关于自动化测试的一些思考

测试猿David 2020-09-09 08:34:47

自动化测试通常分为接口测试、UI测试,从测试人员的角度来说,非常希望有足够充分的接口测试来保证提测版本的质量,但实际情况往往是开发团队所维护单元测试和接口测试也是非常不充分、有的开发人员甚至不去做单元测试。

一:自动化测试
1.在什么情况下才会去实施UI自动化?
01.公司有做UI自动化需求
02.平台趋于稳定,无频繁发版需求
03.版本发布后可以自动回归验证
04.测试人员有编码能力且人力足够
05.平台维护周期长

2.UI自动化的目的是什么?
01.老生常谈的问题,解决功能测试人员重复性的工作,释放双手
02.定期验证平台基本流程
03.版本发布后自动触发验证平台基本流程

3.UI自动化的后遗症
01.用例庞大
02.极不稳定,维护困难
03.投入与产出非正比
04.需要专职人员维护与更新

4.关于UI自动化常见问题的思考
01.git:如果用到git,则需要对git命令非常熟悉,不然在进行代码提交处理异常信息非常棘手(报错后无法及时处理,导致解决时间长,影响工作效率)
02.Selenium :在脚本执行过程中对于异常信息,要多去思考,找出导致异常信息的关键点,针对关键点去寻找解决办法,而不是盲目的去解决,记住,多思考,解决问题的思路很重要
03.总结,对常见错误进行总结记录,如博客,OneNote

二:接口自动化

1.在什么情况下才会去实施接口自动化?
01.接口数量过多,手工测试慢
02.接口涉及加密处理,手工测试无法进行

2.接口自动化的目的是什么?
01.接口回归验证(正常及异常) 
 
3.接口自动化测试的优点?
01.提高项目迭代开发过程中的测试效率
02.提高回归测试的效率,并且提高测试场景覆盖率和代码覆盖率
03.解决项目中重复造测试数据的问题

4.关于接口自动化常见问题的思考
01.整体框架的搭建
02.数据驱动问题,如excel





...全文
694 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文围绕城市场景下的无人机三维路径规划问题,提出了一种新颖的多目标粒子群优化算法(NMOPSO),旨在解决高维复杂环境中路径规划面临的多重挑战。研究聚焦于导航变量的多目标优化,构建了一个包含路径长度、飞行安全性、能量消耗等多个相互冲突目标的优化模型,并采用改进的粒子群算法进行高效搜索,最终获得一组Pareto最优解集,为实际决策提供多样化路径选择方案。该方法结合Matlab代码实现,详细阐述了算法的设计机制、数学建模流程及仿真验证过程,充分展示了其在密集城市建筑环境中有效规避障碍物、满足飞行动力学约束并实现多目标权衡的能力,具有较强的工程应用价值。; 适合人群:具备一定优化算法理论基础和Matlab编程能力,从事无人机路径规划、智能交通系统、自动化控制、人工智能应用等方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于城市环境中的无人机物流配送、巡检监控、应急救援等实际任务的三维路径规划;②为高维、非线性、多约束的多目标优化问题提供有效的算法设计思路与改进参考;③通过Matlab仿真平台复现算法,进一步开展性能测试、参数调优与算法对比研究,推动相关领域的技术创新。; 阅读建议:此资源强调算法原理与工程实践的深度融合,建议读者重点研读目标函数的构建方式、约束条件的处理策略以及NMOPSO算法的核心改进机制,并务必动手运行和调试所提供的Matlab代码,以深入理解算法在三维空间路径优化中的具体实现细节与实际表现。

2,090

社区成员

发帖
与我相关
我的任务
社区描述
在线培训学习经验交流分享、优质课程资源共享。
社区管理员
  • IT课程大本营社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧