CN113220782A - 多元测试数据源生成方法、装置、设备及介质 - Google Patents
多元测试数据源生成方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113220782A CN113220782A CN202110483140.9A CN202110483140A CN113220782A CN 113220782 A CN113220782 A CN 113220782A CN 202110483140 A CN202110483140 A CN 202110483140A CN 113220782 A CN113220782 A CN 113220782A
- Authority
- CN
- China
- Prior art keywords
- test
- target
- data source
- sub
- object field
- 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.)
- Granted
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 279
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000014509 gene expression Effects 0.000 claims abstract description 108
- 238000010276 construction Methods 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 19
- 230000011218 segmentation Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 9
- 238000003909 pattern recognition Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000008676 import Effects 0.000 claims description 6
- 238000011068 loading method Methods 0.000 claims description 6
- 238000011049 filling Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 16
- 238000005034 decoration Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 5
- 238000002372 labelling Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Debugging And Monitoring (AREA)
- Machine Translation (AREA)
Abstract
本发明涉及测试工具技术领域,本发明公开了一种多元测试数据源生成方法、装置、设备及介质,所述方法包括:获取测试数据源生成请求中的对象字段、对象字段值、分表目标字段、用户类型标签和目标测试场景;通过运用CSV导出工具,导出包含对象字段和对象字段值的对象文件,通过正则表达式生成模型识别出正则表达式集合,建立与用户类型标签关联的各分表数据库的连接,通过Jmeter工具按正则表达式集合,遍历查询对象文件中的所有对象字段值,并获取匹配的分表目标值,汇总得到统一的数据源表及生成多元化的测试数据源。本发明实现了自动导出对象文件,自动识别出正则表达式集合,运用Jmeter工具遍历查询,统一输出数据源表,实现了多元化的测试数据源生成。
Description
技术领域
本发明涉及测试工具技术领域,尤其涉及一种多元测试数据源生成方法、装置、设备及介质。
背景技术
随着计算机技术的快速发展,系统软件越来越复杂,且更新迭代频次加快,为了保证软件发布的运行稳定性,需要执行各种测试,例如:接口测试、自动化操作测试、性能测试等等,而这些测试往往分发给不同的测试团队进行测试,现有的技术方案,大多数为测试人员根据各自不同的测试方面进行一个个单表查询以获取需要字段的数据,并按照各自不同的测试方面的数据进行汇总,过程中存在不同的测试人员的操作步骤重复,造成操作冗余,浪费成本,而且由于不同测试人员对测试方面的理解不同导致汇总的测试数据源的不统一,导致对各种测试的测试结果会出现遗漏测试或者覆盖测试不完全的情况,以致需要专业人员耗费较长的时间来回溯遗漏测试或者覆盖测试不完全的测试数据源,该过程工作量大、效率低下。
发明内容
本发明提供一种多元测试数据源生成方法、装置、计算机设备及存储介质,实现了自动导出对象文件,自动识别出正则表达式集合,运用Jmeter工具遍历查询出分表目标值,统一输出数据源表,实现了多元化的测试数据源的生成,能够减少重复的操作步骤,节省了人工成本,避免了遗漏测试或者覆盖测试不完全的情况,提高了效率。
一种多元测试数据源生成方法,包括:
接收测试数据源生成请求,获取测试数据源生成请求中的对象字段、与所述对象字段对应的对象字段值、分表目标字段、用户类型标签和多个目标测试场景;
运用CSV导出工具,将所述对象字段和所有所述对象字段值进行文件导出操作,获得对象文件;
通过正则表达式生成模型对所述对象文件进行构造模式识别,并根据识别出的构造模式生成针对所述对象文件的正则表达式集合;
建立与所述用户类型标签关联的各分表数据库的连接,将所述对象文件导入Jmeter工具中,通过Jmeter工具根据所述正则表达式集合,在各所述分表数据库中遍历查询所述对象文件中的所有所述对象字段值,并获取与查询的所述对象字段值匹配的所述分表目标字段对应的分表目标值;
将所述对象字段、所有所述对象字段值、所述分表目标字段以及所有获取的与所述分表目标字段对应的所述分表目标值进行表格汇总,得到数据源表;
根据所述数据源表和所有所述目标测试场景,生成与各所述目标测试场景对应的测试数据源
一种多元测试数据源生成装置,包括:
接收模块,用于接收测试数据源生成请求,获取测试数据源生成请求中的对象字段、与所述对象字段对应的对象字段值、分表目标字段、用户类型标签和多个目标测试场景;
导出模块,用于运用CSV导出工具,将所述对象字段和所有所述对象字段值进行文件导出操作,获得对象文件;
识别模块,用于通过正则表达式生成模型对所述对象文件进行构造模式识别,并根据识别出的构造模式生成针对所述对象文件的正则表达式集合;
获取模块,用于建立与所述用户类型标签关联的各分表数据库的连接,将所述对象文件导入Jmeter工具中,通过Jmeter工具根据所述正则表达式集合,在各所述分表数据库中遍历查询所述对象文件中的所有所述对象字段值,并获取与查询的所述对象字段值匹配的所述分表目标字段对应的分表目标值;
汇总模块,用于将所述对象字段、所有所述对象字段值、所述分表目标字段以及所有获取的与所述分表目标字段对应的所述分表目标值进行表格汇总,得到数据源表;
生成模块,用于根据所述数据源表和所有所述目标测试场景,生成与各所述目标测试场景对应的测试数据源。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述多元测试数据源生成方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述多元测试数据源生成方法的步骤。
本发明提供的多元测试数据源生成方法、装置、计算机设备及存储介质,通过接收测试数据源生成请求,获取测试数据源生成请求中的对象字段、与所述对象字段对应的对象字段值、分表目标字段、用户类型标签和多个目标测试场景;运用CSV导出工具,将所述对象字段和所有所述对象字段值进行文件导出操作,获得对象文件;通过正则表达式生成模型对所述对象文件进行构造模式识别,并根据识别出的构造模式生成针对所述对象文件的正则表达式集合;建立与所述用户类型标签关联的各分表数据库的连接,将所述对象文件导入Jmeter工具中,通过Jmeter工具根据所述正则表达式集合,在各所述分表数据库中遍历查询所述对象文件中的所有所述对象字段值,并获取与查询的所述对象字段值匹配的所述分表目标字段对应的分表目标值;将所述对象字段、所有所述对象字段值、所述分表目标字段以及所有获取的与所述分表目标字段对应的所述分表目标值进行表格汇总,得到数据源表;根据所述数据源表和所有所述目标测试场景,生成与各所述目标测试场景对应的测试数据源,如此,实现了通过运用CSV导出工具,导出包含对象字段和对象字段值的对象文件,通过正则表达式生成模型自动识别出所述对象文件的正则表达式集合,建立与用户类型标签关联的各分表数据库的连接,以及通过Jmeter工具根据正则表达式集合,遍历查询对象文件中的所有对象字段值,并获取匹配的分表目标值,汇总得到统一的数据源表,以及自动生成多元化的测试数据源,因此,能够自动导出对象文件,自动识别出正则表达式集合,运用Jmeter工具遍历查询出分表目标值,统一输出数据源表,实现了多元化的测试数据源的生成,以提供给相应的多个方面的测试,能够减少重复的操作步骤,节省了人工成本,避免了遗漏测试或者覆盖测试不完全的情况,提高了效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中多元测试数据源生成方法的应用环境示意图;
图2是本发明一实施例中多元测试数据源生成方法的流程图;
图3是本发明一实施例中多元测试数据源生成方法的步骤S10的流程图;
图4是本发明一实施例中多元测试数据源生成方法的步骤S30的流程图;
图5是本发明一实施例中多元测试数据源生成方法的步骤S40的流程图;
图6是本发明一实施例中多元测试数据源生成装置的原理框图;
图7是本发明一实施例中计算机设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供的多元测试数据源生成方法,可应用在如图1的应用环境中,其中,客户端(计算机设备)通过网络与服务器进行通信。其中,客户端(计算机设备)包括但不限于为各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中,如图2所示,提供一种多元测试数据源生成方法,其技术方案主要包括以下步骤S10-S60:
S10,接收测试数据源生成请求,获取测试数据源生成请求中的对象字段、与所述对象字段对应的对象字段值、分表目标字段、用户类型标签和多个目标测试场景。
可理解地,所述测试数据源生成请求为需要生成用于不同的测试方面的测试数据源而触发的请求,所述测试数据源生成请求包括所述对象字段、所述对象字段值、所述分表目标字段、所述用户类型标签和所述目标测试场景,所述对象字段为与符合测试条件的对象对应的具有唯一标识区分的字段,例如:电话号码字段(phone_id),身份证号字段(card_id)等等,所述对象字段值为所述对象字段下的属性值,所述对象字段下有不相同的所述对象字段值,所述分表目标字段为需要从多个分表中遍历查询的字段,即所述分表目标字段为从多个分表中查询出与所述对象字段相关的字段,以供后续不同的测试方面所需的除所述对象字段以外的其他相关字段,例如:用户名字段(user_id),群体字段(group_id),最新登录时间(login_time)等等,所述用户类型标签为针对所述对象字段需要查询所述分表目标字段的分表范围对应的用户类型,即在与所述用户类型标签对应的分表范围中查询所述对象字段并获取与其匹配的所述分表目标字段相关的属性,不同的所述用户类型标签具有不同的分表范围,例如:活跃用户类型对应行为轨迹和基础信息等范围的分表,待装修用户类型对应户型信息、装修方案等范围的分表,装修用户类型对应装修成本清单、装修项目信息、装修方案等范围的分表等等,所述目标测试场景为需要输出给不同的测试方面的场景,所述目标测试场景包括单接口测试场景、自动化全接口测试场景、MQ消息发送测试场景、kafka消息发送测试场景等。
在一实施例中,如图3所示,所述步骤S10之前,即所述接收测试数据源生成请求,获取测试数据源生成请求中的对象字段、与所述对象字段对应的对象字段值、分表目标字段、用户类型标签和多个目标测试场景之前,包括:
S101,自需求库中获取测试需求文档、与所述测试需求文档关联的所述用户类型标签及多个所述目标测试场景。
可理解地,所述需求库存储了所有测试项目与需求相关的测试需求文档,所述测试需求文档为以文本内容记录测试相关需求的文档,所述测试需求文档可以通过所述需求库对输入的测试需求音频进行语音识别,识别出与该测试需求音频对应的测试需求文档,一个所述测试需求文档与一所述用户类型标签和若干所述目标测试场景关联。
在一实施例中,所述步骤S101之前,即所述自需求库中获取测试需求文档、与所述测试需求文档关联的所述用户类型标签及多个所述目标测试场景之前,包括:
S1011,接收测试需求文档上传指令,获取所述测试需求文档上传指令中的所述测试需求文档和用户选取的所述目标测试场景。
可理解地,所述测试需求文档上传指令为上传所述测试需求文档触发的指令,即在应用程序界面上选取完该测试需求文档以及需要用于不同的测试方面的多个所述目标测试场景之后,点击上传按键或者上传完该测试需求文档之后触发所述测试需求文档上传指令,同时将所述测试需求文档和所述目标测试场景进行关联。
S1012,通过用户类型标签识别模型,对所述测试需求文档进行测试维度特征提取,根据提取的所述测试维度特征识别出所述用户类型标签。
可理解地,所述用户类型标签识别模型为训练完成的神经网络模型,所述用户类型标签识别模型的网络结构可以根据需求设定,比如所述用户类型标签识别模型的网络结构为VGG19、GoogleNet等的网络结构,作为优选,用户类型标签识别模型的网络结构为VGG16的网络结构,所述用户类型标签识别模型用于通过提取输入的所述测试需求文档中的测试维度特征,以识别出输入的所述测试需求文档针对的用户类型的群体的神经网络模型,所述测试维度特征为与用户类型的群体相关的特征,例如:通过提取测试需求文档中的实体及实体邻近的描述词语或者助词,通过对提取的实体及实体邻近的描述词语或者助词进行卷积或者聚合,识别出概率最高或者欧式距离最靠近的用户类型的群体,从而根据提取的所述测试维度特征识别出与该测试需求文档对应的所述用户类型标签。
本发明实现了通过接收测试需求文档上传指令,获取所述测试需求文档上传指令中的所述测试需求文档和用户选取的所述目标测试场景;通过用户类型标签识别模型,对所述测试需求文档进行测试维度特征提取,根据提取的所述测试维度特征识别出所述用户类型标签,如此,实现了通过提取测试需求文档中的测试维度特征,自动识别出用户类型标签,以及关联目标测试场景和测试需求文档,无需人工关联目标测试场景和人工识别测试维度特征,减少了人工成本,提高了识别的效率。
S102,通过实体识别模型,对所述测试需求文档进行实体抽取及上下文语义识别,识别出实体结果;所述实体结果包括对象实体和目标实体。
可理解地,所述实体识别模型为训练完成的用于识别输入的测试需求文档中的实体的神经网络模型,所述实体识别模型的网络结构可以根据需求设定,优选地,所述实体识别模型的网络结构为Bi-LSTM的网络结构,所述实体抽取的过程为抽取出测试需求文档中的实体的过程,即识别出测试需求文档中具有与字段的命名或者相应的名称相关的实体特征的词组,所述上下文语义识别的过程为对所述实体抽取后的实体的上下文进行语义相关的识别,识别出各实体的落入对象定位类型的实体结果,即判断出各实体是否落入对象实体的类型或者目标实体的类型,所述对象定位类型包括对象实体的类型和目标实体的类型,所述实体结果包括所述对象实体和所述目标实体,所述实体结果体现了所有测试需求文档中的所有实体分别落入对象定位类型的结果,所述对象实体为标记用于查找所述对象字段的实体,所述目标实体为标记用于查找所述分表目标字段的实体。
在一实施例中,所述步骤S102中,即所述通过实体识别模型,对所述测试需求文档进行实体抽取及上下文语义识别,识别出实体结果;所述实体结果包括对象实体和目标实体,包括:
S1021,对所述测试需求文档进行分词处理,得到多个分词单元。
可理解地,所述分词处理为将所述测试需求文档的内容划分成单个字或者词语的处理过程,从而将划分后的字或者词语记录为所述分词单元,所述分词单元为通过从预设词典中查询出与划分的字或词语最接近的词序列,再将该词序列对应的内容作为划分后的字或者词语。
S1022,通过基于LSTM和CRF的实体抽取模型,对各个所述分词单元进行命名实体识别,识别出实体,并在所述测试需求文档中进行实体标注。
可理解地,所述实体抽取模型为训练完成的基于LSTM(长短期记忆网络,LongShort-Term Memory)和CRF(条件随机场,Conditional Random Field)构建的神经网络模型,所述实体抽取模型为用于对输入的所有所述分词单元进行序列标注,并识别各个所述分词单元是否为实体的模型,通过所述实体抽取模型中的LSTM层对各个所述分词单元进行命名实体预测,预测出是否为实体的预测分值,即通过BIO序列标注方法对各个字进行标注,根据标注后的字组成的词语进行命名实体预测,预测出是否为实体的与预测分值,即概率值,将各个命名实体预测后的具有预测分值的词语输入所述实体抽取模型中的CRF层,所述CRF层为对最后预测的各个实体的预测分值添加一些约束来保证预测出的实体是合法的网络层,例如通过CRF层检测各个字或者组成的词语的词性之间是否合法的约束条件,通过所述CRF层的过滤可以得到最后合法的实体,将该实体在所述测试需求文档中相应的词语进行实体标注,所述实体标注为在相应的词语下标注与其对应的实体相关的信息,例如识别出的实体及预测分值的信息。
S1023,通过基于Bi-LSTM的语义识别模型,对实体标注后的所述测试需求文档进行上下文语义识别,识别出所述实体结果。
可理解地,所述语义识别模型为训练完成的用于识别出各实体标注后的词语落入对象定位类型的实体结果的神经网络模型,所述语义识别模型为基于Bi-LSTM(双向长短时记忆网络,Bi-directional Long Short-Term Memory)的网络结构构建的模型,所述语义识别模型结合了序列起点移动的一个循环神经网络和令一个从序列末尾向序列起点移动的循环神经网络,所述上下文语义识别为通过各实体标注后的实体的上下文进行语义相关的识别,即通过实体的上下文预测出该实体落入对象定位类型,将落入对象定位类型的概率大于预设阈值的实体确定为所述实体结果中的实体,并根据其落入对象定位类型,确定该实体是否为对象实体还是对象实体。
本发明实现了通过对所述测试需求文档进行分词处理,得到多个分词单元;通过基于LSTM和CRF的实体抽取模型,对各个所述分词单元进行命名实体识别,识别出实体,并在所述测试需求文档中进行实体标注;通过基于Bi-LSTM的语义识别模型,对实体标注后的所述测试需求文档进行上下文语义识别,识别出所述实体结果,如此,实现了自动分词处理,并且运用基于LSTM和CRF的实体抽取模型自动命名实体识别,识别出实体,以及运用基于Bi-LSTM的语义识别模型自动上下文语义识别,识别出实体结果,减少了人工识别的成本,而且提高了识别的准确率,通过先实体抽取后再上下文语义识别,能够提高识别的效率。
S103,从字段库中获取与所述对象实体匹配的所述对象字段,同时获取与所述目标实体匹配的所述分表目标字段。
可理解地,所述字段库存储了所有数据库中所有使用的字段及其对应的字段名称的集合,通过从所述字段库中,运用余弦相似度算法,查找出与所述对象实体相似且相似度大于预设相似度阈值的所述字段名称,从而将与查找到的所述字段名称对应的字段确定为与该对象实体匹配的所述对象字段,所述余弦相似度算法为将两段文本内容转换成词向量之后,计算两端文本内容的词向量的余弦值,通过该余弦值衡量两段文本内容的相似度的算法,同理,运用余弦相似度算法,查找出与所述目标实体相似且相似度大于预设相似度阈值的所述字段名称,从而将与查找到的所述字段名称对应的字段确定为与该目标实体匹配的所述分表目标字段。
S104,自用户数据库中,查询与所述对象字段对应的所述字段值,并对查询到的所述字段值进行规则过滤,得到与所述对象字段对应的所述对象字段值;
可理解地,所述用户数据库存储了所有符合对象字段要求且具有唯一性的字段对应的字段值的数据库,所述规则过滤的过程为根据预设的与字段值的条件规则进行过滤的操作过程,所述条件规则可以根据不同的字段设置不同的规则,比如设置电话号码字段(phone_id)的条件规则为11位数字且以数字1开头的规则,身份证号字段(card_id)的条件规则为18位字符且7至10位的数字落入1980至1999的范围内的规则等等,从而将经过所述规则过滤后的字段值确定为与所述对象字段对应的所述对象字段值。
S105,触发所述测试数据源生成请求。
可理解地,在获得所有所述对象字段值之后自动触发所述测试数据源生成请求。
本发明实现了通过自需求库中获取测试需求文档、与所述测试需求文档关联的所述用户类型标签及多个所述目标测试场景;通过实体识别模型,对所述测试需求文档进行实体抽取及上下文语义识别,识别出包含对象实体和目标实体的实体结果;从字段库中获取与所述对象实体匹配的所述对象字段,同时获取与所述目标实体匹配的所述分表目标字段;自用户数据库中,查询与所述对象字段对应的所述字段值,并对查询到的所述字段值进行规则过滤,得到与所述对象字段对应的所述对象字段值;触发所述测试数据源生成请求,如此,实现了通过实体识别模型自动识别出测试需求文本中的包含对象实体和目标实体的实体结果,并自动通过规则过滤自动获得对象字段值,以及自动触发测试数据源生成请求,减少了人工识别和过滤等操作,提高了识别效率。
S20,运用CSV导出工具,将所述对象字段和所有所述对象字段值进行文件导出操作,获得对象文件。
可理解地,所述CSV导出工具为将数据库中的内容导出成CSV格式的文件的工具,所述CSV(Comma-Separated Values)格式也称为逗号分隔值格式,所述CSV格式的文件以纯文本形式存储表格数据(数字和文本),意味着该文件是一个字符序列,不含有需要被解读的数据,所述文件导出操作为将所述对象字段作为表头,其后插入换行符,再其后插入所有所述对象字段值,所有所述对象字段值通过换行符分割,导出CSV格式的文件生成的操作过程,从而导出所述对象文件,通过所述CSV导出工具能够快速导出数据库中的字段及字段值。
S30,通过正则表达式生成模型对所述对象文件进行构造模式识别,并根据识别出的构造模式生成针对所述对象文件的正则表达式集合。
可理解地,所述正则表达式生成模型为训练完成的用于识别出输入的文件的正则表达式的构造模式,并对输入的文件进行该构造模式生成与其对应的正则表达式语法集合的模型,所述构造模式识别过程为对所述对象字段及所述对象字段值进行类型规则特征提取,根据提取的所述类型规则特征进行识别,识别出类型结果,从所述规则库中查找与所述类型结果相匹配的正则表达式模板,对各所述对象字段值依照所述正则表达式模板进行正则表达式语法构造,生成与各所述对象字段值一一对应的正则表达式语法,将所有所述正则表达式语法记录为所述正则表达式集合的处理过程。
其中,正则表达式是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个具有规则字符串,这个“规则字符串”用来表达对字符串的一种过滤逻辑,查找与该过滤逻辑符合的字符串,正则表达式的构造模式是一种文本模式,该模式描述在搜索文本时要匹配的一个或多个字符串的模式,所述类型规则特征为所述对象文件中的对象字段及对象字段值的类型、名称相关的特征。
在一实施例中,如图4所示,所述步骤S30中,即所述通过正则表达式生成模型对所述对象文件进行构造模式识别,并根据识别出的构造模式生成针对所述对象文件的正则表达式集合,包括:
S301,通过正则表达式生成模型对所述对象字段及所述对象字段值进行类型规则特征提取,根据提取的类型规则特征识别出类型结果。
可理解地,所述类型结果为体现了所述对象字段及所述对象字段值符合的正则表达式的文本模式的类型,例如对象字段为电话号码字段(phone_id),对象字段值为一串数字,通过提取对象字段的名称“电话号码字段”及一串数字均为11个数字组成的号码等特征,识别出的类型规则为数字式的正则表达式,且数字中间不可插入其他字符,在11各数字的前后增加任意字符的匹配查询逻辑,确定类型结果为数字式且不可拆分的类型。
S302,自所述正则表达式生成模型中的规则库中获取与所述类型结果匹配的正则表达式模板。
可理解地,所述规则库存储了所有正则表达式的文本模式的类型,且与该类型关联的正则表达式模板,所述正则表达式模板为编写与各正则表达式的文本模式的类型一一对应的正则表达式语法且可填充对象的模板。
S303,根据所述正则表达式模板,对各所述对象字段值进行正则表达式语法构造,生成与各所述对象字段值对应的正则表达式语法。
可理解地,所述正则表达式语法构造的过程为将每个所述对象字段值填充入所述正则表达式模板中的相应的可填充对象的位置的过程,将填充过后的正则表达式语法确定为该对象字段值对应的正则表达式语法,通过正则表达式语法可以查找出与对象字段值匹配的文本或者字符串。
S304,将所有与所述对象字段值对应的所述正则表达式语法记录为所述正则表达式集合。
可理解地,将所有与所述对象字段值对应的所述正则表达式语法进行汇总,得到需要查询的所述正则表达式集合。
本发明实现了通过正则表达式生成模型对所述对象字段及所述对象字段值进行类型规则特征提取,根据提取的类型规则特征识别出类型结果;自所述正则表达式生成模型中的规则库中获取与所述类型结果匹配的正则表达式模板;根据所述正则表达式模板,对各所述对象字段值进行正则表达式语法构造,生成与各所述对象字段值对应的正则表达式语法;将所有与所述对象字段值对应的所述正则表达式语法记录为所述正则表达式集合,如此,实现了通过正则表达式生成模型提取类型规则特征,自动识别出类型结果,并从规则库中依据正则表达式模板自动生成正则表达式语法,从而输出正则表达式集合,减少了人工识别类型及编写正则表达式语法的操作,提高了效率。
S40,建立与所述用户类型标签关联的各分表数据库的连接,将所述对象文件导入Jmeter工具中,通过Jmeter工具根据所述正则表达式集合,在各所述分表数据库中遍历查询所述对象文件中的所有所述对象字段值,并获取与查询的所述对象字段值匹配的所述分表目标字段对应的分表目标值。
可理解地,查找与所述用户类型标签关联的各个所述分表数据库,所述分表数据库为存储一种业务的分表的数据库,建立与查找到的所述分表数据库的连接,所述Jmeter工具为运用编写的BeanShell脚本实现分表定位的工具,运用CSV导入工具,将所述对象文件导入Jmeter工具中,所述CSV导入工具为用于将CSV格式的文件导入至Jmeter工具的工具,通过所述Jmeter工具快速遍历多个跨表的分表数据库从中查询到与所述正则表达式集合中的各个正则表达式语法匹配的分表目标字段及与其对应的分表目标值。
在一实施例中,如图5所示,所述步骤S40中,即所述建立与所述用户类型标签关联的各分表数据库的连接,将所述对象文件导入Jmeter工具中,通过Jmeter工具根据所述正则表达式集合,在各所述分表数据库中遍历查询所述对象文件中的所有所述对象字段值,并获取与查询的所述对象字段值匹配的所述分表目标字段对应的分表目标值,包括:
S401,运用CSV导入工具,将所述对象文件导入至Jmeter工具。
S402,通过Jmeter工具生成与所述正则表达式集合中的所述正则表达式一一对应的查询语句。
可理解地,根据所述正则表达式集合中的所述正则表达式语法,运用Jmeter工具的自动编写出查询所述正则表达式语法的BeanShell脚本,得到所述查询语句,Jmeter工具为用于基于Java的压力测试工具,BeanShell是一种完全符合Java语法规范的脚本语言,并且又拥有独自的语法和方法,能与java无缝衔接。
S403,在各所述分表数据库中遍历执行所有所述查询语句,以查询与所述对象字段值匹配的所述分表目标字段。
可理解地,并行遍历查找所有所述查询语句,查找出所述分表数据库中包含有所述对象字段值的表,并从查找的所有表中筛选出含有所述分表目标字段的表,从而查询到含有与所述对象字段值匹配的所述分表目标字段的表。
S404,获取与查询的所述分表目标字段对应的所述分表目标值,并与其对应所述对象字段值关联。
可理解地,在查询到含有与所述对象字段值匹配的所述分表目标字段的表中获取与所述对象字段值匹配的所述分表目标字段对应的所述分表目标值,并与该对象字符值关联。
本发明实现了通过运用CSV导入工具,将所述对象文件导入至Jmeter工具;通过Jmeter工具生成与所述正则表达式集合中的所述正则表达式一一对应的查询语句;在各所述分表数据库中遍历执行所有所述查询语句,以查询与所述对象字段值匹配的所述分表目标字段;获取与查询的所述分表目标字段对应的所述分表目标值,并与其对应所述对象字段值关联,如此,运用CSV导入工、Jmeter工具自动生成查询语句,并自动遍历查询出分表目标值,将其与相应的对象字段值关联,能够快速地从多个分表数据库中查询到
S50,将所述对象字段、所有所述对象字段值、所述分表目标字段以及所有获取的与所述分表目标字段对应的所述分表目标值进行表格汇总,得到数据源表;
可理解地,所述表格汇总的过程为将所述对象字段、所有所述对象字段值、所述分表目标字段以及所有获取的与所述分表目标字段对应的所述分表目标值,按照与所述对象字段值的关联关系构成一个表格,将该表格确定为所述数据源表,所述数据源表为统一的汇总了所有对象字段、对象字段值、分表目标字段及分表目标值的表。
S60,根据所述数据源表和所有所述目标测试场景,生成与各所述目标测试场景对应的测试数据源。
可理解地,从场景模板库中查询到与各所述目标测试场景对应的场景模板,将所述数据源表按照不同的场景模板中的相应位置进行填充,从而生成与各所述目标测试场景一一对应的测试数据源,所述测试数据源为用于后续不同的测试场景的数据来源,或者测试的初始表,做到按照统一的数据源表生成适用于不同的目标测试场景的测试数据源,再执行不同的目标测试场景的测试数据源相应的测试,避免了遗漏测试或者覆盖测试不完全的情况,减少了人工编写及二次核查的成本,提高了测试效率。
本发明实现了通过接收测试数据源生成请求,获取测试数据源生成请求中的对象字段、与所述对象字段对应的对象字段值、分表目标字段、用户类型标签和多个目标测试场景;运用CSV导出工具,将所述对象字段和所有所述对象字段值进行文件导出操作,获得对象文件;通过正则表达式生成模型对所述对象文件进行构造模式识别,并根据识别出的构造模式生成针对所述对象文件的正则表达式集合;建立与所述用户类型标签关联的各分表数据库的连接,将所述对象文件导入Jmeter工具中,通过Jmeter工具根据所述正则表达式集合,在各所述分表数据库中遍历查询所述对象文件中的所有所述对象字段值,并获取与查询的所述对象字段值匹配的所述分表目标字段对应的分表目标值;将所述对象字段、所有所述对象字段值、所述分表目标字段以及所有获取的与所述分表目标字段对应的所述分表目标值进行表格汇总,得到数据源表;根据所述数据源表和所有所述目标测试场景,生成与各所述目标测试场景对应的测试数据源,如此,实现了通过运用CSV导出工具,导出包含对象字段和对象字段值的对象文件,通过正则表达式生成模型自动识别出所述对象文件的正则表达式集合,建立与用户类型标签关联的各分表数据库的连接,以及通过Jmeter工具根据正则表达式集合,遍历查询对象文件中的所有对象字段值,并获取匹配的分表目标值,汇总得到统一的数据源表,以及自动生成多元化的测试数据源,因此,能够自动导出对象文件,自动识别出正则表达式集合,运用Jmeter工具遍历查询出分表目标值,统一输出数据源表,实现了多元化的测试数据源的生成,以提供给相应的多个方面的测试,能够减少重复的操作步骤,节省了人工成本,避免了遗漏测试或者覆盖测试不完全的情况,提高了效率。
在一实施例中,所述步骤S60中,即所述根据所述数据源表和所有所述目标测试场景,生成与各所述目标测试场景对应的测试数据源,包括:
S601,从场景模板库中获取与各所述目标测试场景对应的场景模板。
可理解地,所述场景模板库存储了所有不同的测试场景对应的场景模板,所述场景模板为用于不同测试场景的测试而设定的统一模板,例如单接口测试场景、自动化全接口测试场景、MQ消息发送测试场景、kafka消息发送测试场景等场景的统一模板。
S602,将所述数据源表按照各所述场景模板中的载入字段的位置进行相应填充,输出与各所述目标测试场景对应的测试数据源。
可理解地,所述载入字段为统一将场景模板中需要填充的字段确定为载入字段,查找到所述数据源表中的对象字段和分表目标字段相应与载入字段的位置,再将相应的位置填充对象字段值及分表目标字段值,从而输出与各个所述目标测试场景一一对应的所述测试数据源。
本发明实现了通过从场景模板库中获取与各所述目标测试场景对应的场景模板;将所述数据源表按照各所述场景模板中的载入字段的位置进行相应填充,输出与各所述目标测试场景对应的测试数据源,如此,实现了对不同的目标测试场景进行统一,从场景模板库中获取相应的场景模板以及自动填充,生成不同目标测试场景的测试数据源,避免了遗漏测试或者覆盖测试不完全的情况,减少了人工编写及二次核查的成本,提高了测试效率。
在一实施例中,提供一种多元测试数据源生成装置,该多元测试数据源生成装置与上述实施例中多元测试数据源生成方法一一对应。如图6所示,该多元测试数据源生成装置包括接收模块11、导出模块12、识别模块13、获取模块14、汇总模块15和生成模块16。各功能模块详细说明如下:
接收模块11,用于接收测试数据源生成请求,获取测试数据源生成请求中的对象字段、与所述对象字段对应的对象字段值、分表目标字段、用户类型标签和多个目标测试场景;
导出模块12,用于运用CSV导出工具,将所述对象字段和所有所述对象字段值进行文件导出操作,获得对象文件;
识别模块13,用于通过正则表达式生成模型对所述对象文件进行构造模式识别,并根据识别出的构造模式生成针对所述对象文件的正则表达式集合;
获取模块14,用于建立与所述用户类型标签关联的各分表数据库的连接,将所述对象文件导入Jmeter工具中,通过Jmeter工具根据所述正则表达式集合,在各所述分表数据库中遍历查询所述对象文件中的所有所述对象字段值,并获取与查询的所述对象字段值匹配的所述分表目标字段对应的分表目标值;
汇总模块15,用于将所述对象字段、所有所述对象字段值、所述分表目标字段以及所有获取的与所述分表目标字段对应的所述分表目标值进行表格汇总,得到数据源表;
生成模块16,用于根据所述数据源表和所有所述目标测试场景,生成与各所述目标测试场景对应的测试数据源。
关于多元测试数据源生成装置的具体限定可以参见上文中对于多元测试数据源生成方法的限定,在此不再赘述。上述多元测试数据源生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种多元测试数据源生成方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例中多元测试数据源生成方法。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中多元测试数据源生成方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种多元测试数据源生成方法,其特征在于,包括:
接收测试数据源生成请求,获取测试数据源生成请求中的对象字段、与所述对象字段对应的对象字段值、分表目标字段、用户类型标签和多个目标测试场景;
运用CSV导出工具,将所述对象字段和所有所述对象字段值进行文件导出操作,获得对象文件;
通过正则表达式生成模型对所述对象文件进行构造模式识别,并根据识别出的构造模式生成针对所述对象文件的正则表达式集合;
建立与所述用户类型标签关联的各分表数据库的连接,将所述对象文件导入Jmeter工具中,通过Jmeter工具根据所述正则表达式集合,在各所述分表数据库中遍历查询所述对象文件中的所有所述对象字段值,并获取与查询的所述对象字段值匹配的所述分表目标字段对应的分表目标值;
将所述对象字段、所有所述对象字段值、所述分表目标字段以及所有获取的与所述分表目标字段对应的所述分表目标值进行表格汇总,得到数据源表;
根据所述数据源表和所有所述目标测试场景,生成与各所述目标测试场景对应的测试数据源。
2.如权利要求1所述的多元测试数据源生成方法,其特征在于,所述接收测试数据源生成请求,获取测试数据源生成请求中的对象字段、与所述对象字段对应的对象字段值、分表目标字段、用户类型标签和多个目标测试场景之前,包括:
自需求库中获取测试需求文档、与所述测试需求文档关联的所述用户类型标签及多个所述目标测试场景;
通过实体识别模型,对所述测试需求文档进行实体抽取及上下文语义识别,识别出实体结果;所述实体结果包括对象实体和目标实体;
从字段库中获取与所述对象实体匹配的所述对象字段,同时获取与所述目标实体匹配的所述分表目标字段;
自用户数据库中,查询与所述对象字段对应的所述字段值,并对查询到的所述字段值进行规则过滤,得到与所述对象字段对应的所述对象字段值;
触发所述测试数据源生成请求。
3.如权利要求2所述的多元测试数据源生成方法,其特征在于,所述通过实体识别模型,对所述测试需求文档进行实体抽取及上下文语义识别,识别出实体结果;所述实体结果包括对象实体和目标实体,包括:
对所述测试需求文档进行分词处理,得到多个分词单元;
通过基于LSTM和CRF的实体抽取模型,对各个所述分词单元进行命名实体识别,识别出实体,并在所述测试需求文档中进行实体标注;
通过基于Bi-LSTM的语义识别模型,对实体标注后的所述测试需求文档进行上下文语义识别,识别出所述实体结果。
4.如权利要求2所述的多元测试数据源生成方法,其特征在于,所述自需求库中获取测试需求文档、与所述测试需求文档关联的所述用户类型标签及多个所述目标测试场景之前,包括:
接收测试需求文档上传指令,获取所述测试需求文档上传指令中的所述测试需求文档和用户选取的所述目标测试场景;
通过用户类型标签识别模型,对所述测试需求文档进行测试维度特征提取,根据提取的所述测试维度特征识别出所述用户类型标签。
5.如权利要求1所述的多元测试数据源生成方法,其特征在于,所述通过正则表达式生成模型对所述对象文件进行构造模式识别,并根据识别出的构造模式生成针对所述对象文件的正则表达式集合,包括:
通过正则表达式生成模型对所述对象字段及所述对象字段值进行类型规则特征提取,根据提取的类型规则特征识别出类型结果;
自所述正则表达式生成模型中的规则库中获取与所述类型结果匹配的正则表达式模板;
根据所述正则表达式模板,对各所述对象字段值进行正则表达式语法构造,生成与各所述对象字段值对应的正则表达式语法;
将所有与所述对象字段值对应的所述正则表达式语法记录为所述正则表达式集合。
6.如权利要求5所述的多元测试数据源生成方法,其特征在于,所述建立与所述用户类型标签关联的各分表数据库的连接,将所述对象文件导入Jmeter工具中,通过Jmeter工具根据所述正则表达式集合,在各所述分表数据库中遍历查询所述对象文件中的所有所述对象字段值,并获取与查询的所述对象字段值匹配的所述分表目标字段对应的分表目标值,包括:
运用CSV导入工具,将所述对象文件导入至Jmeter工具;
通过Jmeter工具生成与所述正则表达式集合中的所述正则表达式一一对应的查询语句;
在各所述分表数据库中遍历执行所有所述查询语句,以查询与所述对象字段值匹配的所述分表目标字段;
获取与查询的所述分表目标字段对应的所述分表目标值,并与其对应所述对象字段值关联。
7.如权利要求1所述的多元测试数据源生成方法,其特征在于,所述根据所述数据源表和所有所述目标测试场景,生成与各所述目标测试场景对应的测试数据源,包括:
从场景模板库中获取与各所述目标测试场景对应的场景模板;
将所述数据源表按照各所述场景模板中的载入字段的位置进行相应填充,输出与各所述目标测试场景对应的测试数据源。
8.一种多元测试数据源生成装置,其特征在于,包括:
接收模块,用于接收测试数据源生成请求,获取测试数据源生成请求中的对象字段、与所述对象字段对应的对象字段值、分表目标字段、用户类型标签和多个目标测试场景;
导出模块,用于运用CSV导出工具,将所述对象字段和所有所述对象字段值进行文件导出操作,获得对象文件;
识别模块,用于通过正则表达式生成模型对所述对象文件进行构造模式识别,并根据识别出的构造模式生成针对所述对象文件的正则表达式集合;
获取模块,用于建立与所述用户类型标签关联的各分表数据库的连接,将所述对象文件导入Jmeter工具中,通过Jmeter工具根据所述正则表达式集合,在各所述分表数据库中遍历查询所述对象文件中的所有所述对象字段值,并获取与查询的所述对象字段值匹配的所述分表目标字段对应的分表目标值;
汇总模块,用于将所述对象字段、所有所述对象字段值、所述分表目标字段以及所有获取的与所述分表目标字段对应的所述分表目标值进行表格汇总,得到数据源表;
生成模块,用于根据所述数据源表和所有所述目标测试场景,生成与各所述目标测试场景对应的测试数据源。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述多元测试数据源生成方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述多元测试数据源生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110483140.9A CN113220782B (zh) | 2021-04-30 | 2021-04-30 | 多元测试数据源生成方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110483140.9A CN113220782B (zh) | 2021-04-30 | 2021-04-30 | 多元测试数据源生成方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113220782A true CN113220782A (zh) | 2021-08-06 |
CN113220782B CN113220782B (zh) | 2024-07-02 |
Family
ID=77090576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110483140.9A Active CN113220782B (zh) | 2021-04-30 | 2021-04-30 | 多元测试数据源生成方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113220782B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113672520A (zh) * | 2021-09-08 | 2021-11-19 | 京东科技控股股份有限公司 | 测试案例的生成方法、装置、电子设备及存储介质 |
CN113742225A (zh) * | 2021-08-31 | 2021-12-03 | 上海浦东发展银行股份有限公司 | 一种测试数据生成方法、装置、设备及存储介质 |
CN113836897A (zh) * | 2021-09-22 | 2021-12-24 | 北京计算机技术及应用研究所 | 一种多源异构数据字典对齐的方法 |
CN113986747A (zh) * | 2021-11-05 | 2022-01-28 | 京东科技信息技术有限公司 | 一种数据生成方法、装置、电子设备及存储介质 |
CN114221883A (zh) * | 2021-12-14 | 2022-03-22 | 平安壹钱包电子商务有限公司 | 消息测试方法、装置、服务器及存储介质 |
CN115860697A (zh) * | 2023-02-18 | 2023-03-28 | 南通九维软件科技有限公司 | 一种基于智能识别的自动化数据管理系统 |
WO2023134134A1 (zh) * | 2022-01-12 | 2023-07-20 | 中广核工程有限公司 | 一种关联查看模型的生成方法、装置、计算机设备及存储介质 |
CN117130946A (zh) * | 2023-10-27 | 2023-11-28 | 北京世冠金洋科技发展有限公司 | 一种测试场景生成方法、装置、电子设备和可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060020582A1 (en) * | 2004-07-22 | 2006-01-26 | International Business Machines Corporation | Method and system for processing abstract derived entities defined in a data abstraction model |
CN104636257A (zh) * | 2015-03-13 | 2015-05-20 | 胡兢玉 | 基于sql覆盖的数据库应用软件自动化测试方法 |
CN108563584A (zh) * | 2018-05-09 | 2018-09-21 | 平安普惠企业管理有限公司 | 测试数据生成方法、装置、计算机设备及存储介质 |
CN110737687A (zh) * | 2019-09-06 | 2020-01-31 | 平安普惠企业管理有限公司 | 数据查询方法、装置、设备及存储介质 |
CN111680506A (zh) * | 2020-04-28 | 2020-09-18 | 北京三快在线科技有限公司 | 数据库表的外键映射方法、装置、电子设备和存储介质 |
CN112364024A (zh) * | 2020-11-30 | 2021-02-12 | 上海二三四五网络科技有限公司 | 一种表数据批量自动比对的控制方法及装置 |
CN112559526A (zh) * | 2020-12-15 | 2021-03-26 | 中国平安人寿保险股份有限公司 | 数据表导出方法、装置、计算机设备及存储介质 |
-
2021
- 2021-04-30 CN CN202110483140.9A patent/CN113220782B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060020582A1 (en) * | 2004-07-22 | 2006-01-26 | International Business Machines Corporation | Method and system for processing abstract derived entities defined in a data abstraction model |
CN104636257A (zh) * | 2015-03-13 | 2015-05-20 | 胡兢玉 | 基于sql覆盖的数据库应用软件自动化测试方法 |
CN108563584A (zh) * | 2018-05-09 | 2018-09-21 | 平安普惠企业管理有限公司 | 测试数据生成方法、装置、计算机设备及存储介质 |
CN110737687A (zh) * | 2019-09-06 | 2020-01-31 | 平安普惠企业管理有限公司 | 数据查询方法、装置、设备及存储介质 |
CN111680506A (zh) * | 2020-04-28 | 2020-09-18 | 北京三快在线科技有限公司 | 数据库表的外键映射方法、装置、电子设备和存储介质 |
CN112364024A (zh) * | 2020-11-30 | 2021-02-12 | 上海二三四五网络科技有限公司 | 一种表数据批量自动比对的控制方法及装置 |
CN112559526A (zh) * | 2020-12-15 | 2021-03-26 | 中国平安人寿保险股份有限公司 | 数据表导出方法、装置、计算机设备及存储介质 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113742225A (zh) * | 2021-08-31 | 2021-12-03 | 上海浦东发展银行股份有限公司 | 一种测试数据生成方法、装置、设备及存储介质 |
CN113742225B (zh) * | 2021-08-31 | 2024-04-26 | 上海浦东发展银行股份有限公司 | 一种测试数据生成方法、装置、设备及存储介质 |
CN113672520A (zh) * | 2021-09-08 | 2021-11-19 | 京东科技控股股份有限公司 | 测试案例的生成方法、装置、电子设备及存储介质 |
CN113836897A (zh) * | 2021-09-22 | 2021-12-24 | 北京计算机技术及应用研究所 | 一种多源异构数据字典对齐的方法 |
CN113986747A (zh) * | 2021-11-05 | 2022-01-28 | 京东科技信息技术有限公司 | 一种数据生成方法、装置、电子设备及存储介质 |
CN114221883A (zh) * | 2021-12-14 | 2022-03-22 | 平安壹钱包电子商务有限公司 | 消息测试方法、装置、服务器及存储介质 |
CN114221883B (zh) * | 2021-12-14 | 2024-06-21 | 平安壹钱包电子商务有限公司 | 消息测试方法、装置、服务器及存储介质 |
WO2023134134A1 (zh) * | 2022-01-12 | 2023-07-20 | 中广核工程有限公司 | 一种关联查看模型的生成方法、装置、计算机设备及存储介质 |
CN115860697A (zh) * | 2023-02-18 | 2023-03-28 | 南通九维软件科技有限公司 | 一种基于智能识别的自动化数据管理系统 |
CN115860697B (zh) * | 2023-02-18 | 2023-08-18 | 南通九维软件科技有限公司 | 一种基于智能识别的自动化数据管理系统 |
CN117130946A (zh) * | 2023-10-27 | 2023-11-28 | 北京世冠金洋科技发展有限公司 | 一种测试场景生成方法、装置、电子设备和可读存储介质 |
CN117130946B (zh) * | 2023-10-27 | 2024-01-26 | 北京世冠金洋科技发展有限公司 | 一种测试场景生成方法、装置、电子设备和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113220782B (zh) | 2024-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113220782B (zh) | 多元测试数据源生成方法、装置、设备及介质 | |
WO2020186786A1 (zh) | 文件处理方法、装置、计算机设备和存储介质 | |
CN111177184A (zh) | 基于自然语言的结构化查询语言转换方法、及其相关设备 | |
CN111176996A (zh) | 测试用例生成方法、装置、计算机设备及存储介质 | |
CN109508458B (zh) | 法律实体的识别方法及装置 | |
CN110659282B (zh) | 数据路由的构建方法、装置、计算机设备和存储介质 | |
WO2022227314A1 (zh) | 动态同步测试方法、装置、设备及存储介质 | |
CN111783471B (zh) | 自然语言的语义识别方法、装置、设备及存储介质 | |
CN110007906B (zh) | 脚本文件的处理方法、装置和服务器 | |
CN110597844B (zh) | 异构数据库数据统一访问方法及相关设备 | |
CN112446218A (zh) | 长短句文本语义匹配方法、装置、计算机设备及存储介质 | |
WO2020206838A1 (zh) | 代码片段翻译方法、装置、计算机设备和存储介质 | |
CN112286934A (zh) | 数据库表导入方法、装置、设备及介质 | |
CN112559526A (zh) | 数据表导出方法、装置、计算机设备及存储介质 | |
CN112766319A (zh) | 对话意图识别模型训练方法、装置、计算机设备及介质 | |
CN111159334A (zh) | 用于房源跟进信息处理的方法及系统 | |
CN113961768A (zh) | 敏感词检测方法、装置、计算机设备和存储介质 | |
CN112363814A (zh) | 任务调度方法、装置、计算机设备及存储介质 | |
CN117112408A (zh) | 一种生成自动化测试用例脚本方法、装置及介质 | |
CN111831624A (zh) | 数据表创建方法、装置、计算机设备及存储介质 | |
CN111492364B (zh) | 数据标注方法、装置及存储介质 | |
CN111858467B (zh) | 基于人工智能的文件数据处理方法、装置、设备和介质 | |
CN113051259A (zh) | 一种用于门店经营的多数据源结构差异处理方法及系统 | |
CN111768767B (zh) | 用户标签提取方法和装置、服务器、计算机可读存储介质 | |
CN114416847A (zh) | 一种数据转换的方法、装置、服务器及存储介质 |
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 | ||
GR01 | Patent grant |