`
yanhua
  • 浏览: 87640 次
  • 性别: Icon_minigender_1
社区版块
存档分类
最新评论

QClub的测试专题活动和奇遇咖啡的rails活动小记

阅读更多

昨天下午去参加了infoq组织的qclub,是百度赞助的,第一个讲座是百度的工程师讲解“自动化web测试”,我到的稍微晚了一些,没听完整,大概了解了一下的一些信息:

 

  • 底层使用的是selenium框架,之上有做了一些封装,做了一个框架,还有一个ide,可以用比较接近自然语言的方式定义测试用例。比较有特色的是有一个UIMap,把一些比较可能变化的部分放入这个UIMap里,变化来了以后修改这个Map映射就可以了,一般界面上元素的id或name是基本不变化的。
  • WEB自动化测试只是给基本的业务流程提供一个安全网,主要目的不是发现bug的,覆盖率不高,有些人工更方便的使用人工测试好了。从提问的环节得到的信息,其实百度各个组对于WEB自动化测试的覆盖率没有硬性的要求,好一点的可能达到20-30%的样子。
  • 除了一般的断言,可以通过截屏的方式验证结果——这个没弄懂怎么自动化。
第二个讲座是ThoughtWorks的员工讲TDD,这个我了解多一点,主讲人主要是在编码演示,感觉很好,下面是我个人的一些感受:
  • 首先保证代码的可读性这个很重要,虽然在讲座上没有强调这一点,不过我发现TestCase中的代码要清晰简洁且尽量接近自然语言的描述,实现的细节隐藏到其它的方法中。这就对方法的命名要求很高,在没有想好好的名字前为了表意明确方法名可能会很长。
  • 上面说到要隐藏技术细节,采用的是PageObject模式,有一个navigator(webdirver)来负责导航,另外有若干个page对象,比如通过xpath寻找元素的操作都可以封装到page对象中,这样TestCase中调用这些page的方法即可。
  • 最好采用自上而下的方式进行TDD,可以强迫你从需求和接口的角度考虑问题。
  • 尽管TDD强调在编写任何功能代码前都要先写测试,不过对于WEB测试来说由于运行一次的代价比较大,所以可以先在TestCase里列出场景,而不写任何测试代码,这样先让这个TestCase作为一个文档的作用存在。——其实我比较怀疑Web层做TDD的必要性,最后我觉得作为和BA沟通的文档比测试本身更重要。讲师也强调了和QA以及BA沟通讨论的必要性,有些不是很重要的小功能可以不写TestCase。
  • 演示用的是Java环境,主要是spring mvc,当然理论上tdd和具体的语言无关。
  • 我很喜欢现场编码演示的方式,讲座的核心目的是要证明TDD不是玩具,现场演示一下觉的说服力比较强。IntelliJ IDEA和mac用的很溜儿,是水平高还是工具好?应该是二者都有吧,流畅编码才不会影响思维,这也是我一直在努力提高的。
  • 到场的一半儿多是测试人员,对TDD不了解,但是对TDD的热情很高。

两场讲座完了以后是一个交流环节,参会人员分为十组,选出一个组长讨论一个话题。我有幸和六个女生凑成了一组,只有我一个男童鞋所以我做了组长。她们基本上都是做测试的,只有我是做开发的。我们组没确定什么主题,我是想让大家每个人聊一下自己的经验和工作中测试已经TDD的情况。
  • 我没有预料到的一点是现在很多公司的测试自动化和覆盖率比我想象的要高的多,现在大家对测试和产品质量都很重视,对好的工具和方法都表现出极大的热情。——当然,因为主题是测试,那些只有开发人员没有(或很少)测试人员的公司可能没人参加这个活动。另外,我们公司的架构部门、项目管理部门和测试部门 要吸取经验了,测试计划不自动化的情况应该做一些改进了,还有即使不能TDD,也尽量考虑一下架构的可测试性,UnitTest总要多写一些吧。
  • 在微软测试的一位童鞋告诉我他们有的项目组最高可以达到2:1的测试人员/开发人员的配置比,我一直以为我们将近1:1已经很高了,当然这也和微软以及他们做的软件的特殊性有关系。
  • 后来我们组加入了一个ThoughtWorks的员工,然后大家开始轮番请教问题(ThoughtWorks的人到哪里都会成为焦点,无比嫉妒羡慕佩服……)。有人问道需求变动太累害是不是不适合TDD,其实TDD本来是应对变化的,理论上更应采用TDD,我理解提问者的意思是那种面目全非的需求变化,你的TestCase都一点用处没有了,还怎么保障你功能的重构——ThoughtWorks的童鞋说出现这种情况应该考虑是不是在需求或BA那里出了问题了,应该不是TDD本身的问题,虽然这个答案有点含糊,不过确实如此,为什么会出现翻天覆地的需求改变呢?——业务没理解透或没搞定客户?我问了一个问题是非常简单的功能是不是可以不写TestCase,答案是可以不写,我又问如果可以不写,那测试覆盖率低了以后我怎么知道是不是核心业务开发人员也没有写TestCase呢?答案是这样的:应该雇佣好的开发人员。我在最后总结发言的时候开了个玩笑:需求变化太大不适合用TDD,是BA的问题,不能或不用写单测试人和团队的问题,反正TDD是没有问题的——其实我想说的是TDD做为敏捷中的一个实践环节,它必须有其它方面的配合,不能对一个实践给予太高的超出他能承受范围的期望,从上面两个问题可以看出它至少需要一个好的需求和业务人员的管理配合,需要一个水平不错观念统一的团队,需要雇佣那些对自己该写而没写TestCase的行为有非常强烈恶心感的人。(TDD和单元测试不是一回事儿,我发现我开始模糊这两个概念了,不过连单元测试都不会的人就不用提TDD了)。
  • 最后各个组长发言总结,大概都是两个意思——测试很重要;TDD很好不过用起来还是有些难。我也代表小组总结了一下,得了一个百度发的U盘,感谢一下。这次活动组织的比以前的好很多,感谢一下infoq(小霍童鞋对自己这次的组织也很满意,笑的肚子都疼了)。

============================================================

结束后我和活动上认识的两位朋友去了奇遇咖啡馆(IT界据说挺出名的一个咖啡馆,不过用户体验做的有一个缺点,我们半天没找到门)参加一个关于rails的沙龙,主题是怎么把一个大的rails应用分解成多个小的应用,实践来源于Idapted 的EQ英语用一幅图概括一下:



 
我感觉主要是将应用模块化,关键是各个应用之间的通讯:
  • 通过只读数据库。一个应用只能读另外一个应用中model对应的表,不能写。
  • 不同应用需要写可以通过webservice。
  • 页面集成,可以在页面通过rails的ajax fragment嵌入其它应用提供的页面片段。通过修改nginx的配置,所有应用处于同一域名下也就解决了ajax跨域的问题。(各个片段有点像portalet?不过不能通讯,只是显示)
session是保存在一个数据库里共享的,这就实现了SSO。有一个Core应用负责通用的功能,比如保存一些metadata,比如基于角色的权限控制也是在Core中管理(Core中保存有各个应用Controller的元数据,然后把各个Controller和角色对应起来)。最大的好处是:
  • 模块化使得开发变的容易了,开发一个应用可以独立的配置管理。现在他们已经有20多个应用了。当然,讲座中提到,粒度的划分很重要,要尽可能少的在应用间通讯。
  • 模块化有助于提高部署和伸缩性。那个应用访问量大的时候就可以给它多分配资源,主要是现在内存等资源很便宜。我个人觉的可能还有一个好处,比如我可以将个别应用升级到rails3而不影响其它应用
总之都是模块化的好处。

我对rails知识略知皮毛,大体上看到了这个架构,我的脑子里突然冒出很多东西——SOA、云计算、ESB、OSGI(Spring DM)……当然这是一个公司的私有架构。

我提了一点想法,如果各个应用(或叫模块)的依赖关系在配置一下,那可以给开发和部署带来一些便利……oh,my god,这不是maven的想法吗?

晚上10点才到家,又热又累,不过还是蛮有收获的。


PS:两场活动除了人之外,看到最多的就是Mac Book pro……还看到好几个iPad,无比嫉妒羡慕佩服流口水……

 

  • 大小: 26.7 KB
1
1
分享到:
评论

相关推荐

    基于springboot开发的前后端分离的简易进销存后台管理系统.zip

    基于springboot的java毕业&课程设计

    基于springboot-mqtt的温度、湿度、六氟化硫浓度实时监控系统.zip

    基于springboot的java毕业&课程设计

    会计信息化对华强公司内部审计的影响研究.docx

    会计信息化对华强公司内部审计的影响研究.docx

    修改谷歌提供的样例量子卷积神经网络模型,基于KDD99数据集进行训练,实现了网络攻击分类检测。.zip

    卷积神经网络(Convolutional Neural Networks, CNNs 或 ConvNets)是一类深度神经网络,特别擅长处理图像相关的机器学习和深度学习任务。它们的名称来源于网络中使用了一种叫做卷积的数学运算。以下是卷积神经网络的一些关键组件和特性: 卷积层(Convolutional Layer): 卷积层是CNN的核心组件。它们通过一组可学习的滤波器(或称为卷积核、卷积器)在输入图像(或上一层的输出特征图)上滑动来工作。 滤波器和图像之间的卷积操作生成输出特征图,该特征图反映了滤波器所捕捉的局部图像特性(如边缘、角点等)。 通过使用多个滤波器,卷积层可以提取输入图像中的多种特征。 激活函数(Activation Function): 在卷积操作之后,通常会应用一个激活函数(如ReLU、Sigmoid或tanh)来增加网络的非线性。 池化层(Pooling Layer): 池化层通常位于卷积层之后,用于降低特征图的维度(空间尺寸),减少计算量和参数数量,同时保持特征的空间层次结构。 常见的池化操作包括最大池化(Max Pooling)和平均池化(Average Pooling)。 全连接层(Fully Connected Layer): 在CNN的末端,通常会有几层全连接层(也称为密集层或线性层)。这些层中的每个神经元都与前一层的所有神经元连接。 全连接层通常用于对提取的特征进行分类或回归。 训练过程: CNN的训练过程与其他深度学习模型类似,通过反向传播算法和梯度下降(或其变种)来优化网络参数(如滤波器权重和偏置)。 训练数据通常被分为多个批次(mini-batches),并在每个批次上迭代更新网络参数。 应用: CNN在计算机视觉领域有着广泛的应用,包括图像分类、目标检测、图像分割、人脸识别等。 它们也已被扩展到处理其他类型的数据,如文本(通过卷积一维序列)和音频(通过卷积时间序列)。 随着深度学习技术的发展,卷积神经网络的结构和设计也在不断演变,出现了许多新的变体和改进,如残差网络(ResNet)、深度卷积生成对抗网络(DCGAN)等。

    用泽尼克多项式拟合表面的功能matlab代码.zip

    1.版本:matlab2014/2019a/2021a 2.附赠案例数据可直接运行matlab程序。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

    毕业设计基于java+Springboot+协同过滤的新闻推荐系统源码+全部资料(高分项目).zip

    毕业设计基于java+Springboot+协同过滤的新闻推荐系统源码+全部资料(高分项目本资源中的源码都是经过本地编译过可运行的,评审分达到95分以上。资源项目的难度比较适中,内容都是经过助教老师审定过的能够满足学习、使用需求,如果有需要的话可以放心下载使用。 【备注】 1、该项目是个人高分毕业设计项目源码,已获导师指导认可通过,答辩评审分达到95分 2、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 3、本项目适合计算机相关专业(如软件工程、计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用,也可作为毕业设计、课程设计、作业、项目初期立项演示等,当然也适合小白学习进阶。 4、如果基础还行,可以在此代码基础上进行修改,以实现其他功能,也可直接用于毕设、课设、作业等。毕业设计基于java+Springboot+协同过滤的新闻推荐系统源码+全部资料(高分项目毕业设计基于java+Springboot+协同过滤的新闻推荐系统源码+全部资料(高分项目毕业设计基于java+Springboot+协同过滤的新闻推荐系统源码+全部资

    基于vue可视化前段开发的拖拽编辑,页面生成工具.zip

    基于vue可视化前段开发的拖拽编辑,页面生成工具.zip

    HLC直播视频流播放器

    HLC直播视频播放器示例代码,代码2021年的时候因工作需要实现,参考网上资源采用了jquery等框架。

    基于卷积循环神经网络的数字识别.zip

    基于卷积循环神经网络的数字识别

    课设毕设基于SpringBoot+Vue的家具销售电商平台 LW+PPT+源码可运行.zip

    课设毕设基于SpringBoot+Vue的家具销售电商平台 LW+PPT+源码可运行.zip

    2007开关稳压电源(E题).doc

    包含作品的设计论文doc文档,可直接修改,适合于电赛备赛、课程设计、毕设参考等。 摘 要 该电源以单端反激式DC-DC变换器为核心。市电通过自耦式调压器,隔离变压器,整流滤波后产生直流电压,经DC-DC变换得到题目所需输出电压,实现了开关稳压电源的设计。DC-DC变换器采用脉宽调制器(PWM)UC3842,通过调节占空因数使得输出电压UO在30V~36V范围内可调;微控制器与键盘显示构成了控制显示模块,能对输出电压进行键盘设定和步进调整,并显示输出电压、电流的测量和数字显示功能,形成了良好的人机界面。 关键词:DC-DC变换器,脉宽调制器(PWM)

    520节日画图代码.zip

    520是每年的5月20日,因数字“520”与“我爱你”发音相似而被许多年轻人用作表达爱意的节日。这个节日起源于中国互联网文化,逐渐传递到其他国家和地区。在这一天,情侣们通常会互送礼物、发表情、或者举行浪漫的活动来庆祝爱情。快来领取专属于程序员的浪漫吧!表白的套路很多,但都少不了送花送礼物,作为一个程序员,搞不懂现在流行的泡泡机、小猪、重力感应车等玩具,也不想去让朋友们去送钱炫耀,毕竟真情才重要,钱就物质了。我能给各位单身粉丝们做的可能就只有分享几个表白代码了,在电脑上敲上几行代码,让她在郁闷的周一得到一个大大的惊喜,很简单,一看就会,如果现在用不到也不要紧,先收藏起来,反正这样的节日很多,以后用的时候能找到。

    带你学AI基于PP-OCR和ErnieBot的字幕提取和智能视频问答

    本次分享将带领大家从 0 到 1 完成一个基于 OCR 和 LLM 的视频字幕提取和智能视频问答项目,通过 OCR 实现视频字幕提取,采用 ErnieBot 完成对视频字幕内容的理解,并回答相关问题,最后采用 Gradio 搭建应用。本项目旨在帮助初学者快速搭建入门级 AI 应用,并分享开发过程中遇到的一些坑,希望对感兴趣的同学提供一点帮助。 参考https://blog.csdn.net/u010522887/article/details/139025542,跟随笔者共同走完一个完整的视频问答项目,从基础的动手跑通 CRNN 文本识别任务,再到应用开发和部署,旨在帮助初学者快速入门 OCR 相关技术并搭建一个简单的应用。 资源包包括前端文档中提到的源码和示例视频。 本系列的后续文章将沿袭这一思路,继续分享更多采用 Paddle 深度学习框架服务更多产业应用的案例。如果对你有帮助,欢迎 **关注 收藏** 支持

    毕设设计-学生宿舍管理系统 基于SpringBoot实现,界面简洁,功能完善

    毕设设计-学生宿舍管理系统 基于SpringBoot实现,界面简洁,功能完善 主要功能 ● 定位打卡、宿舍智能分配、学生信息管理、资讯管理(权限设计)等 使用 ● mysql、git、springboot ● 数据库初始化sql存储在doc文件夹下面 设计一个基于Spring Boot的学生宿舍管理系统,你需要确保系统既满足实用性,又保证界面简洁、功能完善。以下是一个基本的设计方案,包括系统的功能模块、技术栈选择和界面设计要点。 ### 功能模块 1. **用户认证模块**: - 登录/登出功能。 - 用户权限管理(如学生、宿舍管理员、系统管理员)。 2. **学生信息管理**: - 学生基本信息录入、查询、修改和删除。 - 宿舍分配与调换。 3. **宿舍楼管理**: - 宿舍楼信息维护。 - 宿舍房间信息管理。 4. **维修报修管理**: - 学生报修申请。 - 维修状态跟踪。 5. **来访登记管理**: - 来访人员登记。 - 访问记录查询。 6. **公告与通知发布**: - 发布宿舍相关公告和通知。

    一个前后端分离的仿知乎问答论坛.zip

    基于springboot的java毕业&课程设计

    课程设计 基于Python的机器学习的人脸识别系统的设计与实现+详细文档+全部资料(高分项目).zip

    课程设计 基于Python的机器学习的人脸识别系统的设计与实现+详细文档+全部资料(高分项目).zip本资源中的源码都是经过本地编译过可运行的,评审分达到95分以上。资源项目的难度比较适中,内容都是经过助教老师审定过的能够满足学习、使用需求,如果有需要的话可以放心下载使用。 【备注】 1、该项目是个人高分毕业设计项目源码,已获导师指导认可通过,答辩评审分达到95分 2、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 3、本项目适合计算机相关专业(如软件工程、计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用,也可作为毕业设计、课程设计、作业、项目初期立项演示等,当然也适合小白学习进阶。 4、如果基础还行,可以在此代码基础上进行修改,以实现其他功能,也可直接用于毕设、课设、作业等。课程设计 基于Python的机器学习的人脸识别系统的设计与实现+详细文档+全部资料(高分项目).zip课程设计 基于Python的机器学习的人脸识别系统的设计与实现+详细文档+全部资料(高分项目).zip课程设计 基于Python的机器学习的人脸

    基于springboot+thymeleaf构建的保险出单系统(含后台管理系统).zip

    基于springboot的java毕业&课程设计

    基于matlab鲸鱼优化随机森林WOA-RF数据分类(含数据)

    【RF分类】基于matlab鲸鱼优化随机森林WOA-RF数据分类MATLAB程序

    课设毕设基于SpringBoot+Vue的校园新闻网站 LW+PPT+源码可运行.zip

    课设毕设基于SpringBoot+Vue的校园新闻网站 LW+PPT+源码可运行.zip

Global site tag (gtag.js) - Google Analytics