一、概述

    MBT中文名称为基于模型的测试,基于模型的测试属于软件测试领域的一种测试方法。

二、背景

     软件测试是一款软件产品质量的最后一道防线，是产品线上前必不可少的、最重要的一环。每一款高质量的软件产品背后，都蕴含了大量的测试工作。而且测试工作很可能是软件开发过程中最昂贵、劳动最密集的工作。在设计测试用例的过程中，或多或少的存在着问题，使得软件测试结果不那么理想。下面引入新的测试方法，基本模型的测试，是自动化测试的一个分支，它将测试用例的设计依托于被测系统的模型，并基于该模型自动生成测试用例的技术。从质量保证的角度来看，我们可以制定测试的内容，但是无法保证测试会覆盖所有可能的组合，而MBT则允许软件开发和测试人员，只关注建立系统的正确性及模型的规范性，再通过专门的MBT工具根据不同的测试用例设计策略从系统模型生成可靠的测试用例。

    与传统测试相比，优点：

         （1）测试用例的维护更轻松：维护好模型，无需关注测试用例的细节

         （2）软件缺陷发现的更早：在构建被测系统模型的过程中，需要对被测系统有比较全面的理解，那么在早期建模过程中就可以发现被测系统中的一些问题，不需要等到执行大量用例时才发现；

         （3）测试自动化的水平更高：建模后，MBT可以自动生成测试用例，不需要人工编写测试文档；

         （4）测试覆盖率变得更高，使得彻底的测试（即：穷尽测试）成为可能：传统测试设计的过程中依赖人工，MBT生成测试路径时会避免人工设计测试用例时的思维局限性，生成更丰富的测试路径用例，但是是否需要执行“彻底”的测试由漏测对业务的影响决定。MBT只是从技术上提供了穷尽测试可能性。

         （5）基于模型间接维护测试用例的方式更高效：传统维护时需要依赖人工，需要耗费大量的人力和时间成本，重新测试设计。使用MBT只需要维护好测试模型即可，生成测试用例的工作可以由MBT工具自动完成；

     缺点，即未广泛推广的原因：

         （1）学习成本较高：要求开发人员、测试人员都精通建模，和工具的选型；

         （2）使用MBT的初期投资较大：已有的MBT工具不一定适合自己产品，定制的话需要考虑扩展性，和处理复杂逻辑，也就是要花费大量时间和精力；

         （3）用例爆炸

   总结下，测试方法多种多样，MBT和传统测试相比，各有优劣。如果一个应用的任何组件都可以通过模型来模拟、通过驱动程序来驱动，并可以通过测试结果来比较的话，那么这个应用是MBT的最佳候选者。

  2.1 通用流程

 2.2  Model design （模型设计）

 模型设计，目的是用来为构造测试用例而进行的被测系统描述

（1）模型关注点：

    （2） MBT模型分类：

2.3  Tests selection （测试需求选择）

             指导测试用例生成器（ test generation）如何生成用例

2.4   Tests  paths generation（测试用例生成）

           按模型及测试需求选择来生成测试用例。GraphWalker就是完成这部分工作的一个开源的java工具。

2.5   Tests execution（执行测试）

           执行测试，并比较预期

2.6 FSM举例：海拍客mallpc 登录相关功能建模，如下

一个箭头，代表一次测试动作；

一个节点，代表一次测试验证；

2.7 常见工具：BPM-X、fMBT、GraphWalker

三 、GraphWalker简介

 GraphWalker就是一个基于测试模型的用例生成工具，主要支持于FSM, EFSM模型。它以有向图的形式读取模型，生成测试路径，适合于多状态以及基于事件驱动的状态转换的系统。

四、使用GraphWalker建模

有向图中，顶点（或节点）表示一些期望的状态，并且边（弧，箭头，过渡）表示为了实现期望的状态需要做的任何动作；

 4.1 建模工具：yEd

4.2 建模规则1

      4.3 建模规则2

    4.4 建模keywords

4.5 支持多模型：

     GraphWalker可以在一个会话中使用几个模型。这意味着在生成路径时，GraphWalker可以选择跳出一个模型到另一个模型。当将不同的功能分为多个模型时，这是非常方便的。

多模型offilne运行举例：

java -jar graphwalker-cli-4.0.0-SNAPSHOT.jar -d all offline -m Model_A.graphml random(edge_coverage(100)) -m Model_B.graphml random(edge_coverage(100)) -m Model_C.graphml random(edge_coverage(100)) -m Model_D.graphml random(edge_coverage(100)) –o

当路径生成到达模型A中的顶点v_B时，它必须考虑关键字SHARED：B ..这将告诉GraphWalker使用相同的名称搜索所有其他模型的同一个关键字：B.在我们的例子中，只有一个，它在模型B中。

现在GraphWalker决定是跳出模型A，进入模型B中的顶点v_B，还是留在模型A中。这个决定是基于随机的。

多模型特性：

五、路径生成器和结束条件

六、GraphWalker工作方式

以作为第三方库为例：使用GraphWalker第三方库实现模型自动化测试

七、GraphWalker命令行：此处省略

八、Restful或WebSocket服务的区别：此处省略

九、Web Socket API接口：此处省略

十、REST API接口：此处省略

十一、GraphWalker源码：

GraphWalker工具核心：graphwalker-core

参考资料：官网http://graphwalker.github.io/

备注：

FSM ：有限状态机 Finite State Machine

EFSM：扩展有限状态机