Android 自动化测试


作者: 宋立新

Email : zjujoe@yahoo.com

 

前言

       现在 Android 开发非常红火, Java 环境下敏捷开发是不二选择。 而敏捷开发都是测试驱动。 所以,最近研究了一下 Android 下的各种自动化测试手段。本文重点在于面上的比较而非点上的细节。时间比较短,所以很可能理解很不充分。

 

测试手段 1 : CTS

CTS 原来只对 OHA 联盟开放。 最近 Google 把它 Release 出来了。 似乎做过一些裁剪 , 比如针对 Java 虚拟机的测试,似乎被删除了,但我们一般用不着这么高深的。

针对每个版本,比如 2.1, 2.2, Goolge 发布了一个兼容性规范,而 CTS 测试就是用来确保某手机或者模拟器符合该兼容性规范。

CTS 测试基于 Android instrumentation 测试, 其又基于 JUnit 测试。 说白了, CTS 就是一堆单元测试用例。 这也是 Java 语言的擅长部分。

在 2.1 模拟器上试验了一下, 有少数没有通过。

目前 CTS 主要包括功能方面的测试,有少数的性能方面的测试。 性能测试未来会越来越多。

总的来说, CTS 跟 WM 的 LTK 测试还是弱了一些, 毕竟还年轻。 它只包括自动化测试,目的主要是保证 API 的兼容性。由于基于单元测试, CTS 本身不能用于测试多应用交互的情况。

 

对我们的帮助:

1)   应用程序的开发者可以开发出自己应用的单元测试,并将其加入 CTS 测试集。

2)   设备制造商可以通过周期性运行 CTS 测试,确保没有对 Android 伤筋动骨。

 

测试手段 2 : Monkey

猴子测试本身非常简单,就是模拟用户的按键输入,触摸屏输入,手势输入等。 看手机多长时间会出异常。

可以设置让 Monkey 只测试某个应用,从而辅助应用程序的开发。

对我们的帮助:

1)   应用程序的开发者可以测试自己应用的鲁棒性。

2)   设备制造商可以使用猴子对自己的测试施行压力测试。看设备能坚持多久。

 

测试手段 3: ASE

ASE 意思为 Android 脚本环境, 即我们可以通过脚本(比如 Python )调用 Android 的功能,从而定制一些测试。比如打电话,发短信,浏览网页,等。

个人觉得这对复现某些偶发故障非常有帮忙。

目前 ASE 还处于它的成长期,希望它不断成熟,为开发者提供更多便利。

 

测试手段 4: 其它

可以写一个 Android 应用程序,命令行脚本等, 在其他方法不能实现时,就只能用这些方法了。

 

总结

 

一方面我们要充分利用 Android 提供的现成测试,密切关注其进展,另一方面,我们要学习好 java/Python 编程,必要时,自己开发自己的测试用例。

 

作为模块开发者,一定要写自己的单元测试,一方面可以保证自己的代码没有缺陷,另一方面,也为系统级测试提供素材。

 

当然,自动化测试关键还在于意识,创意比实现更重要。


附录

尝试 Android ScriptingEnvironment:

http://blog.csdn.net/zjujoe/article/details/5657868

http://blog.csdn.net/zjujoe/article/details/5659253

http://blog.csdn.net/zjujoe/article/details/5677787

http://blog.csdn.net/zjujoe/article/details/5687206

Android CTS 测试研究:

http://blog.csdn.net/zjujoe/article/details/5633147

http://blog.csdn.net/zjujoe/article/details/5640461

http://blog.csdn.net/zjujoe/article/details/5673469

monkey测试工具:

http://blog.csdn.net/zjujoe/article/details/566396

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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