1 相关说明
1.1 背景简介
随着一个产品的自动化工作不断深入，自动化的case积累数量持续增长，绝大部分毫无依赖关系的case由于串行运行，测试执行时间达到小时界别，且不易于优化。另外，ci运行时所需机器资源的抢占互斥，运行机器的不稳定等问题也逐渐扩大。
Hadoop分布式测试执行方案正是为了解决以上问题而产生，通过分布式执行，可以达到并行运行，提高执行效率的目的；另外，hadoop提供调度，重试等机制功能，可以提供给用户一个相对透明的计算资源池，减少用户对机器运行环境的依赖。
1.2 分布式平台的选择
本方案采用hadoop来作为分布式平台。首先是Hadoop是一个开源项目，有非常好的技术支持，二就是hadoop有成熟的分布式调度算法，可以很好的利用每台机器的cpu和内存资源，达到计算资源最优分配，三就是hadoop程序易于编写，便于维护。
1.3 名词解释
：apache基金会的开源分布式框架。
Mapreduce ：hadoop的计算模型，由map任务和reduce任务组成。
Jobtracker ：hadoop计算系统的总控。
Tasktracker ：hadoop计算系统的子节点。
Slot(槽位) ：tasktracker的最小计算分配单元，一个槽位可以对应一个map任务，一个机器启动一个tasktracker，槽位的话按照机器的cpu核数来分配，一般是”核数-1”。
<2 分布式测试执行方案
2.1 传统的单机测试执行流程
一般的单机测试流程分为5步，如下图所示：
1、lib库安装。包括测试框架的lib库安装以及基于该测试框架的产品业务层lib。
3、case下载。从svn或者case库获取需要执行的case。
4、case运行。
5、发送报告。
单机测试执行的优点在于逻辑简单，易于实现，缺点就是case要串行执行，无法有效里有机器的cpu和内存资源。举个例子，现在有一个8核16G的测试机，每个case的平均cpu使用率为10%，内存消耗1G，在这样的情况，一般可以做到至少6个case并行化，优化效率是不言而喻的。
2.2 从单机测试到分布式测试执行的逻辑
有了以上的五个步骤及相关分析，我们考虑其中可以并行执行来进行优化的就是测试执行这块了，其他lib库安装，测试环境安装等都基本是最小单元，不易切分了。
所以从单机到分布式主要是Case执行集合的一个拆分。所以简单说，单机和分布式的区别就是case输入集合有变“而已，其他单机的测试执行过程基本不变。对于测试工程师来说，这个过程是透明的，只是执行case的环境从单机切换到多机。
下图简要的表示了case从单机到多机的变化(6位的数字是caseid)。
