高通工具简介针对高通无线通信终端(如手机、上网卡等)产品，有两大故障分析工具QXDM和QCAT
当产品出现问题时，例如：手机无法上网、手机下载速率低、手机信号差等等，需要抓取故障日志进行定位排查，此时就需要用到QXDM工具
QXDM主要用来抓故障日志、修改终端配置、升级终端软件等
QCAT主要用来解析日志log，这个工具可以将QXDM抓取的log解析成结构化的数据，便于开发进行快速定位故障
自动化优势常见的通信信令流程分析，使用QXDM和QCAT UI界面手工操作即可以做到，比如手机无法上网
但是，比如手机下载速率低、手机信号差等问题，需要进行性能指标分析，可能包含多种数据的分析，比如物理层Throughput、应用层Throughput，还需要分开分析上行（UL）、下行（DL），LTE、5G，信号强度（RSRP、RSRQ）、信噪比（SINR）、误码率（BLER）等等
由此可见，纯手工进行分析明显会影响分析效率和准确率，而借助工具自动化的实现，就可以解决这个问题，并且自动化除了分析快、准之外，还有两个优势，就是无人值守和批量执行
自动化实现总体思路那么，如何实现高通工具自动化，从而实现性能指标分析自动化呢？QXDM和QCAT提供了com接口，支持多种语言调用，例如VBScript、Jscript、Perl、Python
本文将介绍如何借助python语言，结合QCAT、QXDM、EXCEL等工具，实现QXDM日志的自动截取、分析、筛选、导出，以及输出关键解析参数数据
具体分为以下几个步骤：1.截取有效业务时间2.按照需求筛选数据3.导出有效数据4.数据提取和计算细细说来下面依次来介绍各个步骤的实现思路和自动化接口
第一步：截取有效业务时间由于log中可能存在一些无效时间段，需要将有效时段从log中识别出来
虽然，不同的情况下，有效时间段的规则可能有所不同，但是，从工具的角度，都是从开始时间点到结束时间点，即一个时间窗
此处，我们需要调用QCAT工具接口
而不管是QCAT还是QXDM，都是通过调用wind32com接口来实现工具功能模块的自动化应用的
相关Python脚本如下：from win32com.client import Dispatch导入了Dispatch模块之后，就可以调用QCAT和QXDM了
调用方法：Dispatch("QCAT6.Application")Dispatch("QXDM.QXDM5AutoApplication")另外，还有一个前提是，注册表中有QCAT和QXDM的应用
注册表路径如下：HKEY_LOCAL_MACHINE\SOFTWARE\Classes\QCAT6.ApplicationHKEY_LOCAL_MACHINE\SOFTWARE\Classes\QXDM.QXDM5AutoApplication使用QCAT中的SetTimeWindowAbsolute方法，即可根据需要切割log，只需要指定开始时间戳和结束时间戳
脚本示例如下：#脚本示意，并非源码#打开一个QCAT6实例qcat_test=Dispatch("QCAT6.Application")#打开一个logqcat_test.Openlog(logpath)#设置时间窗qcat_test.SetTimeWindowAbsolute(starttime,endtime)#重新保存一个log到指定路径qcat_test.SaveAsIsf(log_save_path)starttime和endtime需要为如下格式：yyyy/mm/dd hh:mm:ss.ddd,例如2023/01/04 15:07:26.456
上述自动化操作相当于手工在QCAT UI界面做如下设置：第二步：按照需求筛选数据这一步的主要目的是，保留所需的数据类型，提高脚本执行和数据分析的效率
我们需要使用QCAT中的PacketFilter方法来设置一个过滤器
脚本示例如下：#脚本示意，并非源码#打开一个QCAT6实例qcat_test=Dispatch("QCAT6.Application")#打开一个logqcat_test.Openlog(logpath)#创建一个过滤器对象filter=qcat_test.PacketFilter#设置过滤器的值filter.SetAll(False)filter.Set(message_type,True)filter.Commit()上述自动化操作相当于手工在QCAT UI界面做如下设置：第三步：导出有效数据这一步导出的数据由两部分组合，一部分是由QCAT导出的xlsm格式的数据，另一部分是由QXDM熬出的txt格式的数据
这两部分数据将作为后续数据分析的主要数据来源
首先是，用QCAT导出xlsm数据：#脚本示意，并非源码qcat_test=Dispatch("QCAT6.Application")qcat_test.Openlog(logpath)qcat_test.LoadWorkspaceqcat_test.workspace.SelectOutput(";",False)qcat_test.workspace.SelectOutput(workspace_path,True)qcat_test.workspace.ExportToExcel(export_file_path,0)上例中的workspace_path是指QCAT工作空间的路径，例如，下图中的工作空间路径就是：";LTE;Time Grids;Physical Grid;LTE L1 CQI RI and MCS vs.Time"，各级路径之间用分号”;”隔开
接下来是，用QXDM导出txt数据，QXDM导出数据要稍微复杂一些
首先，创建一个logsession，然后在这个session中创建一个DataView，然后将每一条message的内容读出来，最后将这些内容依次存储到txt中：#脚本示意，并非源码log_session.createDataViewdata_items=log_session.getDataViewItemsfile_object=open(file,"a")file_object.write(data_items)上述自动化操作相当于手工在QXDM UI界面做如下设置：第四步：数据提取和计算这一步主要是使用pandas.DataFrame进行数据处理，再结合min，max，mean等进行最小值、最大值、平均值的计算：#脚本示意，并非源码df=pd.DataFrame({'A':dataA,"B":dataB,'C':dataC})df[[“A”,”B”,”C”]].mean()df[[“A”,”B”,”C”]].min()df[[“A”,”B”,”C”]].max()是否好用？那么，自动化与手工操作的效率对比效果如何呢？自动化的提升效果并不固定，但是，它会随着处理的数据量的增大，效果越加明显
举个例子，我在实际使用过程中，一个1Gb左右的log，手工操作大概需要30分钟，自动化大概7-8分钟即可
另外，基于以上处理逻辑，还可以将数据计算结果形成统一格式的测试报告
当然，还可以通过循环控制、多线程管理来实现多个log的连续处理和并发执行
最后：1）关注+私信回复：“测试”，可以免费领取一份10G软件测试工程师面试宝典文档资料
以及相对应的视频学习教程免费分享
，其中包括了有基础知识、Linux必备、Mysql数据库、抓包工具、接口测试工具、测试进阶-Python编程、Web自动化测试、APP自动化测试、接口自动化测试、测试高级持续集成、测试架构开发测试框架、性能测试等
2）关注+私信回复："入群" 就可以邀请你进入软件测试群学习交流~~