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.Application

　　HKEY_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log
qcat_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log
qcat_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.LoadWorkspace
qcat_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.createDataView
data_items = log_session.getDataViewItems
file_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。

作者：快乐至上    

来源：http://www.51testing.com/html/63/n-7795663.html