一、背景介绍

渲染作为酷家乐通用的中台能力，一直承接面对较多上游业务。渲染类型多，渲染流量大。

面对大量业务问题反馈及工单数据，消耗了大量人工成本，尤其部分效果问题的沟通确认。

问题排查与回归压力大，快速迭代背景下对测试要求极高。

有限的人力面对海量业务时，总会捉襟见肘。

如何在此背景下做好业务质量保障，成为大家面对的一大难题。

我们的目标则是打造业务稳定质量可靠的中台，希望能做到以前几点：

• 业务快速对接
• 工单快速处理
• 质量稳定可靠
• 回归高效快捷

二、思路讨论

任何问题的解决都离不开人、工具和方法。对于业务质量问题，我们同样认为，流程、工具和团队建设都是必不可少的。

• 通过流程化规范化处理业务对接问题
• 通过平台工具建设提升业务效率，不断赋能业务
• 通过团队建设，建设一支协作紧密的团队，不断保障流程持续运转与平台建设

2.1对于流程体系建设

建立完善需求、设计、推测、部署、灰度、线上变更一系列规范，通过工具的方式完成关键节点识别与通知，不断完善各个节点的流程对接

• 产研流程建设：通过敏捷迭代治理，不断规范测试流程、线上操作与规范；规范发布标准流程，降低业务影响
• 业务线支持机制：统一中后台对接业务模式，设置关键角色跟进响应；整套体系赋能
• 应急与oncall：建立应急响应手册与oncall制度，线上问题高速高效处理

流程对不同业务大同小异，关键在于适用于当前团队，并能够持续推行完善。

2.2 团队共建

建设产研大团队，围绕不同业务属性，在对接和沟通中建设一支协作紧密运转流畅的团队。

对于测试本身来说，我们强调领头羊的作用，不断完善各项能力，鼓励探索各类有益实践。同时会将好的BP复制到其他业务线，实现以点带面的效果，并铺向大团队。

对于工作流，我们则跟进不同类型问题，推动相关角色的协作。如敏捷迭代治理，主要为产品、研发和测试同学的协作；工单问题排查，则为客服、技术支持、研发和测试对接模式。

2.3 工具建设

对于业务质量来说，从需求开始到上线后的一系列监控反馈，中间涉及多个环节，相应的也会有不同工具和平台支撑业务流转。

比如在敏捷迭代管理中，kaptain作为统一的任务管理平台系统，对于整个需求的生命周期管理非常重要。当然，这里更多会是基于流程的任务管理才会更加科学。

对业务测试与通用回归能力，我们有Apollo接口测试平台与Hades UI自动化测试框架，发布节点会执行CI卡点。

对于上线后的监控，有中间件监控以及业务巡检，可以实现日志、接口等不同维度的巡检能力，覆盖保障业务。

但是对于业务问题定位，及业务属性较强的回归能力，则需要业务线各自支持。

因而基于现状，我们实现了渲染的定位回归平台以及回归平台，进一步完善我们的质量保障手段。

三、平台能力建设

基于上述讨论结果，在充分利用当前已有能力和平台框架的基础上，紧贴业务建设多维度工具满足业务保障需求，实现工具平台化生态化

3.1定位能力建设：

面对业务线多，数据量大，所有问题必须从渲染侧倒序排查的问题，我们对定位工具实现以下几个关键目标

• 复杂链路下各个节点数据定位与排查能力
• 围绕渲染方案、渲染速度、渲染结果等各个维度的数据快速定位能力
• 复杂链路下的任务流转，串联场景并实现快速定位，并实现链接化定位能力
• 复杂业务场景数据的可视化建设
• 支持业务线数据定位能力快速接入
• 建设围绕渲染为核心的快速定位能力工具，支持业务线快速定位
• 围绕渲染链路数据，建设各类定位工具，完善渲染体系定位生态
• 赋能业务方与前线问题排查处理，释放人力

下图是定位平台核心能力，将所有渲染任务通过生命流转树的方式，记录所有关键节点数据，包括准入准出，从而为问题定位提供了极大便利。

并在此基础上，围绕渲染业务链路，不断拓展相关问题定位能力

关键能力一：任务流转树

如下图所示，定位平台实现任务全生命周期数据记录，并能够链路化展示关键节点状态，实现所有节点出入数据、状态、节点数据解析支撑。从而对渲染链路问题定位一目了然

上述的各个节点有不同的内部流转，比如 第一个关键节，点击我们可以看到该阶段下的关键数据和子节点

关键能力二：数据可视化

对于3D业务数据复杂不直观的问题，我们将业务数据可视化，支持3D拖动展示、业务数据过滤，从而业务线数据一目了然。为问题定位提供了极大便利，尤其是3维数据变更相关问题。

关键能力三：业务线赋能

任务流转树的概念，也通过二方包的形式提供给业务线，对于其他非渲染链路的数据，可以快速接入，从而实现定位能力的复用。

支持业务线数据快速接入，可以业务线链路节点自定义，将上下游场景化串联，从而打通断头路。如用户模型上传解析处理链路的各个节点，完成接入，方便相关问题的问题节点识别与处理。

关键能力四：渲染定位生态 丰富定位能力

除了上述渲染链路相关问题定位，围绕渲染其他数据，我们不断完善了相关数据的快速定位工具，如：方案图册数据快速查询、速度耗时快速诊断、渲染结果定位与数据修复，对于用户反馈问题可提供快速处理能力。

3.2回归能力建设

渲染上游对接了几十个不同业务，任务类型可达300+。

中台的快速迭代背景下，频繁改动不可能每次都协调上游业务协助回归测试。

同时，渲染场景的差异、速度和效果，都是我们需要提前考虑的情况。因此我们设计的大概思路如下

• 分别从前台、中台、后台三层，建设各类回归能力，多方位覆盖线上业务场景保障核心链路
• 提供用例快速生成及管理能力
• 支持回归结果的验收与效果的比对
• 打通回归能力与定位能力，回归能力工具化、业务化，通过回归能力实现快速问题定位，并反哺回归用例集
• 渲染回归能力好不好，如何评价？
• 如何实现渲染图效果的diff能力
• 回归能力如何快速实现问题定位
• 回归问题如何与定位能力快速打通
• 输出赋能业务线，降低中后台在业务线用例的回归成本

关键能力一：多样化的回归能力

回归能力分层，分别从前台、中台及后台不同维度支持独立回归能力，各自的业务回归不再强依赖上游， 只需关注自己业务的节点逻辑。实现发布与回归上的解耦，不再需要相互确认。

如下图所示，红线截断处即表示一个渲染任务在不同截断的节点。回归支持了从各个节点独立回归的能力，能保证互不依赖和数据的一致性。既可以独立回归，也可以为下游业务的回归提供协助。

关键能力二：用例快速生成与管理能力

测试用例一键录入、用例管理模块化场景化、定时回归与自由执行、中台场景收集、覆盖海量业务线、输出赋能业务线简单易上手

1、基于定位平台的任务流转树，我们可以快速将线上数据转化为测试用例，只需要提供一个任务的id，即可一键录入用例。极大提升了构造业务数据的效率。

录入方式上，支持多种方式的用例录入。除了流转树，也可以将用户自己保存的数据一键加入。

同时，可以根据不同业务线标识，快速从线上环境筛选数据转换。

2、用例标签管理。如下图，用例完成后支持用户自行打标签，平台也会根据用例数据识别一些关键标签，方便其他用户筛选复用。

3、同时将用例通过测试集的维度将同一类型的用例管理起来，方便同时回归测试。

4、对用例集分析，排查确认当前用例类型覆盖情况，以及任务结果执行整体概况，省时省力。减少人力维护成本。

关键能力三：回归结果验收与效果比对

快速展示回归进度与结果

支持类似任务效果比对，并通过diff效果图的方式展示，方便人工快速确认，如下图。

如同一类任务，上线前后，通过在beta环境和prod环境的效果验收对比，能够快速回归效果变化，尤其细微差异变化，能够减少人工误判

同样对视频，也支持同步播放能力，辅助确认效果变化差异

3.3发布拦截能力建设

围绕业务发布痛点，建立日志比对能力，最大化问题前置暴露。尤其海量error日志识别，需要在前期识别正常业务日志，并将可能异常的问题抛出来由开发确认，并纳入到发布流程规范中。

如下图，我们在各个阶段提供了新增日志与存量日志的识别能力，并通过灵活的更新与通知方式，提升各个阶段的测试验收确认

四、总结

通过一段时间的实践与完善，当前我们基本形成了以下固定协作模式

• 建立渲染各类对接机制，流程反馈完善工具的循环
• 工单响应流程化
• 问题高效对接标准化
• 不同角色各司其职
• 效能工具建设，工具支持流程建立与流程驱动
• 问题定位前置，释放研发资源
• 研发重点处理高优工单、疑难问题
• 新的能力与方法进一步平台化前置赋能，实现正循环
• 定位平台提升前线自助定位能力
• 业务对接与排查团队共建
• 团队全员工具建设能力
• 专项问题建设最佳实践团队

从结果来看，月均故障由6降到不足1个，每周发布时间由1d降到不足2h，高效响应支持30+业务线，平均问题处理时间下降70%，整体提效较为明显。

同时对于测试同学，各个业务团队合作更加高效，面对研发同学的相关问题对接沟通方式，也由反复督促变为通过监控变更和数据度量的方式。团队对接高效顺畅。