基于机器学习的启动耗时自动化测试方案

当一个应用的用户越来越多，业务越来越复杂，性能问题就会突显，特别是在低端机上的用户感受尤为明显，甚至会影响到应用的用户活跃度、停留时长等重要指标，提升应用在中低端机上的性能迫在眉睫。如何来对研发同学的优化做出合理的评测我们需要思考下面两点：

要避免“运动式”性能优化， 有不少团队在投入了大量时间和精力对应用进行专项治理之后，由于缺少常态化的管控和治理手段，最终导致性能震荡式波动恶化；

线上的埋点日志数据不能完全反应用户对应用的真实体验和感受；

而影响用户体验最重要的一个指标就是启动耗时，特别是拉新的时候，关于如何测量启动耗时，一般有两个方向：一是通过技术埋点，但基于技术埋点记录数据很难衡量用户真实体感(线上统计数据好?真实体感却差？)，而且也无法基于技术埋点获取竞品数据；另一个是通过录屏分帧测试，但是人工录屏逐帧分析会有人为感知误差（结束位边界认知不一致），而且人工性能专项测试持续交付ROI不高，比如录制10次，抽取关键帧取平均值，差不多要花费半个多小时，采样次数越多，耗时越久。由于最近一段时间在看机器学习的书，所以在想能不能拿这个案例来实践一下。

在此之前我也调研了一下业内已有的类似方案：有通过OCR文字识别的、也有通过图像对比的，其中图像对比的方案如果是整图对比，视频启动过程中的广告、首页海报是变化的，这样无法准确识别；另外如果是部分对比，那幺app完整启动后第一屏不完全展示的地方，每次不一定在同一处，于是我参考了各种方案后，结合自己的想法，就把整个方案实现了一遍，接下来详细介绍一下此方案。

整体流程

阶段一主要是采集数据，将视频转换为图片，生成训练数据和测试数据

阶段二主要是训练模型和质量评估

阶段三主要是通过训练好的模型进行预测并计算启动时间

环境准备

由于整个方案我是通过Python实现的，所以本地需要安装好Python环境，这里我使用的是Mac电脑所以默认带的Python环境，但如果要用到Python3需要自己升级，另外要安装pip工具：

brew install pip3

安装scikit-learn，一个简单的机器学习框架，以及依赖的科学计算软件包numpy和算法库scipy：

pip3 install scikit-learn
pip3 install numpy
pip3 install scipy

图片处理库OpenCV和imutils：

pip3 install opencv-contrib-python
pip3 install imutils

对视频文件进行分帧处理的ffmpeg：

brew install ffmpeg

安装airtest框架（网易的一个跨平台的UI自动化框架）：

pip3 install -U airtest

安装poco框架（网易的一个跨平台的UI自动化框架）：

pip3 install pocoui

注意：需要将Android手机开发者选项中的触摸反馈开关打开，这样就可以准确识别出点击应用icon的时刻。

阶段一

首次安装

由于应用第一次安装会有各种权限弹框，为了避免影响测试准确性，我们需要把第一次安装时候的弹框点掉，然后杀掉应用重新启动计算冷启动时间。

另外要模拟用户真实体感，首先要模拟用户真实的点击应用启动的过程，这时候不能通过adb直接唤起应用，我是通过poco框架来实现点击桌面应用icon的。

poco = AndroidUiautomationPoco()
poco.device.wake()
poco(text='应用名字').click()
poco(text='下一步').click()
poco(text='允许').click()
poco(text='允许').click()
poco(text='允许').click()
os.system("adb shell am force-stop {}".format(package_name))

启动录屏

用adb命令开启录屏服务，—time-limit 20 表示录屏20秒，一般情况下20秒启动加首页基本能完成，如果是在低端机上可以适当延长时间。

录屏通过单独线程启动。

subprocess.Popen("adb shell screenrecord  --time-limit 20 /sdcard/sample.mp4", shell=True, stdout=subprocess.PIPE, stderr=subprocess.STDOUT)

启动应用

测试前对被测应用进行安装，然后在点击完权限弹框后，杀掉进程重新点击桌面icon启动应用。

os.system("adb install -r {}".format(apk_path))
poco(text="应用名字").click()

等录屏结束后杀掉进程，然后重复上面的启动过程，根据采样率决定重复几次。

os.system("adb shell am force-stop {}".format(package_name))

视频分帧

将录制好的视频从手机中拉取到本地，然后通过ffmpeg进行分帧处理。

os.system("adb pull /sdcard/sample.mp4 {}".format(video_local_path))
os.system("ffmpeg -i {} -r 60 {}%d.jpeg".format(video_local_path, test_path))
-r 指定抽取的帧率，即从视频中每秒钟抽取图片的数量。60代表每秒抽取60帧。

提取训练集和测试集数据

我们一般把数据按照80%和20%的比例分为训练集和测试集，这里我们可以录制10组数据，把其中8组作为训练集，2组作为测试集。

阶段二

人工标注训练集数据

由于我们是通过图片分类算法来对启动各个阶段进行识别的，所以首先要定义启动的阶段都有哪些，这里我分为5个阶段：

0_desk：桌面阶段

1_start：点击icon图标的阶段

2_splash：闪屏页出现的阶段

3_loading：首页加载的阶段

4_stable：首页渲染稳定的阶段

这五个阶段的图片如下：

由于应用还会有广告页、业务弹框、首页动态变化等，这些暂时先忽略，不影响整体的测试思路。

特征提取与描述子生成

这里选择SIFT特征，SIFT特征具有放缩、旋转、光照不变性，同时兼有对几何畸变，图像几何变形的一定程度的鲁棒性，使用Python OpenCV扩展模块中的SIFT特征提取接口，就可以提取图像的SIFT特征点与描述子。

词袋生成

词袋生成，是基于描述子数据的基础上，生成一系列的向量数据，最常见就是首先通过K-Means实现对描述子数据的聚类分析，一般会分成100个聚类、得到每个聚类的中心数据，就生成了100 词袋，根据每个描述子到这些聚类中心的距离，决定了它属于哪个聚类，这样就生成了它的直方图表示数据。

SVM分类训练与模型生成

使用SVM进行数据的分类训练，得到输出模型，这里通过sklearn的线性SVM训练实现了分类模型训练与导出。

import cv2
import imutils
import numpy as np
import os
from sklearn.svm import LinearSVC
from sklearn.externals import joblib
from scipy.cluster.vq import *
from sklearn.preprocessing import StandardScaler
# Get the training classes names and store them in a list
train_path = "dataset/train/"
training_names = os.listdir(train_path)
# Get all the path to the images and save them in a list
# image_paths and the corresponding label in image_paths
image_paths = []
image_classes = []
class_id = 0
for training_name in training_names:
    dir = os.path.join(train_path, training_name)
    class_path = imutils.imlist(dir)
    image_paths += class_path
    image_classes += [class_id] * len(class_path)
    class_id += 1
# 创建SIFT特征提取器
sift = cv2.xfeatures2d.SIFT_create()
# 特征提取与描述子生成
des_list = []
for image_path in image_paths:
    im = cv2.imread(image_path)
    im = cv2.resize(im, (300, 300))
    kpts = sift.detect(im)
    kpts, des = sift.compute(im, kpts)
    des_list.append((image_path, des))
    print("image file path : ", image_path)
# 描述子向量
descriptors = des_list[0][1]
for image_path, descriptor in des_list[1:]:
    descriptors = np.vstack((descriptors, descriptor))
# 100 聚类 K-Means
k = 100
voc, variance = kmeans(descriptors, k, 1)
# 生成特征直方图
im_features = np.zeros((len(image_paths), k), "float32")
for i in range(len(image_paths)):
    words, distance = vq(des_list[i][1], voc)
    for w in words:
        im_features[i][w] += 1
# 实现动词词频与出现频率统计
nbr_occurences = np.sum((im_features > 0) * 1, axis=0)
idf = np.array(np.log((1.0 * len(image_paths) + 1) / (1.0 * nbr_occurences + 1)), 'float32')
# 尺度化
stdSlr = StandardScaler().fit(im_features)
im_features = stdSlr.transform(im_features)
# Train the Linear SVM
clf = LinearSVC()
clf.fit(im_features, np.array(image_classes))
# Save the SVM
print("training and save model...")
joblib.dump((clf, training_names, stdSlr, k, voc), "startup.pkl", compress=3)

预测验证

加载预先训练好的模型，使用模型在测试集上进行数据预测，测试结果表明，对于启动阶段的图像分类可以获得比较好的效果。

下面是预测方法的代码实现：

import cv2 as cv
import numpy as np
from imutils import paths
from scipy.cluster.vq import *
from sklearn.externals import joblib
def predict_image(image_path, pkl):
    # Load the classifier, class names, scaler, number of clusters and vocabulary
    clf, classes_names, stdSlr, k, voc = joblib.load("eleme.pkl")
    # Create feature extraction and keypoint detector objects
    sift = cv.xfeatures2d.SIFT_create()
    # List where all the descriptors are stored
    des_list = []
    im = cv.imread(image_path, cv.IMREAD_GRAYSCALE)
    im = cv.resize(im, (300, 300))
    kpts = sift.detect(im)
    kpts, des = sift.compute(im, kpts)
    des_list.append((image_path, des))
    descriptors = des_list[0][1]
    for image_path, descriptor in des_list[0:]:
        descriptors = np.vstack((descriptors, descriptor))
    test_features = np.zeros((1, k), "float32")
    words, distance = vq(des_list[0][1], voc)
    for w in words:
        test_features[0][w] += 1
    # Perform Tf-Idf vectorization
    nbr_occurences = np.sum((test_features > 0) * 1, axis=0)
    idf = np.array(np.log((1.0 + 1) / (1.0 * nbr_occurences + 1)), 'float32')
    # Scale the features
    test_features = stdSlr.transform(test_features)
    # Perform the predictions
    predictions = [classes_names[i] for i in clf.predict(test_features)]
    return predictions

阶段三

采集新的启动视频

和阶段1采用的方式一样。

用模型进行预测

和阶段2测试模型的做法一样。

计算启动时间

根据预测结果，确定点击应用icon阶段的图片和首页渲染稳定之后的图片，获取两个图片直接的帧数差值，如果前面以60帧抽取图片，那幺总耗时 = 帧数差值 * 1/60，具体计算这部分的代码实现如下：

from airtest.core.api import *
from dingtalkchatbot.chatbot import DingtalkChatbot
from poco.drivers.android.uiautomation import AndroidUiautomationPoco
webhook = 'https://oapi.dingtalk.com/robot/send?access_token='
robot = DingtalkChatbot(webhook)
def calculate(package_name, apk_path, pkl, device_name, app_name, app_version):
    sample = 'sample/screen.mp4'
    test_path = "dataset/test/"
    if not os.path.isdir('sample/'):
        os.makedirs('sample/')
    if not os.path.isdir(test_path):
        os.makedirs(test_path)
    try:
        os.system("adb uninstall {}".format(package_name))
        os.system("adb install -r {}".format(apk_path))
        poco = AndroidUiautomationPoco()
        poco.device.wake()
        time.sleep(2)
        poco(text='应用名').click()
        poco(text='下一步').click()
        poco(text='允许').click()
        poco(text='允许').click()
        poco(text='允许').click()
        os.system("adb shell am force-stop {}".format(package_name))
        subprocess.Popen("adb shell screenrecord  --time-limit 20 /sdcard/sample.mp4", shell=True,
                         stdout=subprocess.PIPE, stderr=subprocess.STDOUT)
        poco(text="应用名").click()
        time.sleep(20)
        os.system("adb pull /sdcard/sample.mp4 {}".format(sample))
        os.system("adb uninstall {}".format(package_name))
        os.system("ffmpeg -i {} -r 60 {}%d.jpeg".format(sample, test_path))
        image_paths = []
        class_path = list(paths.list_images(test_path))
        image_paths += class_path
        start = []
        stable = []
        for image_path in image_paths:
            predictions = predict_image(image_path, pkl)
            if predictions[0] == '1_start':
                start += [str(image_path.split('/')[2]).split('.')[0]]
            elif predictions[0] == '4_stable':
                stable += [str(image_path.split('/')[2]).split('.')[0]]
        start_time = int(sorted(start)[0])
        stable_time = int(sorted(stable)[0])
        print("耗时:%.2f 秒" % ((stable_time - start_time) / 60))
        robot.send_text(
            msg="启动耗时自动化测试结果:\n被测设备:{}\n被测应用:{}\n被测版本:{}\n".format(device_name, app_name,
                                                                   app_version) + "启动耗时:%.2f 秒" % (
                        (stable_time - start_time) / 60),
            is_at_all=True)
    except:
        shutil.rmtree(test_path)
        if os.path.exists(sample):
            os.remove(sample)

if __name__ == "__main__":
    calculate("package_name", "app/app-release.apk", "startup.pkl", "小米MIX3", "应用名", "10.1.1")

持续集成

根据上面测试方法提供的参数，通过Jenkins配置任务，训练好模型，将以上三个阶段通过Python脚本的形式封装好，另外再配置好WebHook跟打包平台关联好，即可实现自动验证分析计算最新包的首屏加载耗时。

效果

通过人工录屏，然后用QuickTime分帧查看时间轴，计算出的首屏加载耗时跟这套方案得到的结果误差基本在100毫秒以内，但这个过程一次取数需要15分钟左右，而现在这套方案一次取数只需要3分钟左右，效率明显提升，还避免了不同人操作采集标准不一致的问题。

原文转自：https://flashgene.com/archives/56650.html