从PostgreSQL取数生成自动化测试报告及可视化方案与工具选型

一、从PostgreSQL提取测试数据的基础操作 #

1. 编写精准SQL查询 #

根据需求过滤数据，比如按日期、测试套件、结果状态筛选：

SELECT 
  test_script_name, 
  execution_date, 
  test_result, 
  execution_duration, 
  environment,
  error_message
FROM test_results
WHERE execution_date >= CURRENT_DATE - INTERVAL '7 days'
ORDER BY execution_date DESC;

2. 数据提取方式 #

• 代码连接：用Python的psycopg2或pandas直接拉取数据，方便后续处理：

  import pandas as pd
  import psycopg2
  
  conn = psycopg2.connect("dbname=test_db user=postgres password=your_pwd host=127.0.0.1")
  # 拉取近7天失败的测试用例
  fail_df = pd.read_sql("SELECT * FROM test_results WHERE test_result='FAILED' AND execution_date >= CURRENT_DATE - 7", conn)
  conn.close()
  

• 命令行导出：用psql快速导出CSV，适合无代码场景：

  psql -d test_db -U postgres -c "SELECT test_script_name, execution_date, test_result FROM test_results" -o recent_test_data.csv
  

二、测试结果可视化的最佳方案 #

1. 核心可视化场景 #

• 结果状态分布：用饼图/条形图展示成功、失败、跳过的占比，快速掌握整体质量
• 脚本历史趋势：折线图追踪单脚本每日成功率、执行时长，定位稳定性问题
• 环境对比表格：按环境分组统计通过率，排查环境差异导致的问题
• 失败明细表格：列出失败脚本、执行时间、错误信息，方便快速定位bug

2. 简易工具/技术 #

无代码工具

• Metabase：直接连接PostgreSQL，拖拽创建图表和仪表盘，支持定时邮件发送报告，零代码上手
• Grafana：擅长搭建实时趋势面板，自带多种图表类型，适合监控测试执行的长期稳定性
• Tableau Public：免费版可连接数据库，生成交互性强的可视化报告，适合需要复杂分析的场景

代码实现（灵活可控）

• Python + Matplotlib/Seaborn：快速生成基础图表，适合自定义需求：

  import seaborn as sns
  import matplotlib.pyplot as plt
  
  # 统计每日测试成功率
  daily_stats = df.groupby('execution_date').apply(
      lambda x: x[x['test_result'] == 'PASSED'].shape[0] / x.shape[0] * 100
  )
  sns.lineplot(x=daily_stats.index, y=daily_stats.values)
  plt.title('Daily Test Success Rate (%)')
  plt.xticks(rotation=45)
  plt.show()
  

• Python + Plotly：生成交互式HTML图表，可直接嵌入报告，方便团队查看
• JasperReports：适合Java技术栈，可生成结构化PDF/HTML报告，嵌入到自动化测试框架中

三、自动化报告生成流程建议 #

1. 用Cron或Airflow调度定时SQL查询，提取最新测试数据
2. 调用可视化工具/代码生成图表、表格
3. 整合内容为HTML/PDF，自动发送到团队邮箱或上传至内部协作平台

内容的提问来源于stack exchange，提问作者reachit