我们使用 Cookie 来个性化您对我们网站的使用。其中包括我们用于优化用户体验以及网站分析的第三方 Cookie。请参阅我们的隐私声明和 Cookie 政策以了解有关我们如何收集和使用数据的更多信息。
隐私声明 & Cookie 政策
同意
登录
测试
测试技术知识分享
Eolink 推出
API 交易平台 APISpace
,即日起注册或使用 Eolink 账号登录APISpace即可获得160元红包礼券,含10、50、100元优惠券各一张,无门槛+满额立减,全场API大放价!短信、天气、物流、空气质量、违章查询、OCR、IP归属、手机号归属、二次号等多款热门接口等你试用。
发布主题
技术分享
全部主题
徽章
标签
一般讨论
问答求助
技术分享
大前端
后端
测试
运维
架构
数据库
人工智能
大数据
精选内容
活动
最佳实践
意见反馈
更新
Eolink 新闻
工作机会
社区治理
最新回复
最新回复
热门主题
新鲜出炉
陈年旧贴
最多翻阅
最少翻阅
HTTP请求之gzip压缩
技术分享
测试
2511009686@qq.com
发布于
2021年12月2日
1.4千
gzip压缩简介 什么是gzip压缩,gzip压缩是基于deflate中的算法进行压缩的,gzip会产生自己的数据格式,gzip压缩对于所需要压缩的文件,首先使用LZ77算法进行压缩,再对得到的结果进行huffman编码,根据实际情况判断是要用动态huffman编码还是静态huffman编码,最后生成相应的gz压缩文件。 gzip和deflate的区别 大家可能注意到了,在我们的HTTP请求头中,...
0
0 replies
张
我测了啊,我真测了!
技术分享
测试
张玉林
发布于
2021年12月2日
1.9千
对测试人员来讲,什么事情比较尴尬?——线上出问题。 再尴尬一点儿呢?——没测到,线上出问题。 最尴尬呢?——明明测到了,线上还是出问题。 场景 1:没测到,生产环境出问题 意料之内情理之中,这太正常了。没测到出了问题不该惊讶,没出问题才该烧香。此时不应指责出问题,而应思考没测到的原因是什么。第一反应是测试人员遗漏了,好像也没更多原因。但当我们把视角切换到真实研发过程中,就会发现没测到的原因实在太多...
0
0 replies
张
敏捷团队的最佳测试实践:自动化金字塔
技术分享
测试
张玉林
发布于
2021年12月2日
1.2千
自动化测试和敏捷软件开发常常是成对出现,但敏捷中的自动化往往说起来容易做起来难。大多数开发人员都已经认识到测试自动化的好处:它加快了测试速度、降低了成本、增加了覆盖率等。但是,许多人从未超过开始所需的初始投资。就像这幅漫画中的穴居人一样,许多团队陷入了困境,他们采用着低效率的方式,因为自认为根本没有时间去做出改变。而实际上,他们自己受到损害。不要养成这个坏习惯! 今天,与你分享敏捷团队的最佳测试实...
0
0 replies
张
浏览器测试的三大挑战及解决方案
技术分享
测试
张玉林
发布于
2021年12月2日
1.2千
随着技术和数字化的快速发展,企业努力确保其应用程序在所有浏览器和平台上流畅运行。在今天的情况下,企业依靠互联网存在来提高他们的投资回报率并扩大他们的在线影响力。这就是为什么大多数 Web 应用程序都设计为与多个浏览器兼容的原因。这对于任何响应式 Web 应用程序都非常重要,因为必须确保应用程序在任何给定时间与每个浏览器和浏览器版本兼容。尽管如此,跨浏览器测试还是被忽视了,因为开发人员在将跨浏览器测...
0
0 replies
张
代码覆盖率 VS 测试覆盖率
技术分享
测试
张玉林
发布于
2021年12月2日
1.0千
测试覆盖率和代码覆盖率是衡量代码有效性的最流行方法。这些术语有时会同时出现,因为它们的基本原理相同。但是它们并不是那么一致。很多时候,测试团队和开发团队对这两个术语的使用感到困惑。下面详细讨论代码覆盖率和测试覆盖率之间的区别的原因。 概念 代码覆盖率:表示通过用 Selenium 或任何其他测试自动化框架进行的手动测试和自动化测试,测试用例覆盖的代码百分比。例如,如果源代码具有一个简单的 if…e...
0
0 replies
张
聊聊 ab 和 jmeter 的并发模型
技术分享
测试
张玉林
发布于
2021年12月2日
1.3千
简介 在对比了 jmeter 和 ab 以后使用了 ab 测试工具来测试服务器的性能,今天我们就来讲讲 ab 和 jmter 的并发模型,就是他如何保证能够模拟高并发客户端的场景的。 其实我们一说到并发,我们首先想到的就是服务端系统的并发模型,而为了能测试到这样的服务器系统的并发能力,性能测试工具也需要支持与之相应的并发包能力。而充分了解性能测试工具的并发模型,可以更好地帮助你选择适合自己的性能测...
0
0 replies
L
区块链如何测试
技术分享
测试
lrk_4
发布于
2021年12月1日
757
前言 区块链技术最近热的发紫,大多数的文章都在普及区块链概念。区块链可能会成为未来 10 年互联应用的一个底层技术,会应用于各行各业的各种项目。比如:商品溯源,传统溯源系统采用集中数据存储数据,其实这样的数据对数据库持有者来说,想怎么修改,就怎么修改,那它的数据可信度有多少?之前甚至出现过某银行储户的资金不翼而飞的情况。既然区块链会易用到各种系统,QA 同学当然有必要了解下区块链该怎么测了。小编结...
0
0 replies
L
让接口自动化测试更简单
技术分享
测试
lrk_4
发布于
2021年12月1日
838
HTTP 接口测试很简单,不管工具、框架、还是平台,只要很的好的几个点就是好工具。 测试数据问题:比如删除接口,重复执行还能保持结果一致,必定要做数据初始化。 接口依赖问题:B 接口依赖 A 的返回值,C 接口依赖 B 接口的返回值。 加密问题:不同的接口加密规则不一样。有些用到时间戳、md5、base64、AES,如何提供种能力。 断言问题:有些接口返回的结构体很复杂,如何灵活的做到断言。 对于...
0
0 replies
L
接口自动化测试平台演进之路
技术分享
测试
lrk_4
发布于
2021年12月1日
2.3千
我们在经历接口自动化平台化上面做了很多探索。 大体上经历了三个阶段,这三个阶段可以看做是三种接口自动化平台的类型类型。 接口自动化平台(第一版) 先上图: 关键技术是:django、bootstrap。 为什么做 测试平台化 首先 接口 ,因为接口好抽象啊! 测试一个接口的组成部分是相对固定的。 地址:URL 请求方法:GET/POST 请求头:Header 请求参数类型:form-data/js...
0
0 replies
L
关于设计接口自动化测试的看法
技术分享
测试
lrk_4
发布于
2021年12月1日
527
第一次发言,其实也不是真的第一次,去年问过一个 appium 的问题,管理员认为我姿势不对,没审核过。这次再试试吧! 逛了半天的接口测试相关的帖子,在自动化测试框架的设计上,“个人” 感觉大家的思路不太对。感觉把简单的问题复杂化了。 我认为接口测试在测试的几个方面是最简单的: 拿 postman 来说,粘贴个 url,加个参数,选择 GET/POST,点一个按钮数据返回。 人工对比一下接口数据对不...
0
0 replies
L
前端开发:基于 cypress 的自动化实践
技术分享
测试
lrk_4
发布于
2021年12月1日
871
作为一个伪开发,在一个平台项目中负责前端的开发工作,开发框架为 vue,本文我会站在前端开发的角度介绍,我是如何使用 cypress 的。 如何在 vue 中使用 cypress 如何运行 cypress 如何编写测试用例 如何解决测试数据的问题 遇到的元素定位的问题 如何看待 cypress cypress 是否为最佳工具 测试怎么办? 如何在 vue 中使用 cypress vue 提供了vu...
0
0 replies
接口Mock测试
技术分享
测试
2511009686@qq.com
发布于
2021年12月1日
1.2千
1、什么是Mock测试? Mock 测试就是在测试过程中,对于某些不容易构造(如 HttpServletRequest 必须在Servlet 容器中才能构造出来)或者不容易获取的比较复杂的对象(如 JDBC 中的ResultSet 对象),用一个虚拟的对象(Mock 对象)来创建以便测试的测试方法。 2、为什么要进行Mock测试? Mock是为了解决不同的单元之间由于耦合而难于开发、测试的问题。所...
0
0 replies
Python中神奇的第三方库:Faker
技术分享
测试
2511009686@qq.com
发布于
2021年12月1日
1.9千
项目开发初期,为了测试方便,我们总要造不少假数据到系统中,尽量模拟真实环境。比如要创建一批用户名,创建一段文本,电话号码,街道地址、IP地址等等。平时我们基本是键盘一顿乱敲,随便造个什么字符串出来,当然谁也不认识谁。现在你不要这样做了,用Faker就能满足你的一切需求。 1、安装 $$ pip install Faker $$ 2、简单使用 $$ 参数 locale:为生成数据的文化选项(语种),...
0
0 replies
李
深度学习基础--演讲稿: 机器学习服务的测试探索
技术分享
测试
李晓超
发布于
2021年12月1日
2.3千
前言 上周没有更新深度学习的文章了,因为周末花了两天时间准备分享的演讲稿。 这次我挺重视的,人家找到我是相信我能做好一次分享,给他们带来一些东西。而且我也是代表公司去的,不能给公司丢人, 所以准备的时间长了一点。 这次也是一个比较好的机会去专注于模型测试的各种场景做讲解,因为这一次我有足够的时间。去年在大会上分享的时间只有 40 分钟,还要穿插着讲一些 docker 和其他类型的测试内容,所以当时...
0
0 replies
李
深度学习基础--测试模型时的注意事项 (补充)
技术分享
测试
李晓超
发布于
2021年12月1日
1.5千
前言 上一篇忘写了一点东西, 这次补上。 关于预测值稳定性的测试 我们在业务中会经常更新模型, 尤其是在自学习场景中。 每天都要中最新的数据更新模型。 所以除了一些模型本身的评估指标以外,新老版本模型的预测值的范围统计也比较重要,同时也比较容易忽略。 我们知道模型其实就是个特征数据库。 根据 LR 的公式 y=w*x +b。 x 是特征向量,w 是权重。 模型中会存储所有的特征和它的权重,当新数据...
0
0 replies
李
深度学习基础--测试模型时的注意事项
技术分享
测试
李晓超
发布于
2021年12月1日
2.0千
数据采集 尽量使用生产数据 上几篇中介绍了模型的评估指标和建模的数据集拆分。 但我在日常的工作中还是碰到了一些坑。 建模是一个很漫长的过程,在给科学家们在建模之前会对原始数据做各种处理。 有时候就可能跟生产数据有些偏差。 所以我们测试模型的时候要尽量使用生产环境中的真实数据。一来数据真实全面,数据场景覆盖率较高。二来也能及早发现一些比较鬼畜的事。 比如我们前两天发现一份几百 M 的数据在 hado...
0
0 replies
李
深度学习基础--训练集,验证集和测试集
技术分享
测试
李晓超
发布于
2021年12月1日
2.3千
前言 我们在模型训练的时候通常会将我们所得到的数据分成三部分。 分别是 training set, dev set(也叫 validation set) 和 test set。 在我们的模型调研过程中,他们分别起着不同的作用。training set 用来训练模型, dev set 用来统计单一评估指标,调节参数, 选择算法。 test set 则用来在最后整体评估模型的性能。 三者之间的关系与作...
0
0 replies
李
深度学习基础 --Softmax (多分类与评估指标)
技术分享
测试
李晓超
发布于
2021年12月1日
2.2千
前言 之前一直在学习回归和二分类, 今天记录一下多分类的情况。 Softmax 二分类和多分类其实没有多少区别。用的公式仍然是 y=wx + b。 但有一个非常大的区别是他们用的激活函数是不同的。 逻辑回归用的是 sigmoid,这个激活函数的除了给函数增加非线性之外还会把最后的预测值转换成在【0,1】中的数据值。也就是预测值是 0<y<1。 我们可以把最后的这个预测值当做是一个预测为正例的概率。...
0
0 replies
李
深度学习基础 --二分类模型的评估指标
技术分享
测试
李晓超
发布于
2021年12月1日
1.2千
前言 之前学习了训练模型的一些原理,包括特征工程,算法原理和一些超参数。 那么生成了一个模型后我们如何评估这个模型的好坏呢。 今天主要讲一下二分类模型的一些评估方法。 混淆矩阵 准确率 (accuracy):对于给定的测试数据集,分类器正确分类的样本数与总样本数的之比。单纯地使用 “准确率 accuracy” 是没法判断模型的好坏的,比如这个例子:健康的人有 99 个 (y=0),得癌症的病人有 ...
0
0 replies
李
深度学习基础 --特征工程
技术分享
测试
李晓超
发布于
2021年12月1日
1.6千
序 前几篇一直在讲我们常用的超参数。 使用不同的参数会有不同的训练效果。 但是机器学习圈子里有一句很著名的话大概意思是说再优秀的超参数组合也没有靠谱的特征来的重要。也就是说超参数是锦上添花,特征才是最重要的。 合理的处理和抽取特征比选择超参数甚至是模型算法要重要的多。 离散化与连续化 我们通常说特征的时候其实是有两种特征,离散化与连续化的特征。什么是离散化特征呢? 就是可枚举的特征。例如性别,要么...
0
0 replies
加载更多
正在加载…
请使用更现代的浏览器并启用 JavaScript 以获得最佳浏览体验。
加载论坛时出错,请强制刷新页面重试。
测试
测试技术知识分享
HTTP请求之gzip压缩
我测了啊,我真测了!
敏捷团队的最佳测试实践:自动化金字塔
浏览器测试的三大挑战及解决方案
代码覆盖率 VS 测试覆盖率
聊聊 ab 和 jmeter 的并发模型
区块链如何测试
让接口自动化测试更简单
接口自动化测试平台演进之路
关于设计接口自动化测试的看法
前端开发:基于 cypress 的自动化实践
接口Mock测试
Python中神奇的第三方库:Faker
深度学习基础--演讲稿: 机器学习服务的测试探索
深度学习基础--测试模型时的注意事项 (补充)
深度学习基础--测试模型时的注意事项
深度学习基础--训练集,验证集和测试集
深度学习基础 --Softmax (多分类与评估指标)
深度学习基础 --二分类模型的评估指标
深度学习基础 --特征工程
« 上一页
下一页 »