分类:测试理论

支付宝--平台技术部--质量技术部--工具平台研发团队招聘

蚂蚁金服--平台技术部--质量技术部--工具平台研发团队邀请您一起打造AQC 全力打造蚂蚁金服全站产品质量管控、资损防控、风险防控、测试管控、回归体系、效率工具、无线测试等平台,见http://aqc.alipay.net 全站回归体系建设,见详情;无线测试平台建设,见详情;线下工具平台建设实践,见详情 工作年限:五年以上 学历要求:本科或硕士 岗位级别:P6+、P7、P8 待遇面谈:Base + 年终奖+ 红包 + 股权激励 岗位描述: 1. 负责测试平台研发、持续集成平台或回归体系建设、自动化测试框架研发、移动应用开发(andriod或ios); 2. 带领组员进行项目研发和关键技术攻关; 3. 要带头写代码,尤其是技术攻关,要能够落地,不单单只是方... 详情

数据报表类系统测试

前段时间测试了一个数据报表类系统-VOC系统 VOC:Voice Of Customer, 根据每天的电话求助量,机器人咨询量、人工咨询量、云客服咨询量等数据出发,关联到具体问题、产品、部门等信息上分析并展现出会员最大痛点。 VOC 的数据报表的最终展现分为两个过程 1、获取源数据并整合数据为最终表 2、数据关联到问题、产品、部门后进行分析展现 针对这两个过程,测试方法也分别两个步骤 一、获取源数据并整合数据为最终表-ETL过程 实现方式:云梯、hive脚本、datax 开发跟进业务需求了解原始表结构,编写hive脚本,“在云端”平台上运行,获取最终表,使用dataX工具将数据导入到线上数据库 平台:在云端(内部系统) Datax:离线同步工具 ... 详情

代码测试(CodeTest)

代码测试(Code Test): 1.什么是代码测试?与传统的功能和接口测试有什么不同? 代码测试的立足点是Code,是基于代码基础之上的,而传统的功能测试和接口测试是基于应用的,必须对应的测试系统是在运行中的。 代码测试不会特别注重接口测试的可持续性集成。 代码测试的特点是快捷高效准确的完成测试工作,快速推进产品的迭代。 2.Code Test 的方法: (1)代码走读和review 适合场景:逻辑相对简单,有较多的边界值。 方法介绍:直接查看和阅读代码,检验逻辑是否正确。 (2)代码debug与代码运行中测试 适合场景:数据构造比较困难,特殊的场景覆盖。 方法介绍:1.直接在debug代码过程中查看数据流走向,校验逻辑。 2.在debug过程... 详情

Java基本类型与对象类型的区别导致的Bug剖析

本文中所提到的基本类型是指类似 int,long等,而对象类型是指Integer,Long等。 基本类型和对象类型第一个最大的不同在于初始化的值不同。int 初始化为0,Integer 为null。在一个线上产品故障的排查过程中发现根本原因在于开发同学把数据库DO对象的一个字段从int 改成了Integer引起的,因为int 类型可以正常的初始化,而Integer 对象的时候不能正常插入,导致了线上产品故障。 正是由于初始化的值的不同,也导致了在进行逻辑比较的时候,对象类型很容易出现空指针异常: 基本类型可以直接进行逻辑判断: int num; if( num >0 ){ //todo } 这样的代码不会有空指针的异常,但是如果是如下代码: Integer nu... 详情

测试提前-技术方案评审

测试提前进行的越深入,越体会到了解系统架构的重要性,参与到技术方案评审,不仅是听,还要评,进一步学会审。这个阶段可以更关注可测性、性能考虑、可拓展性等 举几个技术方案阶段关注并改进的例子. 性能考虑 关注方向:系统调用、单个\批量,串行\并行,读tair\读db 例子: qc系统资质验证的过程是,业务系统发起验证一颗资质树(多个资质)的请求,资质系统获取请求后,从多个业务方系统获取数据并和要求值进行对比,将对比验证结果返回到业务系统 以下是技术方案时对老系统的改进. 1. 单条验证 -> 提供批量验证接口,避免多次HSF调用 2. 单颗资质树资质获取 -> 资质数据读取方式从原有的懒加载改为预加载。合并多个资质树的资质,一次读取 3. ... 详情

新时代的测试工程师

测试工程师在软件项目中把握着项目产品质量,具有最终项目能否发布的生杀大权,就这样一个重要的角色在实际情况中往往不受待见,却是为何? 纵观国内测试工程师发展的过程来看,主要有以下几个原因: (1)起步晚:在国内软件行业发展的初期,没有专职测试的人员,所以测试工程师比开发工程师以及其产品等岗位的起步晚,在初期是可以没有的岗位。 (2)起点低:发展到一定阶段以后,发现有一部分手工测试可以由单独的人员完成,但是对人员的要求没有开发那么高,所以最开始的测试人员的门槛低。 (3)技术发展慢:测试技术的发展相对开发的技术发展要落后一个节拍,导致测试技术的发展比较慢,最开始都是功能测试,最近几年才开始性能,安全,大数据的测试。 那么如何赢得众人尊重,重新树立新时达的测试工程师形象,个... 详情

说说项目流程这个事

说起项目流程更多的让人第一感觉是严肃,枯燥,冗长,根据参加过的项目经验和其他的一些情况来说说项目流程这个事? 1.项目需不需要流程? 答案是肯定的。首先项目肯定是有目标,有计划的,所以可以说要做的事情,要完成的时间是具体的,其次项目肯定是多人协作的,即使是一个人做的项目,在不同的阶段所做的工作也是不一样的。既然多人协作,就需要分工,分工就需要确定谁在什么时候做什么事,所以流程就应运而生。 流程是因为协作和分工而产生的结果,所以肯定是必须的。 而且从以往的经验来看,很多项目在发生了严重的线上故障以后再回头来梳理流程,规范流程。所以有流程的保障,项目质量更有保障,可以防范于未然。 2.如何制定合适的流程? 既然流程是必须的,那么如何制定一个适合的项目流程呢?我认为需要考... 详情

再谈性能测试的发展方向

前段时间,阿里学习频道组织《性能测试》微课堂,公司里一些多年从事性能测试工作的专家在线答疑解惑,非常好的一种互动模式。其间有同事发问:“性能测试的发展方向是什么?性能对系统的架构和系统的选型起到多少的关键性”。 我当时随性而发,也没做过多的思考,大致写了三个看法: 领域化:前端性能/客户端性能、后端性能、无线性能,各自本身的技术范畴差异很大,测试方法和分析方法也都大相径庭,所以性能测试会走向领域化 去测试化:业务专家、开发、数据库工程师、架构师在更加专业、更加易用的性能测试工具的帮助下自主测试,更加侧重分析 流程化:随着参与方的增多,大型公司如何保证性能测试的质量,降低系统风险,需要有更加标准的性能测试流程建立,减少由于评估不足、分析不足带来的性能点遗漏、缺陷遗漏 今... 详情

数据迁移类测试策略

v\:* {behavior:url(#default#VML);} o\:* {behavior:url(#default#VML);} w\:* {behavior:url(#default#VML);} .shape {behavior:url(#default#VML);} 前言 前段时间做了一次数据迁移,针对数据迁移类型的测试方法进行了一些了解和总结,以下工具愚公移山和精卫为淘宝开发的工具,已使用于多个产品、项目中,质量有保障。 一、工具介绍 1、愚公移山 概述: 数据的动态迁移,可完成数据全量、增量迁移,进行数据比对,保证数据的正确;目前较多运用在数据迁移中,已经被很多团队使用,是很成熟可靠的数据迁移工具 适用范围: 可支持:支持or... 详情

概率求解的hive实现方式对比分析

在算法评测过程中,通常需要将评测指标量化一个具体的数值或一种区间分布,便于参照对比,能够更为直观的指导结果分析。最常采用概率或概率区间来呈现这类数据形态。 下文演示说明:数据集分散在两张表情况下,用hive实现求解概率的处理方式。 样例:两张数据表A、B(如下示:t_gushe_test_A、t_gushe_test_B),A表数据集是B的一个子集合,需要求解出A在B的占比,即A落在B中的概率。 t_gushe_test_A示例结构: t_gushe_test_B示例结构: 其中,a为b的子集,要求计算a落在b中的概率。假设A、B中数据集为: t_gush... 详情

简单随机抽样 hive几种实现对比

背景:在算法测试过程中,涉及到算法正确性的部分,很多时候需要随机抽样一部分数据进行人工评测,尤其是在和内容相关的算法结果上抽样评测显得尤为重要。因为没有统一的抽样实现,在测试过程中有用到抽样的同学都有自己的一套实现方式,下面分享一下实践中用到的简单随机抽样(不放回)的几种实现方式,以及各自的特点和适用场景。 不放回简单随机抽样的定义:对于一个大小为N的总体,抽取一个样本量为n的样本,如全部可能的(N/n)个样本每个被抽中的概率都相等,即都等于1/(N/n),则这种抽样成为不可放回的简单随机抽样,所得样本为不放回的简单随机样本 方式一: 实现描述:这种实现方式初衷是基于不放回的简单随机抽样定义(见上)。设想抽样总体的总数为countNum,为每个单元都标上一个[0,co... 详情

算法测试分享之微创新点:概率区间string标记VS排序输出(hive小尝试)

前几天在处理一个统计指标数据收集的时候,为了能够清晰输出,小小地尝试了下对数据集标记处理,共享小节下。 实现需求:数据最终汇集到结果表中,会保留有四个字段,如下表的结构 (dif_p_level——概率落入的区间、dif_num——当前区间的记录数、base_num——数据集合总记录数、rate——当前区间记录在总数据集中的占比)。概率区间的标记方式由我自定义,统计记录数据从上面的处理过程中输入进来。对于区间标记有3个期望: a).明确直观描述出区间概率; b).分层清晰地表示出增加、消减、概率区间三个部分; C).依照概率区间升序输出结果。 对于区间的标记方式处理,有微调了几次,过程和数据集结果如示: 示例表结构 drop ... 详情

大数据测试实践小结

针对我们产品线的某些模型产品的需求,开始展开大数据测试,对大数据测试仍然属于摸索和尝试的阶段,大家感兴趣的欢迎拍砖。 一、模型产生的过程 ² 信息收集:需明确项目目标和业务需求,根据确定的数据分析对象,确定分析对象所需要的特征信息,以及特征信息的计算方法;这个过程业务方会做很多的准备工作,会拉数据去证明哪些特征信息与我们的数据分析对象是有关联的; ² 数据准备: 从数据仓库中获取数据构造用于模型分析的数据集,包括选择数据、格式化数据、数据清理、数据整合等过程,是整个数据挖掘过程中最耗时的环节... 详情

算法测试分享之流程:算法产品需求核心流程

因数据产品涉及到业务、算法、系统不同的侧面,测试对象也需要覆盖数据、算法、接口、功能、性能等不同类型。因此在与合作团队间协作过程与传统的需求流程不同。这里将从需求开始到发布上线中我们遵守团队协作的过程,梳理分享一下,以供参考。约定项和执行内容项,依照团队具体情况共同确定,不细缀。 【活动要点】 1. 需求接入:确立目标—业务数据、算法期望、产品目标(执行人:PD、TL、算法TL) 2.里程计划:确立阶段时间点—方案、提测、发布(执行人:需求负责人) 3.算法方案: 先预研分析数据,确立目标可行性,再详细算法方案(执行人:算法开发) 4.系统测试方案:评估是否进行性能测试(执行人:测试负责人) 5.算法测试方案:明确算法输入输出,测试方案选型、指标... 详情

软件可测性研究和实践小结

概念简单介绍 软件可测性简而言之指软件能够被测试的难易程度。其依赖于: 1、软件本身的结构; 2、描述该软件的文档资料的明确性; 其实我们一直提倡的测试往前走,最终在有意无意之间提高了软件的可测性。例如在平常工作中,在测试流程的驱动下,如果缺少必要的文档资料或者资料不明确,测试会驱动开发去补充,这是从加强文档资料的明确性这个角度提高了软件的可测性。而从软件本身结构上提高软件可测性,则对我们的要求更高点,要求我们本身对系统的设计要了解,并且能够结合自己的知识和经验,对改善系统本身的结构以提高其可测性提出自己的建议。 过去的经历和总结 我所带的项目特点都是小型并且偏技术型的项目,对口的开发以前基本是没有测试的,所以质量和流程意识比较差。而我最开始和他们合作是从毕业那... 详情

返回首页 博客 技术交流 产品 期刊下载 关于我们 意见反馈 无障碍

浙ICP备09109183号-14 Copyright © 2003-2015 TaobaoTesting.com 版权所有