自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(28)
  • 资源 (2)
  • 收藏
  • 关注

原创 分布式用例执行

这两天趁着有时间,我疯狂的码字了~~OK 今天爆发了,连写了 3 篇。之前大概快一个月没写文章了。今天就当补上了吧。其实这个方案是用 jenkins 的机制临时糊出来分布式执行。记得之前有人分享过自己开发的分布式框架。我感觉成本还是太高了,需要开发比较长的一段时间。虽然用 jenkins 糊出来的这个方案看上去有点不伦不类的,但是够用。搭建起来也快,按着这篇文章搞,估计一两天也就把坑踩完,投入使用了。

2024-06-19 10:32:04 1242

原创 assertJ-db 科普

今日我们看看 java 大名鼎鼎的 assertj 是怎么做断言的好了,assertJ-db 科普帖到此结束。

2024-06-19 10:30:32 681

原创 UI 自动化中的分层设计

就写到这吧, 最近又开始写 UI 自动化所以有些感受, 组织了一篇帖子跟大家探讨一下。

2024-06-05 12:12:28 1472

原创 UI 自动化常用设计模式 (二)

接上一篇, 上一次太晚了就睡了, 今天把我暂时能想到的其他几个常用的设计模式补上。

2024-06-05 11:28:24 666

原创 UI 自动化常用设计模式

接上一次的帖子,今天讲一下我再 UI 自动化中常用的设计模式。由于网上已经有非常多的文章详细讲解了设计模式的编码实现,所以我今天也就不讲实现细节了。就是讲我也讲不出什么花来,只是网上的文章基本都是讲解设计模式的本身实现,很少针对某一领域的实际场景去讲具体改怎么用设计模式。所以今天我只针对一些实际的场景来说一下如何使用这些设计模式来完善 UI 自动化。

2024-06-04 14:22:43 905

原创 从0开始学人工智能测试节选:Spark -- 结构化数据领域中测试人员的万金油技术(四)

海量小文件的构建与之前所讲的构造方式完全不同, spark可以造大量的数据,但这些数据都是在少数文件中的, 它无法构建海量的小文件, 这是因为在spark中每个parition(这里可以理解为一个小文件, 因为如果一个比较大的数据被切分成了很多很小的文件, 那么即便这个文件只有1k,在它读取到内存的时候也会当成一个partition处理)都会生成一个独立的task来计算, 一个task可以理解为一个线程。所以以前的构造方式是无法满足我们的需要的。

2024-06-04 14:20:18 1138

原创 从0开始学人工智能测试节选:Spark -- 结构化数据领域中测试人员的万金油技术(三)

分布式计算的原理总结一句话就是:分而治之。所有的分布式软件都是分而治之的思路, 当数据量大到了单机无法承载的时候, 那么就利用上面的原理 ,把数据分布到不同的机器中。这样的架构也就可以支持横向扩展,也就是当存储软件的性能或者磁盘空间不够用时, 只要加机器就可以了。

2024-06-03 10:37:49 944

原创 从0开始学人工智能测试节选:Spark -- 结构化数据领域中测试人员的万金油技术(二)

dataframe 是spark中参考pandas设计出的一套高级API,用户可以像操作pandas一样方便的操作结构化数据。毕竟纯的RDD操作是十分原始且麻烦的。而dataframe的出现可以让熟悉pandas的从业人员能用非常少的成本完成分布式的数据分析工作, 毕竟跟数据打交道的人很少有不懂dataframe的。

2024-04-18 10:52:43 423

原创 从0开始学人工智能测试节选:Spark -- 结构化数据领域中测试人员的万金油技术(一)

可以看出来测试人员需要做的事情其实不少,整个建模过程中也可以看到大部分过程都是数据处理过程。所以我也经常说AI领域中的测试人员大部分时间都是在和数据打交道, 所以也是要求熟练使用数据处理的技术。而今天我们就看看结构化数据领域内最常用的技术Spark, 这是对于测试人员来说,性价比最高的技术了, 因为它可以做的事情非常多。并且Spark本身也有ML库(机器学习库)来完成人工智能相关的算法。所以测试人员学习Spark是一个非常有性价比的选择。

2024-04-08 11:05:47 1234 1

原创 我们是如何测试人工智能的(八)包含大模型的企业级智能客服系统拆解与测试方法 -- 大模型 RAG

大模型的幻觉是无法避免的,起码靠大模型自己是无法避免的, 就像上面说的, 它并不知道真实的答案, 它只是去猜一个它认为最靠谱的答案给用户。所以一个看似简单的客服对话机器人,实际上是一个非常庞大的系统,它背后是非常多的子系统的模型共同弄支撑起来的。这主要是因为比较难以去自动化的对比参考答案与实际答案之间的匹配程度,因为对话机器人每次回答的内容可能是不一样的,而且回答的内容不一样不代表回答的就错误,语言这个东西是博大精深的(尤其是汉语),不同的描述表达同一个意思是比较常见的,比如。其实表达的是差不多的意思。

2024-03-25 10:42:18 1159

原创 讨论一下测试行业的现状

我这两年尽量都克制自己发这类对行业的看法的文章。在写 23 年总结的时候,我也是只写过往经历,让大家自己判断我的经历是不是有参考价值的,尽量少去劝说其他人按我的思路来。我对自己说多发技术文章,少发容易引起争议的帖子,我也怕自己的偏见和眼光会误导他人。毕竟每个人都有自己独一无二的经验,理论上每个人的经验都是无法 100% 复制的。所以写这篇帖子其实是有点纠结的, 但是看到有帖子老生常谈起测试人员是否要学习代码,学习技术的事情了,所以又忍不住想说点什么。那我就尽量不带特别强烈。

2024-03-19 14:37:46 698

原创 一个测开人员的大厂面试总结

其实我已经入职有好一段时间了, 这里决定总结一下一些面试经验。我呢,最终还是决定要离开服务了 5 年多的公司。而这次跳槽历经 3 个月,前后聊了 10 家公司,进行了将近 40 场面试, 基本都是 4+1 的流程 (技术面 +HR 面), 所以日程被排的很满。有一段时间每天都有 2 个面试邀约, 加上还有本职工作所以便没有精力再更新文章了。这次面试也算是个大活了, 经历了各式各样的面试场景。所以我想把这次跳槽的经验记录下来, 复盘一下自己的不足之处,同时也给大家提供一些素材,让大家以后出去面试能有个参照。

2024-03-11 16:09:49 476

原创 我们是如何测试人工智能的(七)包含大模型的企业级智能客服系统拆解与测试方法 -- 知识引擎

介绍包含大模型的对话机器人是如何构建和测试的

2024-03-06 15:25:55 1030 1

原创 我们是如何测试人工智能的(六)推荐系统拆解

根据之前学习到的内容,我们已经基本了解到了要如何构建一个二分类模型。我们都知道模型大体可以分成,回归,二分类和多分类。但推荐系统是属于哪一种场景呢,比如我们常见的广告推荐或者内容推荐,这些场景都是由系统来判断用户的喜好来推送广告或者视频内容,以追求更高的点击率和转化率。这种场景怎么看都不像跟这三种类型的算法有关系。这些就是一个推荐系统中的大概步骤, 当然实际的推荐系统是非常复杂的, 我目前也只是列了一个简单的 DEMO,帮助大家理解推荐系统都在做什么事情。

2024-01-30 11:16:56 733 1

原创 测试开发之路--Flask 之旅 (三):数据库

涉及到权限就需要有用户的概念,我们需要数据库来存储我们用户和环境的信息,所以要使用 Flask-SQLAlchemy 和 Flask-MySQLdb(我使用的是 mysql)。所以再加入 Flask-Security 后,Flask-SQLAlchemy 和 Flask-Login 的使用方式都跟以前有些不太一样了。通过 Flask-Security 我们可以很方便的管理用户权限但是它对我们的 model 有一定的要求。上面说的这些方法都可以很有效的管理我们数据库中 User 和 Role 的关系。

2024-01-29 14:56:28 1103

原创 Flask 之旅 (二):表单

好了今天就先到这吧。进度不快, Flask 的官方文档写的不是很细,踩了一些坑。现在这个 web 服务基本就是可用状态了,我们有环境的增删查改,部署环境,查看日志。虽然我预想的还需要很多功能。但是现在这个样子基本可以凑合使用。之后有时间再慢慢完善吧。

2024-01-25 14:55:59 2346

原创 Flask 之旅 (一)

就像海盗一样:快,狠,准。刚学 python 的第一周先是学习了一下基本语法,环境,IDE(好在有几年的 java 底子,学的比较快),然后用 pytest 和 allure 做了测试的基础架子,准备测试我们提供的 python 版本的 SDK。之后我会慢慢的完善这个小网站,就当是练手了,然后我会慢慢的把过程都记录下来发到社区里,一个是对我的学习和工作有个记录,再一个也希望对一些同学有所帮助。看过之前 restart 方法的代码,我们知道所有的 Popen 返回的结果对象都放到了一个全局的 dict 里。

2024-01-22 10:32:12 965 1

原创 UI 自动化设计军规

有段时间没碰过 UI 自动化的东西了。最近出了新产品要搞 UI 自动化,所以又开始把以前的东西捡回来。在这里分享一下我们使用的 UI 自动化设计军规。PS: 此军规是在 java 1.8 的背景下设计的如上图的导航,二级导航以及页面辅助功能都会在不同的主页面上出现。一级导航为几乎所有页面都会用到, 二级导航为该模块下所有页面会用到。页面辅助功能为不同的页面会用到不同的页面辅助功能。比如 DAG 页面会使用元素列表和算子列表。但是 notebook 文件只使用元素列表。

2024-01-19 10:44:12 1164 1

原创 测试开发之路 (工具篇)--assertJ-db 科普

今日我们看看 java 大名鼎鼎的 assertj 是怎么做断言的好了,assertJ-db 科普帖到此结束。

2024-01-18 10:35:20 915 1

原创 Selenide 阶段性总结介绍

最近工作上忙了点,回家也都在陪老婆再加上犯懒所以有几个星期没写帖子了。大家请原谅我哈~ 今天给大家介绍一个比较新的 UI 自动化测试工具--Selenide。确实是比较新的,国内应该还没有多少人用它。在百度和 google 上你只能搜到一个中文帖子简单介绍了一下。如果你想用这个工具,不可避免的你要去阅读英文文档了。不过这年头写代码的有几个看不懂英文的。所以这都不是问题。引一个 git hub 上的链接和图片。selenide可以看到,使用的人不是很多但是有很多人在做贡献。

2024-01-17 11:01:26 806

原创 linux 下 jacoco 动态统计覆盖率

jacoco 的前身为 emma,在 06 年的时候 emma 团队发布了最后一个版本后变宣布停止维护 emma。并另起一个项目 jacoco 来继续开展代码覆盖率的工作。

2024-01-16 10:14:27 1121 1

原创 allure--开源 report 框架阶段性总结介绍

allure 是一个轻量级的,灵活的,支持多语言,多平台的 report 框架。这是一个标准的测试方法的签名其中 Test 标注是 testng 自己的我们不去管,DataFile 是我为数据驱动封装的标签我们也不管。标注,这就是 allure 为附件预留的,只要你执行了带有这个标注的方法,这个附件就会在 report 中显示出来,上面的例子我是写了一个监听器,如果测试失败就截图。做到这点同样很简单,我们看下面的例子。再来看看我最近在新项目中做 UI 自动化的时候的 report,我只列出几个重要的。

2024-01-15 10:20:07 1053

原创 Jmeter 二次开发

很久之前在老东家做性能测试的时候,一开始是使用 LR 的(服务端测试)。在 LR 里写 vuser scripts 去进行 RPC 协议的接口性能测试。但是后来觉得 LR 实在太重了,一般的机器消受不了。而且无法自动化的驱动测试。所以后来引入了 Jmeter。但是 Jmeter 也有它的缺点, 尤其是最后结果统计中那蛋疼的报表简直 low 到爆。所以临走前搞了一次二次封装。增强 jmeter 的特性,可惜只做了比较少的一部分我就离职了。这里我写出来就当抛砖引玉了吧。

2024-01-14 19:34:55 363 1

原创 我的 2023 年终总结 -- 一个小小工程师的 15 年

严格来说再过半年时间我在测试行业的摸爬滚打才满 15 年,不过这也不重要了。犹记得 09 年的夏天,就在大三升大四的那个暑假之前。我们 4 个男生在市场买了一堆水果敲响了两位导员的家门(我们的两个导员是两口子)。当时学校不准我们出来实习,而我们都知道如果错过了这次实习的机会,那么在这所不入流的大学毕业的我们的未来将是一片黑暗。那一次的筛选只选了 5 个人,4 个男生 1 个女生。所以我们 4 个男生就负责拎着水果,求两位导员能睁一只眼闭一只眼(当时实在是没钱,也买不起什么好东西)。

2024-01-13 08:07:16 841 1

原创 我们是如何测试人工智能的(四)补充:模型全生命周期流程与测试图

模型一般的生命周期流程图

2024-01-12 14:23:42 400 1

原创 我们是如何测试人工智能的(三)数据构造与性能测试篇

人工智能场景中的性能测试与我们在互联网中创建到的有很大的不同,因为它需要模拟更复杂的情况。当然它也有相似的地方,只不过今天我们主要介绍它们不同的地方。

2024-01-11 10:26:20 1206

原创 我们是如何测试人工智能的(二)数据挖掘篇

在人工智能的工作中,不论是测试人员还是算法人员,花费最多精力的工作就是处理数据,采集数据,挖掘数据。 这一篇我们来从测试人员的角度分析,如何在人工智能的测试中处理数据

2024-01-10 11:43:41 2508

原创 我们是如何测试人工智能的(一)基础效果篇

详细介绍如何测试一款人工智能产品,帮助该领域中的测试人员和对人工智能感兴趣的测试人员了解相关测试方案

2024-01-09 19:20:51 1828 1

数据结构与算法(java)

数据结构与算法java版本,本书描述非常到位,而且提供源代码.

2009-11-06

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除