<pre id="ff7yo"></pre>

      <form id="ff7yo"><legend id="ff7yo"></legend></form>
        <nav id="ff7yo"><listing id="ff7yo"></listing></nav><nav id="ff7yo"></nav>

        <nav id="ff7yo"><listing id="ff7yo"></listing></nav>
        <small id="ff7yo"></small><nav id="ff7yo"><dd id="ff7yo"></dd></nav>
      1. <nav id="ff7yo"></nav>
          <form id="ff7yo"></form><nav id="ff7yo"></nav>
          <nav id="ff7yo"></nav>
          <sub id="ff7yo"></sub>
          更多課程 選擇中心

          軟件測試培訓
          達內IT學院

          400-111-8989

          軟件測試必須知道的業務知識

          • 發布:軟件測試培訓
          • 來源:網絡
          • 時間:2017-03-15 15:30

          業務測試是根基

          產品測試的需求跟人的需求一樣, 也是分層次的.

          業務測試肯定是第一位的. 是產品基礎. 圍繞業務會有很多的衍生需求, 比如性能 安全 穩定性 兼容. 但是首要的還是業務功能.

          與其他需求一樣 業務功能也是存在可被模型化和技術化的. 產品的衍生需求大多都已經是實現了現代化的檢測. 而唯獨業務正確性未實現. 這是有很大的歷史原因在里面. 我覺得限制主要來自于兩個方面.

          · 第一個是業務的正確性無法被很精細化的模型化. 這種復雜性就算是alphago也搞不定, 而且每個領域的模型還不盡相同.

          · 第二個是做業務測試的人大多沒技術屬性. 導致業務測試的技術發展不足.

          業務的建模

          業務的本質是個處理流程, 你可以認為是一個巨復雜的函數. 從數學上講是一個輸入到輸出的映射

          class 業務{

          public 業務模型類 def 業務流程(業務輸入數據){

          處理業務

          return 業務輸出數據狀態

          }

          }

          復雜度體現在兩個層面.

          業務的數據模型復雜. 典型的業務比如民航訂票 股票基金交易 航天飛機. 里面的物件和物件屬性很多.

          業務的流程模型復雜. 典型的業務比如搜索引擎 機器學習算法

          人腦也是一種計算. 大多數業務正確性, 人能夠驗證正確性是基于歷史數據過多而逐漸學習出來的.

          以前有人提一萬小時的領域專家成長的時間理論 其實就是基于數據不斷的學習進化的過程. 說明人腦的計算速度就是這個瓶頸了.

          這個過程同樣也適用于計算機. 前幾年Google通過機器學習+數據訓練也讓內部的一個服務器集群成功識別出了它以前沒見過的新事物. 參考貓臉識別 http://36kr.com/p/122132.html

          很明顯高大上的技術在十年內還是難以普及的, 不過有些簡單的科學方法還是可以利用起來來改進業務測試的.

          業務測試的技術化改進

          業務的流程和數據模型肯定是存在的 他存在于產品的腦子里, 形成于研發的代碼, 并應用于用戶身上. 所以三個維度都能做到對業務的建模并識別正確性.

          第一個維度是產品層面的業務建模, 這就是過去幾十年我們測試行業采用的辦法. 根據產品文檔寫用例 根據研發代碼流程補充細節用例, 根據用戶投訴和線上故障來補充用例. 這個幾十年沒變過.

          第二個維度是研發的代碼. 如果你把代碼的演變和執行流程都統計下, 你會發現任何程序都是一種生命體. 他可以進化, 業有瑕疵. 甚至是崩潰. 對代碼的建模行業里面也有人在做了. 做法是如下的幾種

          · 靜態分析

          · Code Review

          · 單測

          這幾個層面主要是想在底層做一些基礎的質量保證, 并嘗試把復雜的模型分拆驗證. 但是他無法很好的做到全局正確性的校驗.

          第三個維度是線上產品監控, 使用的技術主要是

          · 代碼埋點

          · 字節碼插樁

          · 特定語言的debug trace和hook技術

          典型的應用場景比如Bugly崩潰分析 Flurry GrowingIO業務流程分析 友盟的運營監控. NewRelic聽云 OneAPM性能分析產品兼具部分的業務分析.

          這個層面的產品和發展非常的迅猛, 因為他迎合了業務分析+大數據+云計算多個東風. 導致已經非常成熟的應用起來了. 但是還不能完全做到質量正確性驗證. 比如因為某個bug. 用戶的資產算錯了. 這個這些系統都檢測不出來.

          第四個維度是數據建模分析, 可用的技術方案是

          · 數據采集. 包括建模的各種屬性

          · 規則分析. 根據業務模型指定簡單的規則去掃描問題

          · 機器學習. 不借助于任何規則. 通過訓練數據學習出哪些是bug和正確的功能.

          實用的業務測試策略

          根據產品完善測試用例仍然是第一位的. 所以你需要有一些扎實的業務測試同學.

          因為業務的策略大部分都埋藏于代碼中, 很多雷也埋在其中. 純靠粗略的產品需求你很難覆蓋到足夠多的場景. 所以你需要用code review或者其他的工具作為彌補. 來挖掘代碼中的業務實現.

          埋點與字節碼插樁. 這個技術已經是非常的成熟了. 了解用戶的業務場景并完善你的用例是非常有用的. 而且還能做到精簡你的測試用例.

          預約申請免費試聽課

          填寫下面表單即可預約申請免費試聽!怕錢不夠?可就業掙錢后再付學費! 怕學不會?助教全程陪讀,隨時解惑!擔心就業?一地學習,可全國推薦就業!

          上一篇:游戲測試中新人容易出現的Bug
          下一篇:軟件測試人員必須具備的區別于其他崗位的優點

          變革中的軟件測試——組織篇

          五種比較好Android自動化測試工具推薦

          • 掃碼領取資料

            回復關鍵字:視頻資料

            免費領取 達內課程視頻學習資料

          • 視頻學習QQ群

            添加QQ群:1143617948

            免費領取達內課程視頻學習資料

          Copyright ? 2021 Tedu.cn All Rights Reserved 京ICP備08000853號-56 京公網安備 11010802029508號 達內時代科技集團有限公司 版權所有

          選擇城市和中心
          黑龍江省

          吉林省

          河北省

          陜西省

          湖南省

          貴州省

          云南省

          廣西省

          海南省

          神马影院-战旗影院-首播影院-新视觉影院-在线观看中文字幕dvd播放 百度 好搜 搜狗
          <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>