一、背景

在单体架构时代，一个请求的所有逻辑都在同一个进程中执行，调试和排查问题相对简单：查看日志、打断点、分析堆栈，基本能定位到问题所在。

但在微服务架构下，一个用户请求可能会经过网关、认证服务、订单服务、支付服务、库存服务等多个服务。当请求失败或响应缓慢时，问题可能出现在链路中的任何一个环节：

一、项目背景

工作中接触了微服务架构，大多基于 Java 或 Go。作为 Rust 爱好者，想尝试用 Rust 写一套适合实际业务的微服务框架。另外我自己写了一个记账App一直在运行中，自己也一直在用，于是刚好用Rust和微服务架构来重构一下。Rust上并没有已有的成熟微服务框架，于是我刚好自己去实现(或者说接入)微服务通信、上下文处理、trace等功能，来加深对微服务系统的理解。

在比对两张图片的相似度时，有很多相似度指标例如aHash、pHash、dHash、SSIM等，SSIM比较常用。而我在想能不能用一个深度学习模型来解决这件事，让它能忽略一些能接受的小差异，但是向数字有变化这种差异即使在像素上很小，也能检测到。我发现孪生网络比较合适。

在调研精准测试方案时，我们发现测试用例、代码函数、依赖关系等本质上都是图结构：测试用例调用类中的函数，函数之间存在调用依赖。Neo4j 作为最流行的原生图数据库，非常适合用来存储这些调用和依赖关系。

项目简介

Finetest 是一个基于 Python + Selenium + pytest 的 Web 自动化测试框架，框架集成了智能元素定位、可视化回归测试、用例录制回放、文件对比等功能，旨在降低 UI 自动化测试的门槛，降低维护成本，提高测试效率。

发现了一个有意思的库：rrweb(record and replay the web)。

什么是 rrweb？

rrweb 是一个开源的 js 库，可以记录用户在网页上的所有操作，然后完整地回放出来。

就像给用户在网页上的操作录了个视频，但实际上它并不是真的录屏，而是通过记录 DOM 变化、用户交互等事件，然后在回放时重新渲染出来。