安装配置docker
　　公司的测试机是centos系统，如果想玩docker过程中不出幺蛾子，建议保证系统到centos7，内核3.10以上。。。
　　一开始的时候，我是并不信邪的，在centos6的系统风风火火的搞了起来，结果脸被打肿了，各种血泪不说了。
　　docker安装很简单，官网文档看看行

　　安装好docker后，首先从官方库中下载centos6.6的镜像。

　　然后以此为基础分别配置3个镜像，分别是安装了behave的镜像，pg/redis的镜像和安装了application以及其他组件的镜像。
　　启动app，pg容器，其中pg容器以container的形式附在app的容器内，这样做的目的是为了让两个容器的ip一致，这样app的配置文件中关于pg，redis的配置可以用127.0.0.1指定。并且这两个容器又相对独立，用例执行结束后可以stop掉pg容器，并新建一个容器附在app容器中。
　　这么做的效果跟所有组件布在同一个容器中是一样的，好处在于重启pg，redis比重启app要快，快很多~
　　docker run -d -v /opt/data/remote:/opt/share 172.16.154.92:5000/centos:6-cfp-apps-2.6.1
　　docker run -d  --net=container:{上一步产生容器的ID} 172.16.154.92:5000/centos:6-cfp-env-2.6.1
　　集成celery
　　到上一步为止，我们大体的结构已经有了，但是我们想让它更快，更好用一点。于是我们加上了celery。
　　celery是一个比较常用的python异步框架，分别在docker机器以及behave容器中安装上。
　　我们希望自动化控制脚本通过docker机器中的celery去新建n个behave以及app，env的容器，并在case完成后重新新建env容器。
　　然后我们希望behave容器中的celery接受用例id和app容器的ip，从而去指定的app页面中执行用例
　　behave容器中使用supervisor启动celery并监听behave消息队列
[supervisord]
nodaemon=true
[program:celery]
command=bash -c "cd /root/ && celery worker -A tasks -Q behave -l info -c 1 -f /opt/share/celery%(ENV_celery)s.log"
startretries=0
　　docker机器中celery监听main队列。
celery worker -A tasks -Q main -c 10 -l info
　　celery的task脚本tasks.py中指定队列
from celery import Celery，platforms
import subprocess
import os，sys
import time
platforms.C_FORCE_ROOT = True
app = Celery()
app.conf.update(
CELERY_IMPORTS = ("tasks"， )，
BROKER_URL = 'redis://172.16.154.92:9852/0'，
CELERY_RESULT_BACKEND = 'redis://172.16.154.92:9852/1'，
CELERY_ROUTES = {
'tasks.cfp_start': {'queue': 'main'}，
'tasks.behave_init': {'queue': 'main'}，
'tasks.get_ip': {'queue': 'main'}，
'tasks.behave': {'queue': 'behave'}，
'tasks.rm_docker': {'queue': 'main'}，
'tasks.stop_docker': {'queue': 'main'}，
}，
...
)
　　这样我们通过控制脚本得到需要测试的caseid，然后启动配置个数的app，pg，behave容器，在检查到app容器ready后发送caseid和容器ip到celery队列。
　　然后监控case执行过程，在某个case完成后，重启该case对应容器的pg容器，完成后发送下个caseid和ip到celery。这样分布式的测试保证了单个用例的执行环境。
　　运行速度也有一定的保障。
　　毕竟我的测试机可是24核 24g的机器。。。 运行过程中整机的cpu有时突破90%，也算是资源没有浪费了~~
　　结果处理
　　因为每次behave都只是执行一个case，因此生成的junit报告也只有一个case的信息。因此需要做报告合并。
　　不想重复造轮子搜索了下， 通过两个现有的模块 xunitparser，junit_xml愉快搞定。生成一个大的junit报告
　　然后是放在jenkins，用插件展示了。

　　用例调试
　　之所以用例调试要专门拿来说下，是因为使用docker容器创建的容器都是私有ip，不能直接访问。
　　docker倒是可以将容器中的端口映射一个实体机的端口，但这个并不十分好用，因为我们app的配置文件里面需要配置一些跳转的url，而这些跳转的urlip又是私有的或者干脆是127.0.0.1的。。。 于是我们新建了一个squid的容器跟app容器在一个网段，然后暴露代理端口给我们，这样浏览器设下代理ok了。
　　然后是用例运行中的截图，phantom本来是没有界面的嘛，而且又是多个用例异步的执行，这要怎么调试呢。
　　也很简单，behave中通过after_step() 方法在每个用例每个步骤执行后都可以screenshot，保存在用例的目录。该目录mount在docker机器中。
　　然后启动一个nginx容器，设置好截图目录，可以直接查看啦~~