数据测试和业务测试

提高对业务逻辑和数据逻辑的熟悉程度。

查询

查询性能:数据量较大时,页面响应速度是否可观,如较慢需要考虑优化sql;

新增

身份证号码:支持输入大小写的X。一般情况下,用户输入小写x,应当自动转换为大写X存储进入数据库。

 

数据测试

1、数据来源:

来源于哪张表、哪个字段,数据库中的数值与界面数据的对应

例如:数据库中性别存储的是0/1,页面展示的应该是男/女,页面展示是否正确,对应关系是否正确

2、数据范围:

边界数据:如边界日期,是否需要过滤掉被选择的日期;

数据排序:是否有一个清晰的排序方式;

数据格式:小数位、四舍五入等格式规则是否统一;

3、数据唯一性

 

报表统计类型的测试

统计总耗时之类的数据:

  1. 在测试之前,开始时间、结束时间、审核日期等字段一定要搞清楚分别取得是什么值。否则就只是稀里糊涂的测,也会测试的很乱。
  2. 测试之前,总耗时、平均耗时的计算规则要搞清楚,而不是在测试的时候被动的验证数据正确性。想一边测试一边去猜测计算规则只会乱成一锅粥。。。切身经历啊。。。。
  3. 查询条件一般不作用于统计结果。(设计问题)

 

工作流业务测试

工作流类的业务,理清楚每一条工作流。对每一条工作流的操作整理出测试元素,再针对测试点写用例;或者是画流程图来理清工作流。

容易忽略的是并发操作,两个用户同时登陆系统,查看到了A待办事项,用户1领取了事项,用户2再去领取是否还可以领取成功。这里要搞清楚用户2是否可领取的判断逻辑是什么样的,熟悉开发思路。如果是通过判断待办事项是否有当前办理人来实现的,那么就很容易出现用户1已经办结完成A事项,此时A事项已经没有当前办理人,用户2再去领取A待办事项,很有可能就会出现可重复办理的情况。

熟悉开发思路

  • 9
    点赞
  • 103
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
使用AI进行数据测试需要以下步骤: 1. 数据准备:首先需要准备测试数据集,这些数据需要在数据库中提取并进行预处理,以便于AI模型进行处理和分析。 2. 模型选择:根据测试数据的特点和目标,选择适合的AI模型进行测试。例如,可以选择分类模型、回归模型、聚类模型、逻辑回归模型等。 3. 模型训练:使用测试数据集对所选的AI模型进行训练,并根据需要进行调优和优化,以提高模型的准确性和性能。 4. 模型测试:使用测试数据集对训练好的AI模型进行测试,评估其预测能力、精度、召回率、F1分数等指标,并分析测试结果。 5. 模型解释性测试:对于黑盒模型,需要进行解释性测试,以评估模型的决策过程是否合理、可解释和可理解。 6. 安全测试:对AI模型进行安全测试,以评估其免受攻击和威胁的能力。 7. 性能测试:对AI模型进行性能测试,以评估其处理大规模数据时的性能和稳定性。 8. 集成测试:对于大规模的AI系统,需要进行集成测试,以评估其各个组件之间的协作和性能。 总的来说,使用AI进行数据测试需要综合考虑数据准备、模型选择、模型训练、模型测试、解释性测试、安全测试、性能测试和集成测试等方面。需要使用各种测试工具和技术,包括自动化测试、数据可视化、混淆矩阵、ROC曲线、模拟攻击、漏洞扫描等。另外,也可以使用一些专门针对AI数据测试的工具和平台,如IBM Watson、Azure Machine Learning等。
评论 1
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