结对测试算法性能优化(用例设计层面)

2021/5/2 1:26:35

本文主要是介绍结对测试算法性能优化(用例设计层面),对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

在《parewise算法性能优化》一文中,

对原来算法代码进行了一些优化,

对于笛卡尔积后千条数据,是能满足使用需要的。

但在实际业务中,会碰到百万数据。

比如某接口共18个参数,每个参数均可为空,其中8个只需要单个值,10个为多选项,需要多个值。

对于多选项,我的设计是,全选+随机n个多选(1<=n<=len-1)+空。

按照这个策略,笛卡尔积的结果就是38*210=6718464。

671万数据!

parewise根本处理不动。

该怎么处理?

调整用例设计。

1、为空的情况,单独一条用例,即可以为空的,全部设置为空。parewise就不考虑为空的情况了。

38*210就变成了28*110=256,一下量级骤减。

2、视需要添加特殊的参数组合。

即使这样优化了,也会产生几十种组合。

假如接口本身响应慢,那么脚本执行的耗时就比较长。

遇到上线前回归,等待,是一件很痛苦的事。

该怎么处理?

还是回到用例设计。

在开发阶段,跑几十种组合的脚本,从时间成本来看是完全可以接受的。

在上线阶段,时间紧迫,就会显得效率有些低。

而实际上,上线前回归阶段更像是一种冒烟。

是可以适当降低覆盖度,提供效率的。

于是解决方案就是,把parewise扩展为两种模式

def parewise(dx, mode=2):
    """
    :param dx:
    :param mode: 1开发 2上线
    :return:
    """

开发模式:就完完整整返回结果

上线模式:从结果当中,随机返回1条用于快速冒烟

当然,如果是回归要测修改引入,建议还是多花点时间,老老实实跑开发模式比较好。

版权申明:本文为博主原创文章,转载请保留原文链接及作者。



这篇关于结对测试算法性能优化(用例设计层面)的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!


扫一扫关注最新编程教程