the discussion. Proceed with caution.
先完成此消息的编辑！
想要评论请 注册 或