CN111488272A - 一种复杂交易文件的自动化测试方法及装置 - Google Patents
一种复杂交易文件的自动化测试方法及装置 Download PDFInfo
- Publication number
- CN111488272A CN111488272A CN202010167993.7A CN202010167993A CN111488272A CN 111488272 A CN111488272 A CN 111488272A CN 202010167993 A CN202010167993 A CN 202010167993A CN 111488272 A CN111488272 A CN 111488272A
- Authority
- CN
- China
- Prior art keywords
- test
- file
- files
- model
- reference model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 171
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 230000002159 abnormal effect Effects 0.000 claims abstract description 6
- 238000010998 test method Methods 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 9
- 239000000470 constituent Substances 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 238000003045 statistical classification method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3664—Environments for testing or debugging software
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
Abstract
本发明公开一种复杂交易文件的自动化测试方法及装置,通过历史数据文件及相关业务文件,创建文件检测的基准模型;接收测试文件,制作测试样本;设置测试文件的偏移值,通过偏移值界定测试文件的正确率;将测试样本放入基准模型进行分析测试;多次测试确定测试结果;反馈测试结果。本发明通过对文件的分类、业务应用场景的不同,制定基准检测模型,并且确定偏移值,将待测试的文件进行预处理以达到基准模型的要求,通过对模型序列的检测,对异常的结果送给质量监控人员,无需人工肉眼观察,有效提高工作效率,且本发明的测试过程考虑文件分类、业务应用场景,测试准确率高。
Description
技术领域
本发明涉及交易文件测试领域,具体涉及一种复杂交易文件的自动化测试方法及装置。
背景技术
随着科技进步,各行各业对计算机及网络的依赖性越来越大。近年来,随着人们生活水平的提高,快递业也随之蓬勃发展,每天都有大量的快递交易。为有效监测和管理快递业务,可通过程序获取交易业务数据形成交易文件,测试人员需要对交易文件所获得数据进行校验测试,与真实数据相比较,检测交易文件所记录数据是否正确。目前通常的做法依然是人工肉眼比对,对较简单的方式可行,但对于复杂的交易文件则困难较大。
发明内容
为解决上述问题,本发明提供一种复杂交易文件的自动化测试方法及装置,对复杂交易文件自动化测试,提高效率,节省人力物力。
本发明的技术方案是:一种复杂交易文件的自动化测试方法,包括以下步骤:
通过历史数据文件及相关业务文件,创建文件检测的基准模型;
接收测试文件,制作测试样本;
设置测试文件的偏移值,通过偏移值界定测试文件的正确率;
将测试样本放入基准模型进行分析测试;
多次测试确定测试结果;
反馈测试结果。
进一步地,通过分析历史数据文件及相关业务文件的交易路径、交易之间关系、数据的处理与流转、典型交易、业务量、交易比例,以及系统的处理能力,进行基准模型的创建。
进一步地,分析历史数据文件及相关业务文件时,设置不同的测试场景进行分析;所述测试场景包括正常业务日交易的场景、异常业务日交易的场景、高峰期业务日交易的场景。
进一步地,将测试场景设置为基准模型的测试模型路径。
进一步地,接收测试文件,制作测试样本,具体包括:
接收规范度级别指令,确定测试文本对应的规范级别;
根据规范级别从测试集合中获取测试过程;
执行测试过程获取测试文件的组成要素;
根据组成要素和文件模板将测试文件转换为可测试的测试样本。
进一步地,该方法还包括:
通过预设聚类分析的文本算法对测试样本进行分析,得到多种类型的文件及每种类型文件对应的检测序列。
进一步地,将测试样本的文件信息通过加密方式制作成检测序列;文件信息包括关键字、文字头、文件编号。
进一步地,将测试样本放入基准模型进行分析测试的测试过程为计算测试样本与基本模型的hash值,并且进行对比,具体包括:
偏移值与基准模型的对比,得到以基准模型为中心的多个测试对比文件;
计算测试样本与测试对比文件的hash值;
只要测试样本的测试对比文件的hash值相同,则认为测试样本与基准模型文件一致,hash值相同的越多,正确率越高。
本发明的技术方案还包括一种复杂交易文件的自动化测试装置,包括:
模型创建模块:通过历史数据文件及相关业务文件,创建文件检测的基准模型;
测试文件接收处理模块:接收测试文件,制作测试样本;
偏移值设置模块:设置测试文件的偏移值,通过偏移值界定测试文件的正确率;
分析测试模块:将测试样本放入基准模型进行分析测试;
重复测试执行模块:多次测试确定测试结果;
结果反馈模块:反馈测试结果。
本发明提供的一种复杂交易文件的自动化测试方法及装置,通过对文件的分类、业务应用场景的不同,制定基准检测模型,并且确定偏移值,将待测试的文件进行预处理以达到基准模型的要求,通过对模型序列的检测,对异常的结果送给质量监控人员,无需人工肉眼观察,有效提高工作效率,且本发明的测试过程考虑文件分类、业务应用场景,测试准确率高。
附图说明
图1是本发明具体实施例一方法流程示意图。
图2是本发明具体实施例二结构示意框图。
具体实施方式
下面结合附图并通过具体实施例对本发明进行详细阐述,以下实施例是对本发明的解释,而本发明并不局限于以下实施方式。
实施例一
如图1所示,本实施例提供一种复杂交易文件的自动化测试方法,包括以下步骤:
S1,通过历史数据文件及相关业务文件,创建文件检测的基准模型;
本步骤获取历史文件及相关业务文件进行深度学习,得到文件检测基准模型。
为测试复杂交易文件特征,通过分析历史数据文件及相关业务文件的交易路径、交易之间关系、数据的处理与流转、典型交易、业务量、交易比例,以及系统的处理能力,进行基准模型的创建。
在分析历史数据文件及相关业务文件时,设置不同的测试场景进行分析;测试场景包括正常业务日交易的场景、异常业务日交易的场景、高峰期业务日交易的场景。
将测试场景设置为基准模型的测试模型路径,测试时配置对应的模型路径即可。不同业务场景对交易文件特性有影响,设置场景作为模型路径,提高测试准确率。
S2,接收测试文件,制作测试样本;
需要说明的是,在预设时间窗口内,接收待测试的文件。
制作测试样本过程包括:
接收规范度级别指令,确定测试文本对应的规范级别;
根据规范级别从测试集合中获取测试过程;
执行测试过程获取测试文件的组成要素;
根据组成要素和文件模板将测试文件转换为可测试的测试样本。
另外,本方法通过预设聚类分析的文本算法对测试样本进行分析,得到多种类型的文件及每种类型文件对应的检测序列。
聚类分析是一门多元统计分类法,根据多种地学要素对地理实体进行划分类别的方法,对不同的要素划分类别往往反映不同目标的等级序列。本方法通过聚类分析对测试样本进行分类,获得不同的路径。
同时,将测试样本的文件信息通过加密方式制作成检测序列;文件信息包括关键字、文字头、文件编号。检测序列用于放到基准文件检测模型中。
S3,设置测试文件的偏移值,通过偏移值界定测试文件的正确率;
偏移值设定:测试文件与基准模型文件的差值,例如基准模型文件为ADC0_GPIW0,容限为1.8±5%,告警为1.8±15%。当文件的测试偏移值在5%内时为容错范围,当偏移值在15%内时为告警级别,此时发送告警邮件。
S4,将测试样本放入基准模型进行分析测试;
将得到的测试样本放入文件基准检测模型中,计算测试样本与基本检测模型的hash值,并且进行对比,包括:偏移值与基准模型文件的对比,得到以基本文件为中心的多个测试对比文件;计算测试样本与测试对比文件的hash值;只要测试样本的测试对比文件的hash值相同,则认为测试样本与基准检测模型文件一致,hash值相同的越多,正确率越高。
基于基准模型可检测测试文件特征,文件特征通常包含业务交易路径、交易峰值、交易量、以及通用的文件属性、分类号等。
S5,多次测试确定测试结果;
多次测试即多次重复步骤S4进行测试。
S6,反馈测试结果;
当检测结果存在异常时,发出预设告警提示,并通过邮件的方式发给相关责任人。
实施例二
如图2所示,本实施例提供一种实现实施例一方法的复杂交易文件的自动化测试装置,包括:
模型创建模块:通过历史数据文件及相关业务文件,创建文件检测的基准模型;
测试文件接收处理模块:接收测试文件,制作测试样本;
偏移值设置模块:设置测试文件的偏移值,通过偏移值界定测试文件的正确率;
分析测试模块:将测试样本放入基准模型进行分析测试;
重复测试执行模块:多次测试确定测试结果;
结果反馈模块:反馈测试结果。
以上公开的仅为本发明的优选实施方式,但本发明并非局限于此,任何本领域的技术人员能思之的没有创造性的变化,以及在不脱离本发明原理前提下所作的若干改进和润饰,都应落在本发明的保护范围内。
Claims (9)
1.一种复杂交易文件的自动化测试方法,其特征在于,包括以下步骤:
通过历史数据文件及相关业务文件,创建文件检测的基准模型;
接收测试文件,制作测试样本;
设置测试文件的偏移值,通过偏移值界定测试文件的正确率;
将测试样本放入基准模型进行分析测试;
多次测试确定测试结果;
反馈测试结果。
2.根据权利要求1所述的复杂交易文件的自动化测试方法,其特征在于,通过分析历史数据文件及相关业务文件的交易路径、交易之间关系、数据的处理与流转、典型交易、业务量、交易比例,以及系统的处理能力,进行基准模型的创建。
3.根据权利要求2所述的复杂交易文件的自动化测试方法,其特征在于,分析历史数据文件及相关业务文件时,设置不同的测试场景进行分析;所述测试场景包括正常业务日交易的场景、异常业务日交易的场景、高峰期业务日交易的场景。
4.根据权利要求3所述的复杂交易文件的自动化测试方法,其特征在于,将测试场景设置为基准模型的测试模型路径。
5.根据权利要求1、2、3或4所述的复杂交易文件的自动化测试方法,其特征在于,接收测试文件,制作测试样本,具体包括:
接收规范度级别指令,确定测试文本对应的规范级别;
根据规范级别从测试集合中获取测试过程;
执行测试过程获取测试文件的组成要素;
根据组成要素和文件模板将测试文件转换为可测试的测试样本。
6.根据权利要求5所述的复杂交易文件的自动化测试方法,其特征在于,该方法还包括:
通过预设聚类分析的文本算法对测试样本进行分析,得到多种类型的文件及每种类型文件对应的检测序列。
7.根据权利要求6所述的复杂交易文件的自动化测试方法,其特征在于,将测试样本的文件信息通过加密方式制作成检测序列;文件信息包括关键字、文字头、文件编号。
8.根据权利要求5所述的复杂交易文件的自动化测试方法,其特征在于,将测试样本放入基准模型进行分析测试的测试过程为计算测试样本与基本模型的hash值,并且进行对比,具体包括:
偏移值与基准模型的对比,得到以基准模型为中心的多个测试对比文件;
计算测试样本与测试对比文件的hash值;
只要测试样本的测试对比文件的hash值相同,则认为测试样本与基准模型文件一致,hash值相同的越多,正确率越高。
9.一种复杂交易文件的自动化测试装置,其特征在于,包括:
模型创建模块:通过历史数据文件及相关业务文件,创建文件检测的基准模型;
测试文件接收处理模块:接收测试文件,制作测试样本;
偏移值设置模块:设置测试文件的偏移值,通过偏移值界定测试文件的正确率;
分析测试模块:将测试样本放入基准模型进行分析测试;
重复测试执行模块:多次测试确定测试结果;
结果反馈模块:反馈测试结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010167993.7A CN111488272A (zh) | 2020-03-11 | 2020-03-11 | 一种复杂交易文件的自动化测试方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010167993.7A CN111488272A (zh) | 2020-03-11 | 2020-03-11 | 一种复杂交易文件的自动化测试方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111488272A true CN111488272A (zh) | 2020-08-04 |
Family
ID=71798140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010167993.7A Withdrawn CN111488272A (zh) | 2020-03-11 | 2020-03-11 | 一种复杂交易文件的自动化测试方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111488272A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516333A (zh) * | 2021-03-10 | 2021-10-19 | 福建省农村信用社联合社 | 一种基于精准化业务模型的性能测试方法和系统 |
-
2020
- 2020-03-11 CN CN202010167993.7A patent/CN111488272A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516333A (zh) * | 2021-03-10 | 2021-10-19 | 福建省农村信用社联合社 | 一种基于精准化业务模型的性能测试方法和系统 |
CN113516333B (zh) * | 2021-03-10 | 2023-11-14 | 福建省农村信用社联合社 | 一种基于精准化业务模型的性能测试方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8788237B2 (en) | Methods and apparatus for hybrid outlier detection | |
CN107478455B (zh) | 一种适用于威布尔分布型产品的定时截尾可靠性试验方法 | |
US8606536B2 (en) | Methods and apparatus for hybrid outlier detection | |
CN107798047B (zh) | 重复工单检测方法、装置、服务器和介质 | |
CN113434485B (zh) | 一种基于多维分析技术的数据质量健康度分析方法及系统 | |
CN106874135B (zh) | 用于检测机房故障的方法、装置及设备 | |
JP5080526B2 (ja) | データ解析のための方法および装置 | |
CN106612216A (zh) | 网站访问异常的检测方法及装置 | |
CN110275878B (zh) | 业务数据检测方法、装置、计算机设备及存储介质 | |
CN111984442A (zh) | 计算机集群系统的异常检测方法及装置、存储介质 | |
CN110033160A (zh) | 一种绩效考评系统及方法 | |
CN106201887B (zh) | 一种离线数据任务的验证方法及装置 | |
CN109639456B (zh) | 一种自动化告警的改进方法及告警数据的自动化处理平台 | |
CN111488272A (zh) | 一种复杂交易文件的自动化测试方法及装置 | |
CN111367782A (zh) | 回归测试数据自动生成的方法及装置 | |
CN113010394A (zh) | 一种用于数据中心的机房故障检测方法 | |
CN113380318B (zh) | 人工智能辅助流式细胞术40cd免疫表型检测方法及系统 | |
CN115904955A (zh) | 性能指标的诊断方法、装置、终端设备及存储介质 | |
CN112732773B (zh) | 一种继电保护缺陷数据的唯一性校核方法及系统 | |
CN112532481B (zh) | 一种网络质量的监测分析方法、系统和存储介质 | |
CN111400644B (zh) | 一种用于实验室分析样品的计算处理方法 | |
CN114564469A (zh) | 采集数据的处理方法及系统 | |
CN113869373A (zh) | 设备异常检测方法、装置、计算机设备和存储介质 | |
CN113283512A (zh) | 数据异常检测方法、装置、设备及存储介质 | |
EP3113088A1 (en) | Energy intensity variability analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200804 |