数据库测试点

1. 页面提交成功时检查数据是否正确地保存在数据库中

2. 检查不接受空值的列值

3. 数据应根据表设计被存储在单个或多个表中

4. 索引名称应按照标准如IND_ <表名> _ < 列名>

5. 表应该有主键

6. 应对表中的列给出相应的描述信息(除了诸如创建时间、创建人等审计列)

7. 应该为每个数据库的添加/更新操作添加日志

8. 应该为需要的表创建索引

9. 检查是否只有操作完全成功后才将数据提交到数据库中

10. 一旦事务失败数据应该回滚

11. 数据库名称应按照应用程序类型命名,即测试,UAT,沙箱,现场 (尽管这不是一个标准,但对数据库维护是很有帮助的)

12. 数据库逻辑名称应根据数据库名称命名(这不是标准但又有利于数据库维护)

13. 存储过程不应该以前缀“sp_”命名

14. 检查表审计列的值 (如创建日期、创建人、更新日期、更新者、已删除、删除日期、删除者等等) 填充正确

15. 检查输入数据保存时是否未被截断,在页面中显示的字段长度和数据库的字段长度应该是相同的

16. 检查包含最小、最大和浮点的数值字段

17. 检查数值字段含有负值(接受和拒绝两种情况)

18. 检查单选按钮和下拉列表正确地保存在数据库中

19. 检查数据库字段设计的数据类型和数据长度是否正确

20. 检查所有的表约束条件如主键、外键等是否正确实现

21. 测试存储过程和触发器的样本输入数据

22. 输入数据的首尾空格应在数据保存到数据库之前被自动隐去

23. 主键列不允许为NULL值

  • 2
    点赞
  • 37
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Langchain向量数据库是一种基于向量相似性搜索的数据库系统。它使用了最新的语义搜索技术,可以高效地存储和检索大规模的向量数据。Langchain向量数据库的主要特点包括: 1. 高效存储:Langchain向量数据库使用了紧凑的向量存储格式,可以有效地存储大规模的向量数据。它采用了一系列的压缩算法和索引结构,可以显著减少存储空间的占用。 2. 快速检索:Langchain向量数据库支持高效的向量相似性搜索。它使用了基于树结构的索引方法,可以快速定位到与查询向量相似的数据项。同时,Langchain向量数据库还支持多种相似性度量方法,如欧氏距离、余弦相似度等。 3. 扩展性:Langchain向量数据库具有良好的扩展性。它支持分布式部署,可以在多台服务器上进行数据存储和计算。同时,Langchain向量数据库还提供了高效的数据迁移和负载均衡机制,可以方便地扩展系统的容量和性能。 4. 应用场景:Langchain向量数据库适用于各种需要进行向量相似性搜索的场景,如图像搜索、音频搜索、文本搜索等。它可以广泛应用于电子商务、智能推荐、人脸识别等领域。 测试点: - Langchain向量数据库的性能如何? - Langchain向量数据库支持哪些相似性度量方法? - Langchain向量数据库的存储格式是怎样的? - Langchain向量数据库的分布式部署如何实现? - Langchain向量数据库在哪些领域有应用案例? - Langchain向量数据库的优势和劣势是什么?
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