2021-08-04

接口自动化面试题
(1)我们测试的接口属于哪一类?

  通常都是B/S架构,由客户端调用,或模拟客户端调用服务器提供的请求接口,由服务器完成处理并返回一个应答的过程。

  例如 webservice接口   http接口   jms接口   hessian接口

(2)HTTP接口传递数据最常用的方式?

  get和post最常用。

  get是从服务器上获取数据   适用场景:在做搜索接口  商品信息接口

  post是向服务器上传送数据   适用场景:在做数据添加修改删除时或图片上传等时能用到

(3)HTTP接口测试的类型?

  ① get请求无参数    ② get请求有参数     ③ post请求带参数

(4)平常是怎么测接口的?

  参数组合、接口安全(绕过前端验证、绕过身份授权、参数是否加密、密码安全规则)、异常验证(必传非必传、参数类型、入参长度)

  性能测试

  用postman工具测,其次用jmeter测试

(5)webservice接口如何测试的?

  用soapui工具测试

(6)接口测试的步骤?

  大体流程是:① 阅读API接口文档   ② 编写测试用例   ③ 根据测试用例进行API的手工测试(开发API工具、使用工具进行测试 )

(7)没有文档如何做接口测试?

  与开发沟通,然后整理出接口文档,也可以自己试着抓包看接口请求参数,然后不懂的跟开发沟通。

(8)下个接口请求参数依赖上个接口的返回数据?

  不同的接口封装成不同的函数或方法,需要的数据return出来,用一个中间变量a去接收。后面的接口传a就可以了。

(9)在手工接口测试或者自动化接口测试过程中,上下游接口有数据依赖如何处理?

  用一个全局变量来处理依赖的数据

(10)接口测试中依赖登录状态的下的接口如何测试?

  本质是:在每次发送请求时需要带上session或cookie才能发送成功,在构建post请求时添加必要的session或者cookie

(11)依赖于登录的接口如何处理?

  登录接口依赖token的,可以先登录后,token存到一个yaml或者json或者ini的配置文件里面

  后面所有的请求去拿这个数据就可以全局使用了

  如果是cookies的参数,可以用session自动关联

(12)依赖第三方的接口如何处理?

  这个需要自己去搭建一个mock服务、模拟接口返回数据

  mock是一个开源的框架,在github上可以下载到。

  mock可以用在单元测试过程中,还有一个用途,当前端开发在开发页面的时候,需要服务端提供API接口,此时服务端还没开发完成,或者说没搭建测试环境,这时候前端开发会自己mock一个api服务端,自己给自己提供调用接口的返回数据。

(13)接口产生的垃圾数据如何清理?

  造数据的数据清理,需用python连接数据库,做增删改查操作

  测试用例前置,setUp做数据准备

  后置操作,tearDown做数据清理

(14)测试的数据你放在哪儿?

  测试的数据分很多种,千万不能说写在代码里,因为数据是不能写死在代码里的。

  测试数据放到.py文件的开头,对于少量的,固定不变的数据是可以的。

  测试数据存放总结:

         ① 对于一些一次性消耗的数据,比如注册,每次注册不一样的数,可以用随机函数生成

         ② 对于一个接口有多组测试的参数,可以参数化,数据放yaml,text,json,execl等都可以

         ③ 对于反复使用的数据,如订单的各种状态需要造数据的情况,可以放到数据库,每次数据初始化,用完后再清理

         ④ 对于邮箱配置的一些参数,可以用ini配置文件

         ⑤ 对于全部是独立的接口项目,可以用数据驱动方式,用execl/csv管理测试的接口数据

         ⑥ 对于账号密码,这种管全局的参数,可以用命令行参数,单独抽出来,卸载i配置里(如ini)

         ⑦ 对于少量的静态数据,比如一个接口的测试数据,也就2-3组,可以写到python脚本的开头,十年八年都不会变更的。

(15)json和字典的区别?

 json是一种轻量级的数据交换格式。json本质上还是字符串,只是按key:value这种键值对的格式来的字符串。

 如:a = {'a':1, 'b': 2}  这是字典

       a = '{'a': 1, 'b': 2}'  这是json

(16)不可逆操作,如何处理,比如删除一个订单这种接口如何测试?

 主要靠手工测试造数据,直接在数据库改字段状态。自动化也一样,造数据可以用python连接数据库,做增删改查的操作

 测试用例前置,setUp做数据准备

 后置操作,tearDown做数据清理

(17)一个订单的几种状态如何全部测到。如:未处理、处理中、处理失败、处理成功?

 也是一样,造数据,通过python连接数据库,修改数据的状态

(18)python如何连接数据库操作?

 PyMYSQL是在python3.x版本中用于连接mysql服务器的一个库

 mysqldb是在python2中使用的

  - 首先导入模块(提前pip安装)  import pymysql  或者 import mysqldb

  - 打开数据库连接   db = pymysql.connect("localhost", "username", "psw", "db_name")

  - 创建一个游标对象  cursor = db.cursor()

  - sql查询语句   sql = "select * from emp"

  - 执行sql语句  cursor.execute(sql)

  - 获取所有记录列表   cursor.fetchall()  然后for循环遍历

  - 关闭数据库连接  db.close()

(19)做接口测试过程中发现过哪些bug?

  比如:测试体现金额的提交,有一天数据库里插入了一个提现金额为负数的,开发要你复现,你在页面上怎样测试都没错误,那是前端做了限制。可以绕过前端,直接用接口工具去直接请求接口,或者用fiddler去抓包,抓到接口劶修改金额为负数。

(20)当一个接口出现异常,你是如何分析异常的?

  用fiddler工具抓包或者浏览器上按F12调试。app上就用fiddler设置代理,去看请求报文和返回报文。

  查看后端日志,xshell连上服务器,查看日志。

(21)如何模拟弱网设置?

  fiddler和charles都可以模拟,平常说的模拟丢包,也就是模拟弱网测试。

  通过charles设置延迟,进行模拟不同的网络:配置好charles后,正常联网,选择throttle settings设置弱网环境

      thtottle preset选择弱网环境目标:2G或3G;也可以在Bandwidth中选择上传下载数值(kbps)

  通过fiddler模拟弱网:打开fiddler ->rules ->customer rules ->会出现一个fiddler script编辑器窗口,

       利用ctrl+F组合键调出搜索对话框,键入m_Simulate进行搜索,找到如下代码框:

    

       upload代表上传速度,download代表下载速度。自定义修改之后,保存后退出。

       继续在fiddler界面上找到rules-> perfomance-> 点击Simulate Modem Speeds,完成弱网模拟功能的打开。

(22)怎么分析bug是前端的还是后端的?

  先抓包看请求报文,对着接口文档,看请求报文有没问题,有问题就是前端发的数据不对。

  请求报文没问题,那就看返回报文,返回的数据不对,那就是后端开发的问题。

(23)http接口和web service接口测试区别是什么?

  传统web service:  有一套完整的协议标准,其中有soap协议,用来进行消息的传递。

        soap请求是HTTP POST的一个专用版本,遵循一种特殊的xml消息格式  Content-type设置为:text/xml任何数据都可以xml化。

        web service的好处是:不用担心大小写问题

                                             不用担心中文urlencode问题

                                             代码中不用多次申明认证(账号、密码)参数

                                              传递参数可以为数组、对象等

         由于web service要进行xml解析,速度可能会有所降低。

  现在HTTP完全可以替代web service。

https://www.cnblogs.com/leozhanggg/p/14519800.html

欢迎使用Markdown编辑器

你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。

新的改变

我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能,我们增加了如下几点新功能,帮助你用它写博客:

  1. 全新的界面设计 ,将会带来全新的写作体验;
  2. 在创作中心设置你喜爱的代码高亮样式,Markdown 将代码片显示选择的高亮样式 进行展示;
  3. 增加了 图片拖拽 功能,你可以将本地的图片直接拖拽到编辑区域直接展示;
  4. 全新的 KaTeX数学公式 语法;
  5. 增加了支持甘特图的mermaid语法1 功能;
  6. 增加了 多屏幕编辑 Markdown文章功能;
  7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能,功能按钮位于编辑区域与预览区域中间;
  8. 增加了 检查列表 功能。

功能快捷键

撤销:Ctrl/Command + Z
重做:Ctrl/Command + Y
加粗:Ctrl/Command + B
斜体:Ctrl/Command + I
标题:Ctrl/Command + Shift + H
无序列表:Ctrl/Command + Shift + U
有序列表:Ctrl/Command + Shift + O
检查列表:Ctrl/Command + Shift + C
插入代码:Ctrl/Command + Shift + K
插入链接:Ctrl/Command + Shift + L
插入图片:Ctrl/Command + Shift + G
查找:Ctrl/Command + F
替换:Ctrl/Command + G

合理的创建标题,有助于目录的生成

直接输入1次#,并按下space后,将生成1级标题。
输入2次#,并按下space后,将生成2级标题。
以此类推,我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H2O is是液体。

210 运算结果是 1024.

插入链接与图片

链接: link.

图片: Alt

带尺寸的图片: Alt

居中的图片: Alt

居中并且带尺寸的图片: Alt

当然,我们为了让用户更加便捷,我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

博客设置页面,选择一款你喜欢的代码片高亮样式,下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

  • 项目
    • 项目
      • 项目
  1. 项目1
  2. 项目2
  3. 项目3
  • 计划任务
  • 完成任务

创建一个表格

一个简单的表格是这么创建的:

项目Value
电脑$1600
手机$12
导管$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列第二列第三列
第一列文本居中第二列文本居右第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如:

TYPEASCIIHTML
Single backticks'Isn't this fun?'‘Isn’t this fun?’
Quotes"Isn't this fun?"“Isn’t this fun?”
Dashes-- is en-dash, --- is em-dash– is en-dash, — is em-dash

创建一个自定义列表

Markdown
Text-to- HTML conversion tool
Authors
John
Luke

如何创建一个注脚

一个具有注脚的文本。2

注释也是必不可少的

Markdown将文本转换为 HTML

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb N Γ(n)=(n1)!nN 是通过欧拉积分

Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t   . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. Γ(z)=0tz1etdt.

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能,丰富你的文章

Mon 06 Mon 13 Mon 20 已完成 进行中 计划一 计划二 现有任务 Adding GANTT diagram functionality to mermaid
  • 关于 甘特图 语法,参考 这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图:

张三 李四 王五 你好!李四, 最近怎么样? 你最近怎么样,王五? 我很好,谢谢! 我很好,谢谢! 李四想了很长时间, 文字太长了 不适合放在一行. 打量着王五... 很好... 王五, 你怎么样? 张三 李四 王五

这将产生一个流程图。:

链接
长方形
圆角长方形
菱形
  • 关于 Mermaid 语法,参考 这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图:

Created with Raphaël 2.3.0 开始 我的操作 确认? 结束 yes no
  • 关于 Flowchart流程图 语法,参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ,生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件,在上方工具栏可以选择导入功能进行对应扩展名的文件导入,
继续你的创作。


  1. mermaid语法说明 ↩︎

  2. 注脚的解释 ↩︎

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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