CN116010256A - 测试数据生成方法、装置、设备和存储介质 - Google Patents
测试数据生成方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN116010256A CN116010256A CN202211648141.5A CN202211648141A CN116010256A CN 116010256 A CN116010256 A CN 116010256A CN 202211648141 A CN202211648141 A CN 202211648141A CN 116010256 A CN116010256 A CN 116010256A
- Authority
- CN
- China
- Prior art keywords
- data
- test data
- production
- production model
- candidate
- 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本申请涉及一种测试数据生成方法、装置、设备和存储介质。通过获取生产数据库中的第一生产数据,根据第一生产数据和初始数据生产模型,得到候选测试数据,接收客户端发送的接口报文,由于接口报文中包括有真实测试数据,根据候选测试数据和真实测试数据训练初始数据生产模型,得到目标数据生产模型,获取生产数据库中的第二生产数据,并根据第二生产数据和目标数据生产模型生成测试数据。本方法中通过根据真实测试数据和第一生产数据确定目标数据生产模型,从而基于生产数据库中的第二生产数据和目标生产数据模型可以生成大量的测试数据,避免了人工根据不同的测试环境准备不同的测试数据所造成的工作量大且繁琐的问题。
Description
技术领域
本申请涉及大数据技术领域,特别是涉及一种测试数据生成方法、装置、设备和存储介质。
背景技术
随着敏捷迭代理念的普及,软件项目的投产时间呈现时间多、时间灵活多变、可动态修改等特点,为应对灵活多变的敏捷需求,往往需要对多套测试环境进行测试。一般而言,针对不同的测试环境,都需要独立的测试数据,例如,在A功能测试环境中,可以使用手机账号、验证码等构成的测试数据进行登录。而且,在有些测试环境中,测试数据使用一次后不可反复使用,需要准备大量测试数据,例如,在抢券、兑换积分等交易测试环境中,需要准备大量测试数据。因此,测试人员需要在不同的测试环境下准备不同的测试数据,现有的人工准备测试数据的方法工作量大且繁琐。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高测试效率的测试数据生成方法、装置、设备和存储介质。
第一方面,本申请提供了一种测试数据生成方法,所述方法包括:
获取生产数据库中的第一生产数据;
根据所述第一生产数据和初始数据生产模型,得到候选测试数据;
接收客户端发送的接口报文;所述接口报文中包括真实测试数据;
根据所述候选测试数据和所述真实测试数据训练所述初始数据生产模型,得到目标数据生产模型;
获取所述生产数据库中的第二生产数据,并根据所述第二生产数据和所述目标数据生产模型生成测试数据。
在其中一个实施例中,所述候选测试数据包括训练数据和验证数据;所述根据所述候选测试数据和所述真实测试数据训练所述初始数据生产模型,得到目标数据生产模型,包括:
确定所述训练数据与所述真实测试数据之间的差异程度;
根据所述差异程度确定候选数据生产模型;
根据所述真实测试数据和所述验证数据,训练所述候选数据生产模型,得到目标数据生产模型。
在其中一个实施例中,所述根据所述差异程度确定候选模型,包括:
若所述差异程度大于预设差异程度,则根据所述训练数据与所述真实测试数据之间的差异程度,训练所述初始数据生产模型,得到所述候选数据生产模型。
在其中一个实施例中,所述方法还包括:
若所述差异程度不大于所述预设差异程度,则将所述初始数据生产模型作为所述候选数据生产模型。
在其中一个实施例中,所述根据所述真实测试数据和所述验证数据,训练所述候选数据生产模型,得到目标数据生产模型,包括:
根据所述验证数据和所述候选数据生产模型,确定待测试数据;
根据所述待测试数据和所述真实测试数据,训练所述候选数据生产模型,得到所述目标数据生产模型。
在其中一个实施例中,所述接口报文中还包括所述客户端的源地址,所述方法还包括:
根据所述客户端的源地址确定所述真实测试数据的数据类型;
所述根据所述候选测试数据和所述真实测试数据训练所述初始数据生产模型,得到目标数据生产模型,包括:
根据所述候选测试数据、来自不同客户端的不同数据类型的所述真实测试数据,训练所述初始数据生产模型,得到所述目标数据生产模型。
在其中一个实施例中,所述方法还包括:
将所述测试数据存储至目标数据库;
获取存储至所述目标数据库的所述测试数据对应的日志信息;所述日志信息包括所述测试数据对应的存储时间;
确定位于预设时间段内的存储时间对应的测试数据,并将位于所述预设时间段内的存储时间对应的测试数据存储至其他测试数据库。
第二方面,本申请还提供了一种测试数据生成装置,所述装置包括:
第一获取模块,用于获取生产数据库中的第一生产数据;
第一确定模块,用于根据所述第一生产数据和初始数据生产模型,得到候选测试数据;
接收模块,用于接收客户端发送的接口报文;所述接口报文中包括真实测试数据;
训练模块,用于根据所述候选测试数据和所述真实测试数据训练所述初始数据生产模型,得到目标数据生产模型;
第二获取模块,用于获取所述生产数据库中的第二生产数据,并根据所述第二生产数据和所述目标数据生产模型生成测试数据。
第三方面,本申请还提供了一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取生产数据库中的第一生产数据;
根据所述第一生产数据和初始数据生产模型,得到候选测试数据;
接收客户端发送的接口报文;所述接口报文中包括真实测试数据;
根据所述候选测试数据和所述真实测试数据训练所述初始数据生产模型,得到目标数据生产模型;
获取所述生产数据库中的第二生产数据,并根据所述第二生产数据和所述目标数据生产模型生成测试数据。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取生产数据库中的第一生产数据;
根据所述第一生产数据和初始数据生产模型,得到候选测试数据;
接收客户端发送的接口报文;所述接口报文中包括真实测试数据;
根据所述候选测试数据和所述真实测试数据训练所述初始数据生产模型,得到目标数据生产模型;
获取所述生产数据库中的第二生产数据,并根据所述第二生产数据和所述目标数据生产模型生成测试数据。
第五方面,本申请还提供了一种计算机程序产品,所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取生产数据库中的第一生产数据;
根据所述第一生产数据和初始数据生产模型,得到候选测试数据;
接收客户端发送的接口报文;所述接口报文中包括真实测试数据;
根据所述候选测试数据和所述真实测试数据训练所述初始数据生产模型,得到目标数据生产模型;
获取所述生产数据库中的第二生产数据,并根据所述第二生产数据和所述目标数据生产模型生成测试数据。
上述测试数据生成方法、装置、设备和存储介质,通过获取生产数据库中的第一生产数据,根据第一生产数据和初始数据生产模型,得到候选测试数据,接收客户端发送的接口报文,由于接口报文中包括有真实测试数据,根据候选测试数据和真实测试数据训练初始数据生产模型,得到目标数据生产模型,获取生产数据库中的第二生产数据,并根据第二生产数据和目标数据生产模型生成测试数据。本方法中通过根据真实测试数据和第一生产数据对初始数据生产模型进行训练,得到目标数据生产模型,由于生产数据库中包括了所有的基本数据,从而基于生产数据库中的第二生产数据和目标生产数据模型可以生成大量的测试数据,避免了人工根据不同的测试环境准备不同的测试数据所造成的工作量大且繁琐的问题。
附图说明
图1为一个实施例中测试数据生成方法的应用环境图;
图2为一个实施例中测试数据生成方法的流程示意图;
图3为一个实施例中确定目标数据生产模型的流程示意图;
图4为另一个实施例中确定目标数据生产模型的流程示意图;
图5为又一个实施例中确定目标数据生产模型的流程示意图;
图6为另一个实施例中测试数据生成方法的流程示意图;
图7为一个实施例中测试数据生成装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
需要说明的是,本申请公开的测试数据生成方法、装置、计算机设备、存储介质和程序产品可以应用在大数据技术领域或者其他技术领域。
本申请实施例提供的测试数据生成方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104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。
在一个实施例中,如图2所示,提供了一种测试数据生成方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S201,获取生产数据库中的第一生产数据。
其中,生产数据库是指业务实际使用的数据库,包含了所必须的基本数据资源。
在本实施例中,服务器从生产数据库中获取第一生产数据,由于生产数据库中包括了业务实际实用的所有的基本数据,第一生产数据也包括各种数据,例如,手机号码、验证码、表征图片的矩阵、中文字符、账号、登录密码等。
S202,根据第一生产数据和初始数据生产模型,得到候选测试数据。
在本实施例中,初始数据生产模型可以是深度学习网络,也可以是浅层学习网络,还可以是一种数学算法。当初始数据生产模型为网络时,可以是现有的学习网络,也可以是用户根据实际情况构建的网络。
在一个可能的实现方式中,将第一生产数据输入至初始数据生产模型中,利用初始数据生产模型对第一生产数据进行筛选,得到候选测试数据。
S203,接收客户端发送的接口报文;接口报文中包括真实测试数据。
在本实施例中,客户端与服务器之间先建立网络连接,客户端向服务器发送接口报文,服务器接收客户端发送的接口报文后,对接口报文进行解析,得到该客户端在此刻对应的真实测试数据。可选的,真实测试数据可以为手机号码、可以为验证码、可以为登录账号等。
S204,根据候选测试数据和真实测试数据训练初始数据生产模型,得到目标数据生产模型。
在本实施例中,可以直接根据候选测试数据对初始数据生产模型进行训练,利用真实测试数据对训练好的模型进行验证,得到目标数据生产模型。例如,将候选测试数据与真实测试数据进行比较,根据比较结果对初始数据生产模型进行训练,直至候选测试数据与真实测试数据的差异性小于预设程度的情况下,训练完成,得到目标数据生产模型。
也可以将候选测试数据分为训练数据和验证数据,将训练数据与真实测试数据进行比较,根据比较结果对初始数据生产模型进行训练,最后根据验证数据对训练好的数据生产模型进行验证,得到目标数据生产模型。例如,将训练数据与真实测试数据进行比较,得到比较结果,若比较结果不满足第一预设要求,则根据比较结果对初始数据生产模型进行训练,得到候选数据生产模型,再利用验证数据和真实测试数据对候选数据生产模型进行训练,得到目标数据生产模型。
或者将候选测试数据分为训练数据和验证数据,同时将训练数据、验证数据和真实测试数据都输入至初始数据生产模型中,由于真实测试数据为金标准,真实测试数据在目标网络模型中的输出结果应当为接近于百分之百的识别,即所有的真实测试数据更可能的被识别输出。因此在训练数据和验证数据的输出结果同时接近于真实测试数据的输出结果(所有的真实测试数据尽可能多的被识别和输出)的情况下,完成对初始数据生产模型的训练,得到目标数据生产模型。
S205,获取生产数据库中的第二生产数据,并根据第二生产数据和目标数据生产模型生成测试数据。
在本实施例中,服务器获取生产数据库中的第二生产数据,将第二生产数据输入到目标数据生产模型中,利用目标数据生产模型对第二生产数据进行识别筛选,得到测试数据。
进一步地,还可以将得到的测试数据以接口报文的形似发送至客户端,以由客户端根据生成的测试数据完成功能测试。
上述测试数据生成方法中,通过获取生产数据库中的第一生产数据,根据第一生产数据和初始数据生产模型,得到候选测试数据,接收客户端发送的接口报文,由于接口报文中包括有真实测试数据,根据候选测试数据和真实测试数据训练初始数据生产模型,得到目标数据生产模型,获取生产数据库中的第二生产数据,并根据第二生产数据和目标数据生产模型生成测试数据。本方法中通过根据真实测试数据和第一生产数据对初始数据生产模型进行训练,得到目标数据生产模型,由于生产数据库中包括了所有的基本数据,从而基于生产数据库中的第二生产数据和目标生产数据模型可以生成大量的测试数据,避免了人工根据不同的测试环境准备不同的测试数据所造成的工作量大且繁琐的问题。
图3为一个实施例中确定目标数据生产模型的流程示意图,本实施例涉及的是如何根据根据候选测试数据和真实测试数据训练初始数据生产模型,得到目标数据生产模型的一种可能的实现方式,如图3所示,包括以下步骤:
S301,确定训练数据与真实测试数据之间的差异程度。
在本实施例中,训练数据与真实测试数据之间的差异程度可以是训练数据中满足要求的训练数据占整个训练数据的百分比,也可以是在训练数据与真实测试数据不一致的时候,确定不一致的数据的偏离程度。
在一个可能的实现方式中,可以直接将训练数据与真实测试数据进行一一比对,得到训练数据与真实测试数据之间的差异程度,例如,真实测试数据为手机号码,可以直接比对得到的训练数据是否为整数型的数字,训练数据若为整数型数字,比较该数字是否满足十一位数字要求,若满足,再进一步确定该十一位数字中的第一位是否为1,若是,则认为该训练数据与真实测试数据一致,最终得到满足要求的训练数据占所有训练数据的百分比。
或者,若训练数据不符合整数型,将该种情况记为与真实测试数据的偏离程度为5;若训练数据符合整数型,但是不满足十一位数字的要求,将该种情况记为与真实测试数据的偏离程度为3;若训练数据满足十一位数字个数的要求,但首位数字不是1,将该种情况记为与真实测试数据的偏离程度为2;若训练数据满足十一位数字个数的要求,且首位数字是1,即与真实测试数据一致,将该种情况记为与真实测试数据的偏离程度为0。可以利用统计的方法得到所有训练数据的偏离程度,将偏离程度作为训练数据与真实测试数据之间的差异程度。
在另一个可能的实现方式中,还可以利用网络模型确定训练数据与真实测试数据的差异程度。例如,分别将真实测试数据与训练数据输入至网络分类模型中,若真实测试数据的分类准确度为100%(只有一类情况),训练数据被分为了四类,则可认为训练数据与真实测试数据之间的差异程度为75%。
S302,根据差异程度确定候选数据生产模型。
在本实施例中,根据差异程度确定候选数据生产模型时,可以将差异程度与预设的差异程度进行比较,在差异程度大于预设差异程度的情况下,对初始数据生产模型进行训练,得到候选数据生产模型;也可以直接根据差异程度对初始数据生产模型进行训练,即不考虑差异程度的大小。
进一步地,“根据差异程度确定候选数据生产模型”包括以下两种方式:
第一种方式:若差异程度大于预设差异程度,则根据训练数据与真实测试数据之间的差异程度,训练初始数据生产模型,得到候选数据生产模型。
可选的,预设差异程度可以为百分比,也可以为偏离程度等,具体可根据上述S301中确定的训练数据与真实测试数据之间的差异程度决定。当差异程度为百分比时,对应的预设差异程度也为百分比。
在本实施例中,当差异程度大于预设差异程度,证明该初始数据生产模型对识别手机号码具有一定的缺陷。例如,差异程度为50%,预设差异程度为15%,可以调整初始数据模型中的参数,网络层数等,或者改变对初始数据生产模型的训练方式等,再将第一生产数据输入至调整之后的数据模型中,得到新的候选测试数据,进一步比较候选测试数据中训练数据与真实测试数据之间的差异程度,直至差异程度小于预设差异程度。
需要说明的是,将第一生产数据输入至调整之后的数据生产模型,完成新一轮的迭代操作,此时确定训练数据与真实测试数据之间的差异程度时可以和上一次采用同样的方式和比对形式,也可以再每次采用不同的方式。
第二种方式:若差异程度不大于预设差异程度,则将初始数据生产模型作为候选数据生产模型。
在本实施例中,当差异程度不大于预设差异程度,证明选择的初始数据生产模型可以适用于生成测试数据,则直接将初始数据生产模型作为候选数据生产模型。
S303,根据真实测试数据和验证数据,训练候选数据生产模型,得到目标数据生产模型。
在本实施例中,根据真实测试数据和验证数据,训练候选数据生产模型,可以将验证输出输入至候选数据生产模型,得到待测试的数据,将待测试数据和真实测试数据进行比较,得到比较结果,根据比较结果训练候选数据生产模型,得到目标数据生产模型。虽然验证数据和训练数据都是候选测试数据,即都是根据初始数据生产模型得到的,但是,由于在对候选测试数据进行划分的时候,训练数据与验证数据之间还存在一定的差异性,也可以先将真实测试数据和验证数据进行比较,得到比较结果,根据比较结果对候选数据生产模型进行训练,得到目标数据生产模型。
上述实施例中,通过确定训练数据与真实测试数据之间的差异程度,根据差异程度确定候选数据生产模型,从而根据真实测试数据和验证数据,训练候选数据生产模型,得到目标数据生产模型。本实施例提供了多种确定目标数据生产模型的实现方式,为用户提供多种选择。而且,本实施例在确定候选数据生产模型时提供了两种可能的是实现方式,当差异程度大于预设差异程度,根据训练数据与真实测试数据之间的差异程度,训练初始数据生产模型,得到候选数据生产模型,在差异程度不大于预设差异程度的情况下,将初始数据生产模型作为候选数据生产模型,提高了目标数据生产模型的训练速度。
图4为另一个实施例中确定目标数据生产模型的流程示意图,本实施例涉及的是如何根据真实测试数据和验证数据,训练候选数据生产模型,得到目标数据生产模型的一种可能的实现方式,如图4所示,包括以下步骤:
S401,根据验证数据和候选数据生产模型,确定待测试数据。
在本实施例中,可以将验证数据输入到候选数据生产模型中,利用候选数据生产模型对验证数据进行筛选得到待测试数据。
S402,根据待测试数据和真实测试数据,训练候选数据生产模型,得到目标数据生产模型。
在本实施例中,根据待测试数据和真实测试数据,训练候选数据生产模型,得到目标数据生产模型。具体实现方式可参见上述图3所示的实施例,将待测试数据输入到候选数据生产模型,得到输出结果,根据输出结果与真实测试数据进行比较,得到比较结果,从而根据比较结果对候选数据生产模型进行训练,得到目标数据生产模型。
在一个可能的实现方式中,也可以将待测试数据和真实测试数据同时输入到候选数据生产模型中,将真实测试数据的输出结果作为金标准。由于候选数据生产模型不断在调整,待测试数据的数据结果在发生变化,真实测试数据的输出结果也会发生变化,只要真实测试数据的输出结果在金标准波动范围之内即可,从而根据待测试数据的输出结果去训练候选数据生产模型,得到目标数据生产模型。
上述实施例中,根据验证数据和候选数据生产模型,确定待测试数据,从而根据待测试数据和真实测试数据,训练候选数据生产模型,得到目标数据生产模型。本实施例中根据验证数据和真实测试数据进一步训练,可以使得确定的目标数据生产模型更加精确,从而保证根据目标数据生产模型得到的测试数据更符合实际的测试功能。
图5为又一个实施例中确定目标数据生产模型的流程示意图,本实施例涉及的是如何根据候选测试数据、来自不同客户端的不同数据类型的真实测试数据,训练初始数据生产模型,得到目标数据生产模型的一种可能的实现方式,如图5所示,包括以下步骤:
S501,根据客户端的源地址确定真实测试数据的数据类型。
在本实施例中,接收客户端发送的接口报文,接口报文中包括真实测试数据和客户端的源地址,根据客户端的源地址可以确定真实测试数据的数据类型,或者说根据客户端的源地址可以确定真实测试数据的对应的测试功能。例如,客户端A测试的是支付功能,客户端B测试的是登录功能,客户端C测试的是发送功能。则客户端A发送的接口报文中真实测试数据包括支付金额、支付密码和接收金额,客户端B发送的接口报文中的真实测试数据包括验证码、登录账号和登录密码,客户端C发送的接口报文中的真实测试数据包括发送信息和接收信息。
在一个可能的实现方式中,真实测试数据的数据类型可以是指的数据存储类型:客户端A发送的接口报文中真实测试数据的数据类型可能包括整数型、浮点型,客户端B发送的接口报文中的真实测试数据的数据类型包括字符串、整数型,客户端C发送的接口报文中的真实测试数据的数据类型包括字符串型、整数型、浮点型等。
或者,真实测试数据的数据类型也可以是不同类别信息的数据类型,例如,客户端A发送的接口报文中真实测试数据的数据类型可能为数字,客户端B发送的接口报文中真实测试数据的数据类型可能为图片,客户端C发送的接口报文中真实测试数据的数据类型可能为语音信息和中文文字信息等。
需要说明的是,同一客户端的发送的接口报文中的测试数据可以只包括一种类型,也可以包括多种类型。
S502,根据候选测试数据、来自不同客户端的不同数据类型的真实测试数据,训练初始数据生产模型,得到目标数据生产模型。
在本实施例中,根据候选测试数据和来自不同客户端的不同数据类型的真实测试数据,训练初始数据生产模型,得到针对不同数据类型对应的目标数据生产模型。
进一步地,由于根据客户端的源地址可以确定真实测试数据的数据类型,从而得到的目标数据生产模型更具针对性,在针对测试功能A和测试功能B的数据类型比较相近的情况下,可以将得到的针对测试功能A的目标数据生产模型作为测试功能B的初始数据生产模型,提高测试功能B的目标数据生产模型的训练速度。
上述实施例中,根据客户端的源地址确定真实测试数据的数据类型,根据候选测试数据、来自不同客户端的不同数据类型的真实测试数据,训练初始数据生产模型,得到目标数据生产模型。本实施例中可以根据客户端的源地址确定不同的测试数据类型,可以使得得到的目标数据类型更具针对性。
在一个实施例中,提供了一种测试数据生成方法,如图6所示,包括以下步骤:
S601,获取生产数据库中的第一生产数据。
S602,根据第一生产数据和初始数据生产模型,得到候选测试数据。
S603,接收客户端发送的接口报文;接口报文中包括真实测试数据。
S604,确定训练数据与真实测试数据之间的差异程度。执行S605或S606。
S605,若差异程度大于预设差异程度,则根据训练数据与真实测试数据之间的差异程度,训练初始数据生产模型,得到候选数据生产模型。
S606,若差异程度不大于预设差异程度,则将初始数据生产模型作为候选数据生产模型。
S607,根据验证数据和候选数据生产模型,确定待测试数据。
S608,根据待测试数据和真实测试数据,训练候选数据生产模型,得到目标数据生产模型。
S609,获取生产数据库中的第二生产数据,并根据第二生产数据和目标数据生产模型生成测试数据。
在本实施例中,通过获取生产数据库中的第一生产数据,根据第一生产数据和初始数据生产模型,得到候选测试数据,接收客户端发送的接口报文,由于接口报文中包括有真实测试数据,根据候选测试数据和真实测试数据训练初始数据生产模型,得到目标数据生产模型,获取生产数据库中的第二生产数据,并根据第二生产数据和目标数据生产模型生成测试数据。本方法中通过根据真实测试数据和第一生产数据对初始数据生产模型进行训练,得到目标数据生产模型,由于生产数据库中包括了所有的基本数据,从而基于生产数据库中的第二生产数据和目标生产数据模型可以生成大量的测试数据,避免了人工根据不同的测试环境准备不同的测试数据所造成的工作量大且繁琐的问题。
在一个实施例中,提供了一种测试数据的生成方法,包括以下步骤:
将测试数据存储至目标数据库;获取存储至目标数据库的测试数据对应的日志信息;日志信息包括测试数据对应的存储时间;确定位于预设时间段内的存储时间对应的测试数据,并将位于预设时间段内的存储时间对应的测试数据存储至其他测试数据库。
在本实施例中,根据目标数据生产模型得到测试数据后可以以关系数据的方式记录在目标数据库中,目标数据库中可以包括多种测试类型的测试数据,而一般的关系型数据库均有记录数据库变更的日志信息,日志信息包括测试数据对应的存储时间。根据存储时间可以对应不同测试类型的测试数据,确定位于预设时间段内的存储时间对应的测试数据,可以得到不同测试类型的测试数据。本实施例中根据目标数据生产模型得到测试数据后,还可以对测试数据进行大量复制,为生成测试数据提供多种方式。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的测试数据生成方法的测试数据生成装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个测试数据生成装置实施例中的具体限定可以参见上文中对于测试数据生成方法的限定,在此不再赘述。
在一个实施例中,如图7所示,提供了一种测试数据生成装置,包括:第一获取模块11、第一确定模块12、接收模块13、训练模块14和第二获取模块15,其中:
第一获取模块11,用于获取生产数据库中的第一生产数据;
第一确定模块12,用于根据第一生产数据和初始数据生产模型,得到候选测试数据;
接收模块13,用于接收客户端发送的接口报文;接口报文中包括真实测试数据;
训练模块14,用于根据候选测试数据和真实测试数据训练初始数据生产模型,得到目标数据生产模型;
第二获取模块15,用于获取生产数据库中的第二生产数据,并根据第二生产数据和目标数据生产模型生成测试数据。
在一个实施例中,训练模块包括:
第一确定单元,用于确定训练数据与真实测试数据之间的差异程度;
第二确定单元,用于根据差异程度确定候选数据生产模型;
训练单元,用于根据真实测试数据和验证数据,训练候选数据生产模型,得到目标数据生产模型。
在一个实施例中,第二确定单元还用于若差异程度大于预设差异程度,则根据训练数据与真实测试数据之间的差异程度,训练初始数据生产模型,得到候选数据生产模型。
在一个实施例中,第二确定单元还用于若差异程度不大于预设差异程度,则将初始数据生产模型作为候选数据生产模型。
在一个实施例中,训练单元还用于根据验证数据和候选数据生产模型,确定待测试数据;根据待测试数据和真实测试数据,训练候选数据生产模型,得到目标数据生产模型。
在一个实施例中,测试数据生成装置还包括:
第二确定模块,用于根据客户端的源地址确定真实测试数据的数据类型;
训练模块,还用于根据候选测试数据、来自不同客户端的不同数据类型的真实测试数据,训练初始数据生产模型,得到目标数据生产模型。
在一个实施例中,测试数据生成装置还包括:
存储模块,用于将测试数据存储至目标数据库;
第三获取模块,用于获取存储至目标数据库的测试数据对应的日志信息;日志信息包括测试数据对应的存储时间;
第三确定模块,用于确定位于预设时间段内的存储时间对应的测试数据,并将位于预设时间段内的存储时间对应的测试数据存储至其他测试数据库。
上述测试数据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8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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和内存储器。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。该计算机设备的数据库用于存储测试数据相关数据。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测试数据生成方法。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取生产数据库中的第一生产数据;
根据第一生产数据和初始数据生产模型,得到候选测试数据;
接收客户端发送的接口报文;接口报文中包括真实测试数据;
根据候选测试数据和真实测试数据训练初始数据生产模型,得到目标数据生产模型;
获取生产数据库中的第二生产数据,并根据第二生产数据和目标数据生产模型生成测试数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
确定训练数据与真实测试数据之间的差异程度;
根据差异程度确定候选数据生产模型;
根据真实测试数据和验证数据,训练候选数据生产模型,得到目标数据生产模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若差异程度大于预设差异程度,则根据训练数据与真实测试数据之间的差异程度,训练初始数据生产模型,得到候选数据生产模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若差异程度不大于预设差异程度,则将初始数据生产模型作为候选数据生产模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据验证数据和候选数据生产模型,确定待测试数据;
根据待测试数据和真实测试数据,训练候选数据生产模型,得到目标数据生产模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据客户端的源地址确定真实测试数据的数据类型;
根据候选测试数据和真实测试数据训练初始数据生产模型,得到目标数据生产模型,包括:
根据候选测试数据、来自不同客户端的不同数据类型的真实测试数据,训练初始数据生产模型,得到目标数据生产模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将测试数据存储至目标数据库;
获取存储至目标数据库的测试数据对应的日志信息;日志信息包括测试数据对应的存储时间;
确定位于预设时间段内的存储时间对应的测试数据,并将位于预设时间段内的存储时间对应的测试数据存储至其他测试数据库。
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以下步骤:
获取生产数据库中的第一生产数据;
根据第一生产数据和初始数据生产模型,得到候选测试数据;
接收客户端发送的接口报文;接口报文中包括真实测试数据;
根据候选测试数据和真实测试数据训练初始数据生产模型,得到目标数据生产模型;
获取生产数据库中的第二生产数据,并根据第二生产数据和目标数据生产模型生成测试数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定训练数据与真实测试数据之间的差异程度;
根据差异程度确定候选数据生产模型;
根据真实测试数据和验证数据,训练候选数据生产模型,得到目标数据生产模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若差异程度大于预设差异程度,则根据训练数据与真实测试数据之间的差异程度,训练初始数据生产模型,得到候选数据生产模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若差异程度不大于预设差异程度,则将初始数据生产模型作为候选数据生产模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据验证数据和候选数据生产模型,确定待测试数据;
根据待测试数据和真实测试数据,训练候选数据生产模型,得到目标数据生产模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据客户端的源地址确定真实测试数据的数据类型;
根据候选测试数据和真实测试数据训练初始数据生产模型,得到目标数据生产模型,包括:
根据候选测试数据、来自不同客户端的不同数据类型的真实测试数据,训练初始数据生产模型,得到目标数据生产模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将测试数据存储至目标数据库;
获取存储至目标数据库的测试数据对应的日志信息;日志信息包括测试数据对应的存储时间;
确定位于预设时间段内的存储时间对应的测试数据,并将位于预设时间段内的存储时间对应的测试数据存储至其他测试数据库。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取生产数据库中的第一生产数据;
根据第一生产数据和初始数据生产模型,得到候选测试数据;
接收客户端发送的接口报文;接口报文中包括真实测试数据;
根据候选测试数据和真实测试数据训练初始数据生产模型,得到目标数据生产模型;
获取生产数据库中的第二生产数据,并根据第二生产数据和目标数据生产模型生成测试数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定训练数据与真实测试数据之间的差异程度;
根据差异程度确定候选数据生产模型;
根据真实测试数据和验证数据,训练候选数据生产模型,得到目标数据生产模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若差异程度大于预设差异程度,则根据训练数据与真实测试数据之间的差异程度,训练初始数据生产模型,得到候选数据生产模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若差异程度不大于预设差异程度,则将初始数据生产模型作为候选数据生产模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据验证数据和候选数据生产模型,确定待测试数据;
根据待测试数据和真实测试数据,训练候选数据生产模型,得到目标数据生产模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据客户端的源地址确定真实测试数据的数据类型;
根据候选测试数据和真实测试数据训练初始数据生产模型,得到目标数据生产模型,包括:
根据候选测试数据、来自不同客户端的不同数据类型的真实测试数据,训练初始数据生产模型,得到目标数据生产模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将测试数据存储至目标数据库;
获取存储至目标数据库的测试数据对应的日志信息;日志信息包括测试数据对应的存储时间;
确定位于预设时间段内的存储时间对应的测试数据,并将位于预设时间段内的存储时间对应的测试数据存储至其他测试数据库。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
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,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种测试数据生成方法,其特征在于,所述方法包括:
获取生产数据库中的第一生产数据;
根据所述第一生产数据和初始数据生产模型,得到候选测试数据;
接收客户端发送的接口报文;所述接口报文中包括真实测试数据;
根据所述候选测试数据和所述真实测试数据训练所述初始数据生产模型,得到目标数据生产模型;
获取所述生产数据库中的第二生产数据,并根据所述第二生产数据和所述目标数据生产模型生成测试数据。
2.根据权利要求1所述的方法,其特征在于,所述候选测试数据包括训练数据和验证数据;所述根据所述候选测试数据和所述真实测试数据训练所述初始数据生产模型,得到目标数据生产模型,包括:
确定所述训练数据与所述真实测试数据之间的差异程度;
根据所述差异程度确定候选数据生产模型;
根据所述真实测试数据和所述验证数据,训练所述候选数据生产模型,得到目标数据生产模型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述差异程度确定候选模型,包括:
若所述差异程度大于预设差异程度,则根据所述训练数据与所述真实测试数据之间的差异程度,训练所述初始数据生产模型,得到所述候选数据生产模型。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
若所述差异程度不大于所述预设差异程度,则将所述初始数据生产模型作为所述候选数据生产模型。
5.根据权利要求2-4任一项所述的方法,其特征在于,所述根据所述真实测试数据和所述验证数据,训练所述候选数据生产模型,得到目标数据生产模型,包括:
根据所述验证数据和所述候选数据生产模型,确定待测试数据;
根据所述待测试数据和所述真实测试数据,训练所述候选数据生产模型,得到所述目标数据生产模型。
6.根据权利要求1所述的方法,其特征在于,所述接口报文中还包括所述客户端的源地址,所述方法还包括:
根据所述客户端的源地址确定所述真实测试数据的数据类型;
所述根据所述候选测试数据和所述真实测试数据训练所述初始数据生产模型,得到目标数据生产模型,包括:
根据所述候选测试数据、来自不同客户端的不同数据类型的所述真实测试数据,训练所述初始数据生产模型,得到所述目标数据生产模型。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述测试数据存储至目标数据库;
获取存储至所述目标数据库的所述测试数据对应的日志信息;所述日志信息包括所述测试数据对应的存储时间;
确定位于预设时间段内的存储时间对应的测试数据,并将位于所述预设时间段内的存储时间对应的测试数据存储至其他测试数据库。
8.一种测试数据生成装置,其特征在于,所述装置包括:
第一获取模块,用于获取生产数据库中的第一生产数据;
第一确定模块,用于根据所述第一生产数据和初始数据生产模型,得到候选测试数据;
接收模块,用于接收客户端发送的接口报文;所述接口报文中包括真实测试数据;
训练模块,用于根据所述候选测试数据和所述真实测试数据训练所述初始数据生产模型,得到目标数据生产模型;
第二获取模块,用于获取所述生产数据库中的第二生产数据,并根据所述第二生产数据和所述目标数据生产模型生成测试数据。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211648141.5A CN116010256A (zh) | 2022-12-21 | 2022-12-21 | 测试数据生成方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211648141.5A CN116010256A (zh) | 2022-12-21 | 2022-12-21 | 测试数据生成方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116010256A true CN116010256A (zh) | 2023-04-25 |
Family
ID=86018579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211648141.5A Pending CN116010256A (zh) | 2022-12-21 | 2022-12-21 | 测试数据生成方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116010256A (zh) |
-
2022
- 2022-12-21 CN CN202211648141.5A patent/CN116010256A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111177473B (zh) | 人员关系分析方法、装置和可读存储介质 | |
CN112214775B (zh) | 防止第三方获取关键图数据信息的对图数据的注入式攻击方法、装置、介质及电子设备 | |
US20220189008A1 (en) | Method for detecting data defects and computing device utilizing method | |
CN114579523A (zh) | 双录文件质检方法、装置、计算机设备和存储介质 | |
CN114549849A (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
CN114880637B (zh) | 账户风险的验证方法、装置、计算机设备和存储介质 | |
CN116010256A (zh) | 测试数据生成方法、装置、设备和存储介质 | |
CN114998001A (zh) | 业务类别识别方法、装置、设备、存储介质和程序产品 | |
CN110599271A (zh) | 票据检测方法、装置、计算机设备和存储介质 | |
CN116599666B (zh) | 密码字典生成方法、装置、计算机设备和存储介质 | |
CN116579350B (zh) | 对话理解模型的鲁棒性分析方法、装置和计算机设备 | |
CN117421717B (zh) | 账号授权方法、装置、计算机设备、存储介质 | |
CN114004456B (zh) | 数据标签的计算方法、装置、计算机设备和存储介质 | |
CN117891935B (zh) | 价值展示图分发方法、装置、电子设备和计算机可读介质 | |
CN117033172A (zh) | 测试数据处理方法、装置、设备、存储介质和程序产品 | |
CN115934521A (zh) | 业务应用的台账信息获取方法、装置和计算机设备 | |
CN115438605A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN117407418A (zh) | 信息获取方法、装置、计算机设备、存储介质和程序产品 | |
CN116611910A (zh) | 风险评估方法、装置、计算机设备和存储介质 | |
CN117453561A (zh) | 测试脚本调用方法、装置、计算机设备和存储介质 | |
CN117391622A (zh) | 资产获取凭证申请的核验方法、装置和计算机设备 | |
CN116916261A (zh) | 服务机构推荐方法、装置、设备、存储介质和程序产品 | |
CN116975664A (zh) | 学习风格分析方法、装置、计算机设备和存储介质 | |
CN118035095A (zh) | 业务处理对象的测试方法、装置、计算机设备、存储介质 | |
CN117591968A (zh) | 视频坐席数据处理方法、装置、计算机设备、介质和产品 |
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 |