背景

在做 Web 兼容测试时，测试人员往往需要在不同浏览器上重复执行相同的操作。
现有自动化录制手段，其实是后置的对比，效率与反馈都存在延迟，执行过程相对是黑盒的，过程中如果测试人员没细化到具体的校验点，即使是很明显的样式差异，脚本也很难发现。且如果是脚本或浏览器差异的问题，自动化运行的方式并不能够及时手动调整容错。

于是便思考有没有一种实时操作，而且可以便捷校验方案。

通过调研了 browsersync、uirecorder 等工具后，我设计了如下的同步兼容测试工具。

架构设计

系统主要由四个区块组成：

• Web 前端：显示可用浏览器，触发同步操作任务，展示 VNC 连接。
• 服务端：提供数据接口给前端，调用本地脚本，构建任务执行环境。
• 同步驱动（自己起了个名字：yutu）：下图中小兔子那部分，一个可单独调用的 npm 库，提供全局命令执行同步操作任务。
• 浏览器池：我使用的是基于 selenoid 的本地容器管理系统，当然也可以换成别的，看自己需求。

总体来说前端和服务端的工作量是比较小的，只要关注任务创建和 vnc 连接展示即可。
系统的核心在于驱动层，它是每个任务同步操作、对比的中心。而浏览器池采用 selenium-gird 或 solenoid 都是可以的，选择适合维护的即可。

功能点

• 云浏览器版本管理池
• 多浏览器操作同步
• 操作脚本录制，日志记录
• 元素图片相似度对比

实现效果

操作同步过程中，可以实时看到从浏览器执行情况，也可以通过列表状态颜色来判断。

同步出错的浏览器，执行过程中可以手动进去确认下是不是问题

图像相似度对比，可以自定义允许的差异值。主要是方便测试人员快速识别差异的位置，辅助人工判断。

驱动设计

开源地址

https://github.com/t880216t/yutu-tools.git

开发背景

本系统的核心是同步驱动，这里我且称之为 yutu, 它是在uirecorder项目上，经深度自定义开发而来，如果你查看它源码，不难发现很多 uirecorder 的影子。起初本打算结合browsersync的侵入式脚本实现操作同步功能，但在建设f2etest版本的浏览器云项目时遇到了它，官方版本主要用来做操作录制的，其中有个本地实时对比校验的附属功能，这正合我意，开始撸它源码。

起初在本地 chrome 上一切顺利，但接入 selenoid 浏览器池后，开始对接 firefox 时发现了问题。uirecorder的核心jwebdriver不支持最新的 W3C 协议，而且从钉钉群里官方反馈情况来看，这个项目 2 年没更新了，多半是夭折了。没办法自己从头撸吧，于是采用最新的WebdriverIO客户端结合自身的需求，对其进行了深度的改造，从而有了yutu，在此也感谢下前人努力与开源。

数据流程

功能简介

它主要是一个命令行工具，通过 sudo npm i -g yutu-tools 全局安装到系统中.
其中它的图片对比能力是来自于graphicsmagick，因此还需要额外安装下
mac：brew install graphicsmagick

yutu 对外主要提供以下两个命令行功能：

• yutu init：初始化任务目录及配置文件
• yutu start：执行任务并输出日志

效果展示

所以其实从上面的设计图不难发现，它本身就是个独立的工具，可以不依赖于整体系统来使用，是否调用远程浏览器是可以通过config.json来配置的，如果是 serverIp 是127.0.0.1那么就会调用本地的 chromedriver 来操作（本地其它浏览器调用功能在开发设计中），开发过程中，本地调试时可以方便快速定位驱动问题。

主要改动点

命令行使用

原先的工程采用的是本地控制台交互问答式的参数配置方式，这肯定不适合我们平台化嵌入，同时为了更强大的功能开发和更复杂的参数支持，我将摒弃了命令行参数的配置方式，现在核心的配置参数都直接读取初始化后config.json，因此如果是接入系统，那么可以用脚本复写配置 json，如果本地调试，那么手动维护下 json 即可。

使用示例：

$ yutu init

修改 config.json 参数，配置内容及格式如下：

{
    "webdriver": {
        "host": "127.0.0.1",  // 远程hub地址
        "port": "4444",
        "mainBrowser": {
            "browserId": 2,
            "displayName": "chrome",
            "browserName": "chrome",
            "version": "106",
            "httpProxy": "",
            "binary": null
        },
        "syncBrowsers": [
            {
                "browserId": 1,  // 浏览器的唯一标识
                "proxy": "",  // 自定义参数，暂未启用
                "screenSize": "1920x1080x24", // 自定义参数，暂未启用
                "browserName": "firefox",  // 浏览器内核的名字，如：chrome、firefox
                "displayName": "firefox",   // 浏览器的名字如：qq、yandex
                "version": "105",
                "binary": null   // chromium内核的国产浏览器的exe执行文件路径
            }
        ]
    },
    "browserSize": "1920x1080x24",
    "defaultUrl": "https://www.baidu.com/",
    "vars": {},
    "serverIp": "192.168.1.101",  //本地执行命令机器的ip，非远程webdriver，可以使用127.0.0.1
    .....
}

启动同步服务

$ yutu start

自定义驱动

在用WebdriverIO替换掉jwebdriver后，原先的很多 api 都改变了，这需要我们对 driver 对象进行深度的包装改造，于是我在本地增加了个 browser 对象，用来代理WebdriverIO的 driver 对象，在其中增加我们需要的 driver 扩展能力。

这里需要用到 nodejs 的 Proxy 机制、链式调用、Promise 等写法。（感谢前端同事龙哥）

class mBrowser {
    constructor(browser) {
        const handers = {
            get(obj, key){
                return key in obj?obj[key]: browser[key]
            }
        }
        return new Proxy(this, handers);
    }
...

浏览器插件

yutu 能够将用户操作回传给 socket server 的关键是依靠一个浏览器插件，它只会在启动主控制浏览器时，通过goog:chromeOptions参数将插件以文件数据流传给 chrome 浏览器，因此我们的主控浏览器默认也必须是 chrome。这个插件本体还是uirecorder的，只做了对接yutu的适应的调整。

var crxPath = path.resolve(__dirname, '../tool/uirecorder.crx');
var extContent = fs.readFileSync(crxPath).toString('base64');
capabilities["goog:chromeOptions"] = {
    args: ['--disable-bundled-ppapi-flash'],
    prefs: {
        'plugins.plugins_disabled': ['Adobe Flash Player']
    },
    excludeSwitches: ['enable-automation'],
    extensions: [extContent],
};

在我的需求里，插件中还有很多需要优化的地方，后面有空慢慢搞吧，目前改动的主要是插件启动页面接收参数、动态服务器 ip 等：

if (mapParams.defaultUrl && txtUrl){
        txtUrl.value = decodeURIComponent(mapParams.defaultUrl);
    }

function connectServer(data){
    const {ip, port} = data
    console.log('data', data);
    if(!wsSocket){
        wsSocket = new WebSocket('ws://'+ ip + ':' + port, "protocolOne");
...

修改插件的 js 后，需要重新打包生成插件 crx。

$ ./buildcrx.sh

前端设计

这个系统前端部分主要是 2 个页面：

• 浏览器列表
• 同步操作页面（加几个弹层 Modal）

因为考虑到客户实际使用的是以 windows 为主，为了保证测试结果的准确性，所以我们这里浏览器运行镜像主要是自定义封装的 windows 系统镜像（太痛苦了，此处包含泪水，详见下文解读）。

在代码方面，继续秉承组件化思想，结合 antd pro 的高阶组件，对多处进行了抽象复用。

import { ProCard, ProTable } from '@ant-design/pro-components';

操作部分，结合了较为小众但稳定可靠的react-vnc库，同时为了降低用户的浏览器资源消耗，操作页面在同步浏览器列表展开时才会进行 vnc 连接展示。

<Sider width={'20%'} collapsible collapsed={collapsed} onCollapse={collapsed => this.setState({collapsed})}>
  <Card size="small" title={!collapsed? "同步浏览器列表": '同步'} >
    {syncBrowsers && syncBrowsers.length > 0? (
      syncBrowsers.map(item => (
        <Card.Grid key={item.sessionId} className={styles.syncContainer}>
          {!collapsed ? (
            <VncScreen
              url={item.vncUrl}
              rfbOptions={{
                credentials: {
                  password: 'selenoid',
                },
              }}
              scaleViewport
              background='#000000'
              style={{
                height: '100%'
              }}
            />
          ): (
            <div className={styles.browserName}><img src={`/${item?.browserName}.react.svg`} alt='' />{item.browserName}</div>
          )}
          <div ref={n => (this[`hover_${item.sessionId}`] = n)} className={styles.hoverContainer}>
            <SyncModal data={item} actions={this.state.syncActions[item.sessionId]} />
          </div>
        </Card.Grid>
      ))
    ): (
      <Empty />
    )}
  </Card>
</Sider>

服务端设计

服务端主要是提供数据给前端展示，以及启动脚本调用系统命令的，接口部分千篇一律，增删改查而已，不展开介绍了。

这里有个小细节，yutu本身不会和数据库已经服务端进行交互的，所以它的任务运行状态，需要告知脚本是个麻烦事。我是通过脚本监控单个任务进程的控制台信息，来达成的，这样的成本最小，也不必让 2 个工具过度耦合。

async def start_task(self):
    logger.info(f'Task {self.task_id} is starting...')
    run_cmd = f'yutu case.spec.js' \
              f' --browser_size={self.task_info["screen"]}' \
              f' --http_proxy={self.task_info["proxy"]}' \
              f' --default_url={self.task_info["url"]}'
    logger.info(f'start cmd: {run_cmd} ')
    p = subprocess.Popen(
      run_cmd,
      shell=True,
      stdout=subprocess.PIPE,
      stderr=subprocess.STDOUT,
      encoding='utf-8',
      cwd=self.task_dir_path
    )
    for i in iter(p.stdout.readline, 'utf-8'):
      if 'consoleParams:' in i:
        try:
          data = json.loads(i.replace('consoleParams:', ''))
          singal = await self.update_task_info(data)
          print(data)
          if not singal:
            break
        except Exception as e:
          print(e)
async def update_task_info(self, data):
    if not data:
      return
    row = BrcSyncTask.query.filter_by(id=self.task_id).first()
    if data['type'] == 'server':
      row.sync_server_ip = data['serverAddress']
      row.sync_server_port = data['serverPort']
      db.session.commit()
    elif data['type'] == 'main':
      row.main_session_id = data['sessionId']
      db.session.commit()
    elif data['type'] == 'sync':
      info = json.loads(row.sync_sessions) if row.sync_sessions else {}
      info[data['browserInfo']] = data['sessionId']
      row.sync_sessions = json.dumps(info)
      db.session.commit()
    elif data['type'] == 'signal':
      if data['status'] == 'ready':
        self.update_task_status(5)  # 开始同步
      if data['status'] == 'end':
        self.update_task_status(3)  # 同步结束
        db.session.flush()
        return False
    return True

自定义镜像封装

此处主要介绍本地封装 windows 版本的 selenoid 浏览器镜像的心得，懂得都懂，就不详细展开介绍了。
为什么要封装 windows 镜像，有 2 个原因。

• 还原用户场景：用户用的是 windows 系统，官方提供的 liunx 版本浏览器镜像不能代表实际的浏览器使用场景。
• 方便环境隔离：直接调用单个主机的 webdriver 的方式，无法实现同一时间不同用户的远程操作和代理隔离（f2etest 的 webdriver 云方案无法远程操作）。

关于 windows 封装的基础教程可以参考：windows-images

不过按照教程走下去后会发现，有可能你的容器能启动，但死活连不上浏览器 driver。
再通过反复试验后，我采用了 selenoid+selenoid 的方式，才让流程通起来。

容器内的 selenoid 服务

关键在于在浏览器和 driver 都安装后，再在 windows 里启动一个 selenoid 服务，让它来提供 4444 端口服务给外部的 selenoid hub 调用，由它来和容器内的浏览器 driver 进行交互。

为了方便复用，我在基础镜像中就加入这个基础工具包，文件目录如下：

start.bat 是一个封装后的执行文件，参数可以根据自己设备性能调整，内容如下：

C:\selenoid-windows\selenoid_windows_386.exe -conf C:\selenoid-windows\browsers.json -disable-docker -limit 4 -service-startup-timeout 240s -session-attempt-timeout 240s -session-delete-timeout 240s -timeout 240s > C:\selenoid-windows\selenoid.log 2>&1

browsers.json 如下

{
    "MicrosoftEdge": {
        "default": "18",
        "versions": {
            "18": {
                "image": [ "C:\\selenoid-windows\\webdrivers\\msedgedriver.exe", "--host=127.0.0.1", "--verbose" ]
            }
        }
    }
}

容器内的 flask 服务

看上面的工具包内容可以看到，我们还在里面起了个 flask 轻量服务，它的作用是接收外部传过来的配置参数，动态设置当前容器中的分辨率和系统代理。这个问题是 windows 镜像特有的，selenoid 官方团队说解决不了，为此也做过解释，
windows starts 1024x768 resolution even SCREEN_RESOLUTION changed to 1920x1080x24

我贡献的这个方法可以曲线解决这个问题，步骤也很简单，

• 1.在基础镜像中安装个 python（2、3 随意）
• 2.安装工具包中依赖（关键是 flask、pywin32、winproxy 这几个库）
• 3.容器退出保存前，启动 flask、selenoid 服务

flask 中的内容如下：

from flask import Flask
from flask import request
from flask import jsonify
import win32api
from winproxy import ProxySetting

app = Flask(__name__)

def setProxy(host, port):
    proxy = ProxySetting()
    proxy.enable = True
    proxy.server = f"{host}:{port}"
    proxy.override = ["127.*","192.168.*","10.*"]
    proxy.registry_write()

def setScreen(width, height):
    dm = win32api.EnumDisplaySettings(None, 0)
    dm.PelsWidth = int(width)
    dm.PelsHeight = int(height)
    dm.BitsPerPel = 32
    dm.DisplayFixedOutput = 0
    win32api.ChangeDisplaySettings(dm, 0)

@app.route('/setDisplay', methods=['GET'])
def index():
    height = request.args.get('height')
    width = request.args.get('width')
    host = request.args.get('host')
    port = request.args.get('port')
    setScreen(width, height)
    if host and port:
        setProxy(host, port)

    return jsonify({'width': width, 'height': height})

if __name__ == '__main__':
    app.run(host='127.0.0.1', port=5000)

由于这个服务是起在容器里的，因此我们可以在 yutu 的 driver 建立后，通过固定的 url 来调用，而不必维护容器的 ip 和网络情况。

if (configJson.webdriver.host !== '127.0.0.1'){
    const setScreenUrl = `http://127.0.0.1:5000/setDisplay?width=${width}&height=${height}&host=${hostname}&port=${port}`
    await driver.url(setScreenUrl);
}

开发过程中坑

项目真正开发到完成，投入 1.5 人/月左右，按照时间顺序来回顾这过程中的坑吧。

• 同步浏览器从一个改成 N 个后，浏览器关闭异常。
  结合异步转同步的方式，改造关闭浏览器方法，保证执行有序

  async function closeBrowser (){
  if(syncCheckBrowserDrivers){
      for (var browserIndex in syncCheckBrowserDrivers){
          var browser = syncCheckBrowserDrivers[browserIndex];
          await new Promise((resolve) => {
              const {browserName, browserVersion } = browser;
              browser.close(() => {
                  console.log(`${__('checker_browser_closed')} ${browserName} ${browserVersion}`.green);
                  resolve();
              })
          })
      }
  }
  }
  

• 原先的 webdriver 客户端不支持 w3c 协议，导致新浏览器无法正常同步操作
  这是我万万没想到的，虽然知道前端技术日新月异，用外部老的工具，肯定会有需要兼容的差异，但没想到 ali 老大哥们也摆烂了，也导致了我在中后期几乎重写了大部分的 yutu 中的同步操作方法。

• windows 镜像的产出后，运行不起来
  一开始并没有明确定义 windows 支持对于我们系统的重要性，因此一直在以 liunx 版本的浏览器作为最小试验对象，但后期流程通后，要交付时才发现没有以用户实际的使用场景为目标，这样即使交付也没啥用处。
  因此开始硬啃，为了突破这个技术难点，我的工作机被刷成 ubuntu 系统，好不容易产出了 windows 镜像后，又发现镜像运行很艰难，我的小破机根本带不动。
  
  终于在领导的关照下，搞个高配的开发机器，运行流畅。

• windows 系统分辨率超出，操作界面显示不全的问题
  原先的 selenoid 系统，是通过传给 qemu 分辨率参数来设置系统环境变量的。但 windows 版本并没有这样的能力，老外给的方案是默认启动时就给最大的分辨率，在通过设置浏览器窗口大小来实现指定大小分辨率的测试执行，最起码这样显示内容是全的。但这对于我这种可能需要用户手动去 vnc 操作的方式来说，并不适用，用户一旦不小心点了最大化，那么同步浏览器的比例就完全乱套了。因此结合自己 python 脚本经验，深度挖掘了上述更为灵活的 flask server 方案。

• windows 系统代理无法通过环境变量设置
  原先的 selenoid，我只要在启动容器时给个 env 变量就可以指定代理了，但 windows 版本这样不行。有了上面的分辨率解决经验，我通过 python 的 winproxy 库进行了处理。

• 非主流浏览器借用的别人的内核，缺少浏览器驱动
  这里的非主流浏览器其实不光指的是我们的一众换皮国产浏览器，国外的 opera、yandex 等等其实也是换皮 chromium。这些家伙的兼容才是真的坑，我到现在还没填完。
  下面就 qqbrowser 举个例子吧：
  它的内核是 chrome 94 的，在启动时要传的浏览器名称 “chrome”，而我们系统中本身也可能有 chrome 这个版本。因此要区分开，我是自定义一个版本区间给它，如：chrome 1～11，同样在 yutu 中要做别名区分，启动时传 chrome，记录时要记 qq。

  {"chrome": {
      "default": "94",
      "versions": {
          "94": {
              "image": "windows/chrome:80",
              "port": "4444",
              "path": "/wd/hub"
          },
          "11": {
              "image": "windows/qq:11", 
              "port": "4444",
              "path": "/wd/hub"
          }
      }
  }
  }
  

  var browserNameToDriver = {
  'yandex': 'chrome',
  'qq': 'chrome',
  'chrome': 'chrome',
  'firefox': 'firefox',
  'MicrosoftEdge': 'MicrosoftEdge',
  'opera': 'opera',
  'safari': 'safari',
  'internet explorer': 'internet explorer',
  }
  capabilities['browserName'] = browserNameToDriver[options.browserName]
  

结语

项目目标算是达成了，但还不够完美，我会持续的优化。

通过此次的开发经历，也使我感触良多，技术类需求的不确定性，是软件行业的特性。以后对接公司工作中技术需求，我也要引以为戒，做好风险管理。

同时看到一个个曾经的明星项目的沉寂，也是让我百感交集，他们本该能够成长的更好，但或是公司环境的变化，或是创作者乏力无奈，总之慢慢淡出人们的记忆，甚至连创作团队自己都忘记，而我们就在这不断创造与消亡中轮回。

最后，借用尼采的警言与各位共勉：所有美好的事物都是曲折地接近自己的目标，一切笔直都是骗人的，所有真理都是弯曲的，时间本身就是一个圆圈。