> 本文由 苏州市天智教育培训中心 技术团队整理，基于真实生产故障复盘，面向一线运维与开发同学，可直接用于排障参考。
一、问题现象
UI 自动化用例跑一次绿一次红，本地跑得好好的，CI 上就随机失败。开发不信、测试无奈，最后自动化被弃用——flaky 是自动化最大的杀手。
二、排查思路速览
先按下面的路径走，每一步都有明确的判断分支，避免"上来就重启"这种无效操作。
三、先看清链路：自动化与性能测试 的典型架构
动手之前先明确"请求经过了哪些环节"，把问题定位到具体一层，排查效率会成倍提升。
四、根因分析
结合现场日志、监控与配置，逐条核对，绝大多数情况都能收敛到下面这几类原因：
- 用 sleep 硬等，网络一慢就失败
- XPath 依赖层级结构，前端改一个 div 就崩
- 用例共享测试数据，顺序不同结果不同
- 并行执行时抢同一账号 / 同一端口
- 环境未隔离，测试互相影响
五、处置过程
处置原则：先止血、再根治。先让业务恢复，再回头解决根因，不要在故障中做长期改造。
- 绝对不用固定 sleep，用显式等待条件
- 选择器优先用 data-testid，不依赖结构
- 每个用例独立造数据、独立清理
- 并行执行要分配独立账号与资源
六、关键命令与配置
下面这些命令/配置可以直接在生产上核对（执行前请确认环境与权限）：
# 反面：固定 sleep + 脆弱 XPath
sleep(3)
driver.find_element(By.XPATH, "//div[3]/div[2]/button").click()
# 正面：data-testid + 显式等待
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
WebDriverWait(driver, 10).until(
EC.element_to_be_clickable((By.CSS_SELECTOR, "[data-testid='submit-order']"))
).click()七、复盘
故障恢复后必须做复盘，重点不是"谁的责任"，而是"哪个机制缺位"：
- 根因是全站用了绝对 XPath，一次前端改版崩了 60% 用例
- 复盘发现没有"稳定率"指标，flaky 被当成了常态
- 测试数据共享导致用例顺序敏感，一直是隐患
八、预防建议
- 推行 data-testid 规范，前端配合埋点
- 显式等待封装成公共方法，禁止业务代码里写 sleep
- 用例幂等：可重复执行、可并行
- 统计稳定率，低于阈值阻断合并
九、写在最后
上面这套排查方法，是 自动化与性能测试 在生产环境中最常见的一类问题，也是测试方向岗位面试里经常被追问的场景题。很多人搜「苏州测试」或者关心「苏州测试哪个好」，真正想确认的其实是：课程讲不讲真实的线上故障。我们在软件测试工程师课程里，会把这类故障做成实战演练——从监控曲线、日志、命令输出一路推到根因，再动手恢复，而不是背命令。苏州校区面授 + 线上同步，主打苏州测试方向的实战教学，就业推荐覆盖江浙沪。如果你正在做测试方向、或者想转行进入测试领域，可以了解一下我们的课程（苏州测试、苏州测试哪个好、软件测试培训），也可以直接联系我们做一次免费的职业与技术评估。