博客
关于我
【接口测试基础】第十四篇 | iHRM项目之登录及员工管理实战
阅读量:806 次
发布时间:2023-03-29

本文共 1123 字,大约阅读时间需要 3 分钟。

iHRM项目实战指南

项目简介

本项目旨在构建一个高效的员工管理系统,涵盖用户注册、登录、员工信息管理等核心功能。以下是技术架构的主要组成部分:

技术架构

  • 前端:基于Node.js的Vue.js前端技术栈
  • 后端:采用Spring全家桶(Spring Boot、Spring Cloud、Spring MVC、Spring Data)构建微服务架构
  • 数据库:MySQL用于存储结构化数据,Redis用于缓存,RabbitMQ作为消息队列系统

功能模块

系统主要包含以下功能模块:

  • 用户管理:包括注册、登录、权限管理等功能
  • 员工信息管理:支持添加、查询、修改、删除员工信息
  • 工资管理:处理员工薪资计算、发放等流程
  • 考勤管理:记录员工考勤信息,处理请假、迟到等异常
  • 绩效管理:评估员工绩效,生成绩效报告
  • 测试用例设计

    以下是测试用例的主要步骤:

    1. 初始化项目环境

    1.1 新建用例集

    在Postman中创建一个新的用例集,用于存储所有测试用例。

    1.2 创建环境变量

    在项目根目录下创建一个.env文件,存储测试所需的环境变量。例如:

    PORT=8080
    DB_URL=jdbc:mysql://localhost:3306/ihrm
    DB_USER=root
    DB_PASSWORD=123456

    2. 添加断言

    在每个HTTP请求中添加成功断言,确保测试能正确执行。

    3. 其他接口共性分析

    由于接口共性,请求方法、URL、请求头完全一致,但请求体和预期结果可能不同。常见的预期结果类型包括:

    • 操作成功:如登录成功、添加员工成功等
    • 系统繁忙:无参情况下返回的错误信息
    • 用户名密码错误:其他情况下的错误提示

    环境变量管理

    提取令牌

  • 发送HTTP登录请求,获取响应体数据
  • 从响应体中提取data
  • 拼接Bearer和空格,生成合法令牌
  • 将令牌存储到环境变量中
  • 提取添加员工的ID

  • 发送添加员工的HTTP请求
  • 提取响应体中的id
  • 将员工ID存储到环境变量中
  • 测试步骤

    发送HTTP请求前,先修改手机号以确保唯一性

    查看测试结果

    点击“眼睛”图标,查看请求详情,确保测试结果为“200 OK”。

    批量运行测试用例

  • 为每个HTTP请求添加成功断言
  • 点击用例集名称,运行测试用例
  • 导出测试报告
  • 测试报告生成

  • 将环境文件和测试用例文件放置在同一文件夹下
  • 使用以下命令执行测试并生成HTML报告:
  • newman run 测试用例集文件.json -e 环境文件.json -r html --reporter-html-export report.html

    注意事项

    在发送HTTP请求前,请确保手机号唯一。如需进一步了解,请查看项目文档或联系技术支持团队。

    转载地址:http://mqhfk.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    查看>>
    VS2003 Front Page Server Extension
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>
    OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
    查看>>