侯兄弟对我QCon演讲的很好的总结,偷个懒,转帖一下

Ivar Jacobson公司的吴穹带来的关于分层测试的演讲。

 

尽管讲的都是测试,但是吴穹对于吴凯华的某些观点不是非常同意,对于测试平台,他的观点是,先尽量使用开源的测试工具,如果不满足需要的话,就修改开源的测试工具,实在逼不得已,才要构建自己的测试平台或者测试框架,这应该也和敏捷观点是紧密相关的,敏捷提倡的就是要避免浪费,而想要构建自己的测试平台,肯定要消耗大量的人力和财力,那也不是一般的中小型公司所能够承受的,所以他才会提出那样的观点吧。

 

吴穹博士所讲述的分层测试很有意思,他把测试分成了四种:

开发者测试
控制驱动集成测试
界面驱动集成测试
验收测试、性能测试

 
对于一个系统或者程序,要执行这四种测试,而每种测试所针对的目的也都不尽相同。也正因为需要执行四种不同的测试,而各种测试的用例之间必定会存在一定的交集,所以他认为,我们不需要在每种测试的时候都保证100%的测试覆盖率,足够好的测试覆盖率就好,比方说,

每种测试的覆盖率都达到40%左右,而最终整体的测试覆盖率达到70-80%,就足够好了。

 

这四种测试侧重点都有所不同,就像净化水的过程一样,每一层过滤装置所要过滤掉的杂质都不一样,在各种测试中所要找到的缺陷也不一样,因此,我们不需要在开发者测试的时候找到界面上的bug,每种测试都只需要负责找到应该找到的bug就好。

 

吴穹博士的演讲中也体现了80-20的观点,他认为足够好的测试就足够了,即便是总体上的综合测试覆盖率,也只需要达到70-80就好了,而且应该是针对核心功能要着重测试,而对于某些代码,像set和get方法,本身就是很简单的方法,即便测试没有覆盖,也无伤大雅。这样的观点也和精益的思想有很好的契合。

 

本文来自CSDN博客,转载请标明出处:http://blog.csdn.net/lingyun2005/archive/2011/04/16/6328269.aspx

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个可能的 Python 实现代码,仅供参考: ```python import requests from bs4 import BeautifulSoup import pkuseg import matplotlib.pyplot as plt from wordcloud import WordCloud # 确定数据源 brand = "宝马5系" url_template = "https://www.dongchedi.com/koubei/{}?page={}" # 获取数据 questions = [] for month in range(1, 13): url = url_template.format(brand, month) for page in range(1, 11): page_url = url + "&sort=1&tp=3&page=" + str(page) response = requests.get(page_url) soup = BeautifulSoup(response.text, "html.parser") items = soup.select(".koubei-list > .item") if not items: break for item in items: question = item.select_one(".qcon > a").text.strip() questions.append(question) # 分词 seg = pkuseg.pkuseg() words = [] for question in questions: words.extend(seg.cut(question)) nouns = [word for word in words if word.isalnum() and word[0].isupper()] # 统计词频 word_count = {} for noun in nouns: if noun not in word_count: word_count[noun] = 0 word_count[noun] += 1 # 可视化 top_n = 10 top_words = sorted(word_count.items(), key=lambda x: x[1], reverse=True)[:top_n] labels, values = zip(*top_words) plt.bar(labels, values) plt.xticks(rotation=45) plt.title("Top {} Nouns for {}".format(top_n, brand)) plt.show() # 词云图 wordcloud = WordCloud(background_color="white").generate(" ".join(nouns)) plt.imshow(wordcloud, interpolation='bilinear') plt.axis("off") plt.show() ``` 其中,我们使用 pkuseg 分词包进行分词处理,使用 Matplotlib 库绘制柱状图展示频率最高的前十个名词,使用 WordCloud 库绘制词云图。 注意,该代码仅供参考,具体的实现方式还需要根据实际情况进行调整和改进。在编写爬虫程序时,需要注意遵守网站的 robots.txt 规定,不要过度频繁地访问同一网站,以免给网站带来过大的负担。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值