CN117435470A - 脚本的自动化测试方法及装置 - Google Patents
脚本的自动化测试方法及装置 Download PDFInfo
- Publication number
- CN117435470A CN117435470A CN202311110093.9A CN202311110093A CN117435470A CN 117435470 A CN117435470 A CN 117435470A CN 202311110093 A CN202311110093 A CN 202311110093A CN 117435470 A CN117435470 A CN 117435470A
- Authority
- CN
- China
- Prior art keywords
- execution
- script
- test
- manual
- test script
- 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
- 238000013515 script Methods 0.000 title claims abstract description 414
- 238000012360 testing method Methods 0.000 title claims abstract description 403
- 238000000034 method Methods 0.000 claims abstract description 98
- 230000008569 process Effects 0.000 claims abstract description 75
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 4
- 238000010998 test method Methods 0.000 abstract description 11
- 238000013522 software testing Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 239000000872 buffer Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012098 association analyses Methods 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种脚本的自动化测试方法及装置,涉及计算机技术领域和软件测试领域,该方法包括:针对每一类型的测试脚本,从该测试脚本进行人工测试执行和自动化测试执行的过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列;所述人工执行序列用于描述测试脚本以人工测试执行的执行要素;建立自动化脚本执行关联模型;所述自动化脚本执行关联模型用于以条件执行序列模拟测试脚本的运行环境,以人工执行序列对测试脚本进行模拟人工测试的脚本测试;将目标测试脚本输入至对应的自动化脚本执行关联模型中,接收所述自动化脚本执行关联模型反馈的针对所述目标测试脚本的测试执行结果。本发明用以提升脚本的自动化测试的效率和准确性。
Description
技术领域
本发明涉及计算机技术领域和软件测试领域,尤其涉及脚本的自动化测试方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
采用QTP(Quick Test Professional,自动测试工具)实现自动化测试后,在自动化脚本在测试环境的执行过程中,由于任务冲突、资源紧张、环境宕机、数据无效等多种原因而导致大量自动化脚本执行失败,执行成功率低。其中测试失败很大一部分原因是测试环境问题。
人员在手工执行手工案例过程中由于人工执行时间固定和人工提前判断等原因,执行成功率往往要高于自动化测试执行。而如何有效解决多应用部署业务自动化测试的执行问题,让自动化测试可以更有效替代手工测试,是目前亟待解决的问题。
发明内容
本发明实施例提供一种脚本的自动化测试方法,用以提升脚本的自动化测试的效率和准确性,该方法包括:
针对每一类型的测试脚本,从该测试脚本进行人工测试执行和自动化测试执行的过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列;所述人工执行序列用于描述测试脚本以人工测试执行的执行要素;所述条件执行序列用于描述与执行要素相关的技术状态信息;
针对每一类型的测试脚本,基于该测试脚本对应的人工执行序列和条件执行序列,建立自动化脚本执行关联模型;所述自动化脚本执行关联模型用于以条件执行序列模拟测试脚本的运行环境,以人工执行序列对测试脚本进行模拟人工测试的脚本测试;
将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中,接收所述自动化脚本执行关联模型反馈的针对所述目标测试脚本的测试执行结果。
本发明实施例还提供一种脚本的自动化测试装置,用以提升脚本的自动化测试的效率和准确性,该装置包括:
序列提取模块,用于针对每一类型的测试脚本,从该测试脚本进行人工测试执行的过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列;所述人工执行序列用于描述测试脚本以人工测试执行的操作信息;所述条件执行序列用于描述测试脚本以人工测试执行的执行要素和环境信息;
自动化脚本执行关联模型建立模块,用于针对每一类型的测试脚本,基于该测试脚本对应的人工执行序列和条件执行序列,建立自动化脚本执行关联模型;所述自动化脚本执行关联模型用于以条件执行序列模拟测试脚本的运行环境,以人工执行序列对测试脚本进行模拟人工测试的脚本测试;
测试执行结果接收模块,用于将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中,接收所述自动化脚本执行关联模型反馈的针对所述目标测试脚本的测试执行结果。
本发明实施例还提供一种计算机设备,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,所述处理器执行所述计算机程序时实现上述脚本的自动化测试方法。
本发明实施例还提供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脚本的自动化测试方法。
本发明实施例还提供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,所述计算机程序被处理器执行时实现上述脚本的自动化测试方法。
本发明实施例中,针对每一类型的测试脚本,从该测试脚本进行人工测试执行和自动化测试执行的过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列;所述人工执行序列用于描述测试脚本以人工测试执行的执行要素;所述条件执行序列用于描述与执行要素相关的技术状态信息;针对每一类型的测试脚本,基于该测试脚本对应的人工执行序列和条件执行序列,建立自动化脚本执行关联模型;所述自动化脚本执行关联模型用于以条件执行序列模拟测试脚本的运行环境,以人工执行序列对测试脚本进行模拟人工测试的脚本测试;将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中,接收所述自动化脚本执行关联模型反馈的针对所述目标测试脚本的测试执行结果,与现有技术中进行脚本的自动化测试的执行成功率低下的技术方案相比,通过将人工测试执行过程数字化,生成人工执行序列和条件执行序列,进而形成自动化脚本执行关联模型,实现对脚本测试进行人工测试的模拟,可使得自动化测试可以更有效替代手工测试,提升了脚本的自动化测试的效率和准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本发明实施例中一种脚本的自动化测试方法的流程示意图;
图2为本发明实施例中一种脚本的自动化测试方法的具体示例图;
图3为本发明实施例中一种脚本的自动化测试方法的具体示例图;
图4为本发明实施例中一种脚本的自动化测试装置的结构示意图;
图5为本发明实施例中用于脚本的自动化测试的计算机设备示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
本文中术语“和/或”,仅仅是描述一种关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
在本说明书的描述中,所使用的“包含”、“包括”、“具有”、“含有”等,均为开放性的用语,即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施,其中的步骤顺序不作限定,可根据需要作适当调整。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
采用QTP(Quick Test Professional,自动测试工具)实现自动化测试后,在自动化脚本在测试环境的执行过程中,由于任务冲突、资源紧张、环境宕机、数据无效等多种原因而导致大量自动化脚本执行失败,执行成功率低。其中测试失败很大一部分原因是测试环境问题。
人员在手工执行手工案例过程中由于人工执行时间固定和人工提前判断等原因,执行成功率往往要高于自动化测试执行。而如何有效解决多应用部署业务自动化测试的执行问题,让自动化测试可以更有效替代手工测试,是目前亟待解决的问题。
为了解决上述问题,本发明实施例提供了一种脚本的自动化测试方法,用以提升脚本的自动化测试的效率和准确性,参见图1,该方法可以包括:
步骤101:针对每一类型的测试脚本,从该测试脚本进行人工测试执行和自动化测试执行的过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列;所述人工执行序列用于描述测试脚本以人工测试执行的执行要素;所述条件执行序列用于描述与执行要素相关的技术状态信息;
步骤102:针对每一类型的测试脚本,基于该测试脚本对应的人工执行序列和条件执行序列,建立自动化脚本执行关联模型;所述自动化脚本执行关联模型用于以条件执行序列模拟测试脚本的运行环境,以人工执行序列对测试脚本进行模拟人工测试的脚本测试;
步骤103:将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中,接收所述自动化脚本执行关联模型反馈的针对所述目标测试脚本的测试执行结果。
本发明实施例中,针对每一类型的测试脚本,从该测试脚本进行人工测试执行和自动化测试执行的过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列;所述人工执行序列用于描述测试脚本以人工测试执行的执行要素;所述条件执行序列用于描述与执行要素相关的技术状态信息;针对每一类型的测试脚本,基于该测试脚本对应的人工执行序列和条件执行序列,建立自动化脚本执行关联模型;所述自动化脚本执行关联模型用于以条件执行序列模拟测试脚本的运行环境,以人工执行序列对测试脚本进行模拟人工测试的脚本测试;将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中,接收所述自动化脚本执行关联模型反馈的针对所述目标测试脚本的测试执行结果,与现有技术中进行脚本的自动化测试的执行成功率低下的技术方案相比,通过将人工测试执行过程数字化,生成人工执行序列和条件执行序列,进而形成自动化脚本执行关联模型,实现对脚本测试进行人工测试的模拟,可使得自动化测试可以更有效替代手工测试,提升了脚本的自动化测试的效率和准确性。
具体实施时,首先针对每一类型的测试脚本,从该测试脚本进行人工测试执行和自动化测试执行的过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列;所述人工执行序列用于描述测试脚本以人工测试执行的执行要素;所述条件执行序列用于描述与执行要素相关的技术状态信息。
实施例中,执行要素可以包括脚本名称、脚本类别、执行环境、数据类别和执行时间;执行要素用于描述在测试脚本的执行过程中涉及的各种属性参数;技术状态信息可以包括应用环境1状态、应用环境2状态、……、应用环境n状态、环境连接状态、环境批量状态、日期一致性比较等技术状态信息。
具体实施时,在针对每一类型的测试脚本,从该测试脚本进行人工测试执行和自动化测试执行的过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列后,针对每一类型的测试脚本,基于该测试脚本对应的人工执行序列和条件执行序列,建立自动化脚本执行关联模型;所述自动化脚本执行关联模型用于以条件执行序列模拟测试脚本的运行环境,以人工执行序列对测试脚本进行模拟人工测试的脚本测试。
在一个实施例中,针对每一类型的测试脚本,从该测试脚本进行人工测试执行和自动化测试执行的过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列,包括:
针对每一类型的测试脚本,获取该类型测试脚本进行自动化测试执行的多个第一过程数据;获取该类型测试脚本进行人工测试执行的第二过程数据;所述过程数据包括测试过程的执行要素、与执行要素相关的技术状态信息和测试结果信息;
将第一过程数据中测试结果信息、与所述第二过程数据的测试结果信息相同的第一过程数据,确定为样本数据;
从样本数据中提取对应该测试脚本的条件执行序列;
从所述第二过程数据中提取对应该测试脚本的人工执行序列。
在上述实施例中,针对每一类型的测试脚本,获取该类型测试脚本进行自动化测试执行的多个第一过程数据;获取该类型测试脚本进行人工测试执行的第二过程数据;所述过程数据包括测试过程的执行要素、与执行要素相关的技术状态信息和测试结果信息;将第一过程数据中测试结果信息、与所述第二过程数据的测试结果信息相同的第一过程数据,确定为样本数据,可通过自动化大批量模拟人工执行,将自动化执行结果同人工执行结果一致的执行数据保留,作为有效样本数据,从而快速实现大量执行样本数据的积累。
在上述实施例中,从样本数据中提取对应该测试脚本的条件执行序列,可包括:抓取自动化测试执行的脚本所有关联要素的状态信息,如应用环境1状态、应用环境2状态、应用环境n状态、环境连接状态、环境批量状态、日期一致性比较等技术状态信息,从而可在后续步骤中对应自动化执行样本形成完整样本信息,使得每一条样本信息均包括脚本名称、脚本类别、数据类别、执行时间、和所有N个关联要素的状态信息。
在一个实施例中,从样本数据中提取对应该测试脚本的条件执行序列,包括:
针对每一样本数据,确定样本数据中每一执行要素和与每一执行要素相关的技术状态信息;
基于熵权分析法,对样本数据中执行要素进行熵权分析,计算每一执行要素的熵权;将熵权低于预设数值的执行要素,确定为序列执行要素;
根据所述序列执行要素相关的技术状态信息,生成对应该测试脚本的条件执行序列。
实施例中,可首先对不同的执行要素进行不同维度的组合,如以脚本维度、脚本类别维度等不同组合维度,对所有关联要素进行熵权的关联要素迭代分析,从而找到强关联要素,作为序列执行要素,实现对该脚本运行的前置决策条件的设置,从而可在后续步骤中形成该脚本的组合执行条件,即对应该测试脚本的条件执行序列。
举一基于熵权分析法,对样本数据中执行要素进行熵权分析,计算每一执行要素的熵权;将熵权低于预设数值的执行要素,确定为序列执行要素;根据所述序列执行要素相关的技术状态信息,生成对应该测试脚本的条件执行序列的实例,如:
如按照案例维度进行熵权的关联要素迭代分析,可涉及4个执行要素,(值得说明的是:实际例子要复杂很多,涉及要素可为上百个,可按照案例、类别、类别+数据、案例+数据等多维度,此处仅进行举例),假设案例脚本A,同4个要素相关,分别为要素1至要素4,对应(环境1、环境2、连接1、日期一致)此四个状态信息,总共24个样本,按该案例维度24次执行成功:
根据如下公式:
其中,Ei表示第i个执行要素的熵权;Pij表示第i个执行要素处于第j个状态信息的比重;所述比重用于描述第i个执行要素处于第j个状态信息的样本数据个数、与样本数据总数的比例;n表示样本数据中执行要素的数量。
需要找到某一个脚本同批量的关系,假设批量状态包含:批量前、批量后、日间批量、日终批量。
那么通过所有运行成功脚本对应的4种状态的概率,假设(1)运行成功100次,100次都是处于批量后的状态,4种状态概率分别为0、1、0、0,选择Ei=0,表示该脚本执行条件同批量运行100%相关。
假设(2)运行成功100次,100次有25次处于批量后的状态,有20次处于日间批量状态,有15次处于日终批量状态,有40次处于批量后状态,则4种状态概率分别为25%,20%,25%,30%。则Ei计算
Ei=-1/ln4(0.25×ln(0.25)+0.2×ln(0.2)+0.25×ln(0.25)+0.3×ln(0.3))=-0.7213×(0.25×-1.386+0.2×-2.3223+0.25×-1.386+0.3×-1.204)=0.99
表示该脚本执行条件同批量运行完全不相关。
那么计算在24次执行成功样本中,各个要素的熵,假设每个要素对应2种状态,按照各要素概率计算熵:
E(要素1)=0----表示100%相关;
E(要素2)=0.68---基本无关;
E(要素3)=0.29----表示强相关;
E(要素4)=0.62----基本无关;
从而可将强相关要素定义为模型条件1,并去掉基本无关要素,继续对相关要素分析,不断迭代学习优化模型,最终建立关联模型。
在一个实施例中,从所述第二过程数据中提取对应该测试脚本的人工执行序列,包括:
针对每一类型的测试脚本,获取所述第二过程数据中的测试环境日志;
采用异步准实时方式,从所述测试环境日志中提取对应该测试脚本的人工执行序列。
具体实施例,在针对每一类型的测试脚本,基于该测试脚本对应的人工执行序列和条件执行序列,建立自动化脚本执行关联模型后,将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中,接收所述自动化脚本执行关联模型反馈的针对所述目标测试脚本的测试执行结果
实施例中,测试脚本的人工执行时刻、执行环境、执行数据和执行人员。
在一个实施例中,还包括:
获取目标测试脚本的目标执行要素、和与执行要素相关的目标技术状态信息;
将所述目标技术状态信息、与对应该目标测试脚本的类型的自动化脚本执行关联模型所涉及的技术状态信息进行匹配;
将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中,包括:
在匹配通过后,将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中。
实施例中,通过获取目标测试脚本的目标执行要素、和与执行要素相关的目标技术状态信息;
将所述目标技术状态信息、与对应该目标测试脚本的类型的自动化脚本执行关联模型所涉及的技术状态信息进行匹配,可根据每一个脚本的执行关联条件,在执行前判断关联要素状态是否满足模型中所有执行条件,如果满足的话进行自动化脚本执行。
在一个实施例中,还包括:
持续从获取的每一类型的测试脚本的所述过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列;
以持续提取的人工执行序列和条件执行序列,对自动化脚本执行关联模型进行迭代学习,得到更新后的自动化脚本执行关联模型
实施例中,每一次自动化执行结果再次生成执行样本,中间包含了执行数据和所有模型中的条件要素数据,不断迭代学习优化执行关联模型,直到执行成功率达到预设数值,如95%以上。
此外,对于执行关联模型一样的脚本进一步进行归纳分析,通过关联分析脚本属性的值,找到模型同属性之间的关系,从而优化模型;对于执行成功率持续偏低的脚本模型,进一步下降脚本分析颗粒,累加上数据、日期等要素进一步分析关联度。
下面给出一个具体实施例,来说明本发明的方法的具体应用,该实施例中,如图2所示,可以包括如下步骤:
1、将测试案例执行的过程数据要素化,形成数据序列。
例如AL1(时间、环境、数据类别)从测试环境日志中提取,实时抓取形成人工执行序列。
举例如下:某开户交易,该交易人工执行的时间、执行的环境、执行的数据、执行的人员,构成了该案例的执行数据序列(即人工执行序列):
案例交易1501
执行时间2023-06-02 15:40:00
执行环境四套环境
执行数据客编+姓名+身份证号+金额;
构成的执行序列为交易1501(2023-06-02 15:40:00,4,xx金额)
之前的自动化脚本执行是根据用户制定的执行策略来执行,例如定义每天9:00-15:00执行1次,那么执行机就会按照用户制定的执行策略,默认在9:00来执行1笔。
根据日志提取的手工交易执行序列,采用异步准实时方式从日志中提取手工执行序列,按照序列中的执行条件准实时同步在自动化案例执行机上动态模拟手工案例执行过程,同步发起同一案例、同一类别数据的自动化脚本执行。实现自动化脚本的手工模拟执行。实施例中,可定义不同时间间隔去提取日志中的手工执行记录,并在自动化执行平台上调度同类别自动化案例来执行。
2、按不同业务领域圈定该业务交易的前提条件范围,将测试案例执行的前提条件要素数字化,形成执行条件序列。其中,业务交易对应测试案例,测试案例对应自动化脚本,测试案例和自动化脚本对应关系是,1个测试案例可以对应1个或多个自动化脚本。
例如AL1条件(应用环境1状态、应用环境2状态、……、应用环境n状态、环境连接状态、环境批量状态、日期一致性比较、其他技术状态),通过熵权分析法进行关联条件因素分析,建立每一个案例的执行条件模型。
对于某项指标可用熵值来判断某个指标的离散程度,其熵值越小,指标的离散程度越大,该指标对综合评价的影响(即权重)也越大。具体的,首先可通过熵值计算,筛选出同执行相关的因素,去掉无关因素;其次,对于强相关因素和状态,可将其设置为执行的前置条件;对于其他相关因素,通过不断数据积累迭代优化,最终定位组合相关要素项。
按如下公式求各指标的信息熵:
根据信息熵的计算公示,计算出各个关联要素的信息熵为E1,E2,.......Ei;从而根据信息熵的量化计算筛选出关联要素项。
实施例中,还可包括:
按如下公式通过信息熵计算各关联条件状态的权重,按权重高低优先级别迭代进行学习:
其中,Wi表示第i个执行要素在k个执行要素中的权重。通过按权重高低优先级别迭代进行学习,有助于在后续步骤中区分自动化脚本执行关联模型的迭代学习主次顺序,使得自动化脚本执行关联模型的训练和更新过程更能贴合测试脚本的测试过程。
3、参加图2,根据自动化脚本执行关联模型,通过执行环境的数字状态分析,可以动态制定可运行的自动化脚本的执行策略和执行计划,从而实现自动化脚本的智能执行,并保证了自动化执行的执行频度和执行成功率,从而增大自动化效果(高于手工执行频度)
举例,假如已经确认案例交易1501的执行条件模型为(应用环境1状态(OK)、环境连接状态(OK)、环境批量状态(批后)、日期一致性比较(平台间日期一致)、运行时间(批后14:00-16:00)其他技术状态等。
同时假如已分析确认案例交易1502同案例交易1501执行条件相类似,那么每日通过环境全链路监控平台上可以实时拿取到上述执行条件信息,从而按照条件判断智能打包运营具备条件的案例。其中,该平台为环境监测平台,可实时记录所有环境的状态信息,运行信息和关键应用信息。
例如当平台上抓取信息显示((应用环境1状态(OK)、环境连接状态(OK)、环境批量状态(批后)、日期一致性比较(平台间日期一致)、运行时间(批后14:00-16:00))时,即智能发起脚本运行。
4、按阶段分析自动化执行过程中的执行关联因素和脚本之间的关联度,不断学习优化执行模型,调整执行策略计划,通过大量学习后,建立每一个脚本的执行关联模型后,再通过自动化执行数据迭代自我学习,不断优化调整模型。
举一建立自动化脚本执行关联模型的实例,步骤如下所示:
第一步,如人工执行交易1,在日志中生成交易1的执行数据记录A,同时提取交易1所有关联执行条件(即执行要素和执行要素的技术状态信息),如包括环境状态、技术状态、日期状态、批量状态等的状态,生成交易1执行数据记录A对应的执行条件数据记录。交易1的执行数据记录A执行条件数据记录,合并为交易1的执行全量记录;
第二步,通过交易1的执行数据记录,在自动化案例库中提取同交易1对应的自动化脚本,打包批量运行这部分自动化脚本,生成大量样本数据;
第三步,通过自动化大批量模拟人工执行,将自动化执行结果同人工执行结果一致的执行数据保留,作为有效样本数据;可快速实现大量执行样本数据的积累。样本数据包括执行数据记录和对应的执行条件状态记录;在自动化执行同时,抓取自动化脚本所有关联要素的状态信息,AL1条件(应用环境1状态、应用环境2状态、……、应用环境n状态、环境连接状态、环境批量状态、日期一致性比较、其他技术状态),对应自动化执行样本形成完整样本信息,每一条样本信息包括脚本名称、脚本类别、数据类别、执行时间等所有关联要素的状态信息;
第四步,以脚本维度,脚本类别维度等不同组合维度,对所有N个关联要素进行熵权的关联要素迭代分析,找到强关联要素,设置为该脚本运行的前置决策条件。从而形成该脚本的组合执行条件。去掉不相关条件。对于相关条件按照优先级别开展迭代分析。
此外,上述实例还可以包括如下步骤:
第一步,根据每一个脚本的执行关联条件,在执行前判断关联要素状态是否满足模型中所有执行条件,如果满足的话进行自动化脚本执行。
第二步,根据每一个脚本的执行关联条件,判断关联要素状态满足模型中所有执行条件的时间,设定自动化脚本的执行计划。
第三步,每一次自动化执行结果再次生成执行样本,中间包含了执行数据和所有模型中的条件要素数据,不断迭代学习优化执行关联模型,直到执行成功率达到95%以上。
举一实例,如根据建立的模型运行脚本后应该达到成功,如果没有达到100%执行成功,就需要继续对其中执行成功的模型要素继续进行迭代的熵权计算,从而进一步优化模型算法。优化过程中一是继续对已列入要素进行迭代熵权学习,另一方面如果执行成功率一直无法达到100%,就需要进一步从联机环境状态、批量环境状态、日期特征、业务参数等方面继续引入新的要素找到关联要素。根据每一个脚本的执行关联条件,判断关联要素状态满足模型中所有执行条件的时间,设定自动化脚本的执行计划。每一次自动化执行结果再次生成执行样本,中间包含了执行数据和所有模型中的条件要素数据,不断迭代学习优化执行关联模型,直到执行成功率达到95%以上。
第四步,对于执行关联模型一样的脚本进一步进行归纳分析,通过关联分析脚本属性的值,找到模型同属性之间的关系,从而优化模型。
第五步,对于执行成功率持续偏低的脚本模型,进一步下降脚本分析颗粒,累加上数据、日期等要素进一步分析关联度。
本实例可实现自动化执行的不断优化提升,通过实时生成脚本可执行的分析数据,传送到手工执行进程端,手工执行人员也可参考自动化执行的分析情况,指导手工执行工作,减少人工判断沟通成本。
本实施例基于数字孪生的自动化测试智能执行机,涉及自动化测试技术、数字孪生技术、智能建模技术。其中,智能模型主要指在执行关联模型,通过自动化执行所有要素和执行结果的数据积累和自我学习,最终建立每一个自动化脚本的执行模型,形成1对1精准执行模型。
本实施例实现基于数字孪生的自动化测试智能执行机,涉及如下内容:
一是将人工测试执行过程数字化,将该执行数字序列映射到自动化脚本执行机,形成自动化脚本模拟执行策略,以模拟手工测试执行过程。
二是实现对脚本执行要素和脚本关联分析,通过智能分析建立每个脚本的执行因素模型和执行关联模型,数据映射到自动化执行机,从而在自动化执行进程中生成符合手工执行状态的执行策略和执行计划。
三是不断学习优化,扩充关联条件要素和关联脚本,不断优化执行策略和执行计划,不断提升自动化脚本的执行成功率和执行频度。
四是将自动化执行成功和可执行状态的实时分析,映射到实际手工执行进程端,手工测试人员可更好安排自己手工执行工作,减少沟通和评估过程成本。
当然,可以理解的是,上述详细流程还可以有其他变化例,相关变化例均应落入本发明的保护范围。
本发明实施例中,针对每一类型的测试脚本,从该测试脚本进行人工测试执行的过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列;所述人工执行序列用于描述测试脚本以人工测试执行的操作信息;所述条件执行序列用于描述测试脚本以人工测试执行的执行要素和环境信息;针对每一类型的测试脚本,基于该测试脚本对应的人工执行序列和条件执行序列,建立自动化脚本执行关联模型;所述自动化脚本执行关联模型用于以条件执行序列模拟测试脚本的运行环境,以人工执行序列对测试脚本进行模拟人工测试的脚本测试;将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中,接收所述自动化脚本执行关联模型反馈的针对所述目标测试脚本的测试执行结果,与现有技术中进行脚本的自动化测试的执行成功率低下的技术方案相比,通过将人工测试执行过程数字化,生成人工执行序列和条件执行序列,进而形成自动化脚本执行关联模型,实现对脚本测试进行人工测试的模拟,可使得自动化测试可以更有效替代手工测试,提升了脚本的自动化测试的效率和准确性。
本发明实施例中还提供了一种脚本的自动化测试装置,如下面的实施例所表述的。由于该装置解决问题的原理与脚本的自动化测试方法相似,因此该装置的实施可以参见脚本的自动化测试方法的实施,重复之处不再赘述。
本发明实施例还提供一种脚本的自动化测试装置,用以提升脚本的自动化测试的效率和准确性,如图3所示,该装置包括:
序列提取模块301,用于针对每一类型的测试脚本,从该测试脚本进行人工测试执行和自动化测试执行的过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列;所述人工执行序列用于描述测试脚本以人工测试执行的执行要素;所述条件执行序列用于描述与执行要素相关的技术状态信息;
自动化脚本执行关联模型建立模块302,用于针对每一类型的测试脚本,基于该测试脚本对应的人工执行序列和条件执行序列,建立自动化脚本执行关联模型;所述自动化脚本执行关联模型用于以条件执行序列模拟测试脚本的运行环境,以人工执行序列对测试脚本进行模拟人工测试的脚本测试;
测试执行结果接收模块303,用于将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中,接收所述自动化脚本执行关联模型反馈的针对所述目标测试脚本的测试执行结果。
在一个实施例中,所述执行要素包括:测试脚本的人工执行时刻、执行环境、执行数据和执行人员。
在一个实施例中,序列提取模块,具体用于:
针对每一类型的测试脚本,获取该类型测试脚本进行自动化测试执行的多个第一过程数据;获取该类型测试脚本进行人工测试执行的第二过程数据;所述过程数据包括测试过程的执行要素、与执行要素相关的技术状态信息和测试结果信息;
将第一过程数据中测试结果信息、与所述第二过程数据的测试结果信息相同的第一过程数据,确定为样本数据;
从样本数据中提取对应该测试脚本的条件执行序列;
从所述第二过程数据中提取对应该测试脚本的人工执行序列。
在一个实施例中,序列提取模块,具体用于:
针对每一样本数据,确定样本数据中每一执行要素和与每一执行要素相关的技术状态信息;
基于熵权分析法,对样本数据中执行要素进行熵权分析,计算每一执行要素的熵权;将熵权低于预设数值的执行要素,确定为序列执行要素;
根据所述序列执行要素相关的技术状态信息,生成对应该测试脚本的条件执行序列。
在一个实施例中,序列提取模块,具体用于:
针对每一类型的测试脚本,获取所述第二过程数据中的测试环境日志;
采用异步准实时方式,从所述测试环境日志中提取对应该测试脚本的人工执行序列。
在一个实施例中,如图4所示,还包括:
技术状态信息匹配模块401,用于:
获取目标测试脚本的目标执行要素、和与执行要素相关的目标技术状态信息;
将所述目标技术状态信息、与对应该目标测试脚本的类型的自动化脚本执行关联模型所涉及的技术状态信息进行匹配;
将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中,包括:
在匹配通过后,将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中。
本发明实施例提供一种用于实现上述脚本的自动化测试方法中的全部或部分内容的计算机设备的实施例所述计算机设备具体包含有如下内容:
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述通信接口用于实现相关设备之间的信息传输;该计算机设备可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该计算机设备可以参照实施例用于实现脚本的自动化测试方法的实施例及用于实现脚本的自动化测试装置的实施例进行实施,其内容被合并于此,重复之处不再赘述。
图5为本申请实施例的计算机设备1000的系统构成的示意框图。如图5所示,该计算机设备1000可以包括中央处理器1001和存储器1002;存储器1002耦合到中央处理器1001。值得注意的是,该图5是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
一实施例中,脚本的自动化测试功能可以被集成到中央处理器1001中。其中,中央处理器1001可以被配置为进行如下控制:
针对每一类型的测试脚本,从该测试脚本进行人工测试执行和自动化测试执行的过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列;所述人工执行序列用于描述测试脚本以人工测试执行的执行要素;所述条件执行序列用于描述与执行要素相关的技术状态信息;
针对每一类型的测试脚本,基于该测试脚本对应的人工执行序列和条件执行序列,建立自动化脚本执行关联模型;所述自动化脚本执行关联模型用于以条件执行序列模拟测试脚本的运行环境,以人工执行序列对测试脚本进行模拟人工测试的脚本测试;
将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中,接收所述自动化脚本执行关联模型反馈的针对所述目标测试脚本的测试执行结果。
在另一个实施方式中,脚本的自动化测试装置可以与中央处理器1001分开配置,例如可以将脚本的自动化测试装置配置为与中央处理器1001连接的芯片,通过中央处理器的控制来实现脚本的自动化测试功能。
如图5所示,该计算机设备1000还可以包括:通信模块1003、输入单元1004、音频处理器1005、显示器1006、电源1007。值得注意的是,计算机设备1000也并不是必须要包括图5中所示的所有部件;此外,计算机设备1000还可以包括图5中没有示出的部件,可以参考现有技术。
如图5所示,中央处理器1001有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器1001接收输入并控制计算机设备1000的各个部件的操作。
其中,存储器1002,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器1001可执行该存储器1002存储的该程序,以实现信息存储或处理等。
输入单元1004向中央处理器1001提供输入。该输入单元1004例如为按键或触摸输入装置。电源1007用于向计算机设备1000提供电力。显示器1006用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器1002可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器1002还可以是某种其它类型的装置。存储器1002包括缓冲存储器1021(有时被称为缓冲器)。存储器1002可以包括应用/功能存储部1022,该应用/功能存储部1022用于存储应用程序和功能程序或用于通过中央处理器1001执行计算机设备1000的操作的流程。
存储器1002还可以包括数据存储部1023,该数据存储部1023用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由计算机设备使用的数据。存储器1002的驱动程序存储部1024可以包括计算机设备的用于通信功能和/或用于执行计算机设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块1003即为经由天线1008发送和接收信号的发送机/接收机1003。通信模块(发送机/接收机)1003耦合到中央处理器1001,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一计算机设备中,可以设置有多个通信模块1003,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)1003还经由音频处理器1005耦合到扬声器1009和麦克风1010,以经由扬声器1009提供音频输出,并接收来自麦克风1010的音频输入,从而实现通常的电信功能。音频处理器1005可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器1005还耦合到中央处理器1001,从而使得可以通过麦克风1010能够在本机上录音,且使得可以通过扬声器1009来播放本机上存储的声音。
本发明实施例还提供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脚本的自动化测试方法。
本发明实施例还提供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,所述计算机程序被处理器执行时实现上述脚本的自动化测试方法。
本发明实施例中,针对每一类型的测试脚本,从该测试脚本进行人工测试执行和自动化测试执行的过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列;所述人工执行序列用于描述测试脚本以人工测试执行的执行要素;所述条件执行序列用于描述与执行要素相关的技术状态信息;针对每一类型的测试脚本,基于该测试脚本对应的人工执行序列和条件执行序列,建立自动化脚本执行关联模型;所述自动化脚本执行关联模型用于以条件执行序列模拟测试脚本的运行环境,以人工执行序列对测试脚本进行模拟人工测试的脚本测试;将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中,接收所述自动化脚本执行关联模型反馈的针对所述目标测试脚本的测试执行结果,与现有技术中进行脚本的自动化测试的执行成功率低下的技术方案相比,通过将人工测试执行过程数字化,生成人工执行序列和条件执行序列,进而形成自动化脚本执行关联模型,实现对脚本测试进行人工测试的模拟,可使得自动化测试可以更有效替代手工测试,提升了脚本的自动化测试的效率和准确性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种脚本的自动化测试方法,其特征在于,包括:
针对每一类型的测试脚本,从该测试脚本进行人工测试执行和自动化测试执行的过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列;所述人工执行序列用于描述测试脚本以人工测试执行的执行要素;所述条件执行序列用于描述与执行要素相关的技术状态信息;
针对每一类型的测试脚本,基于该测试脚本对应的人工执行序列和条件执行序列,建立自动化脚本执行关联模型;所述自动化脚本执行关联模型用于以条件执行序列模拟测试脚本的运行环境,以人工执行序列对测试脚本进行模拟人工测试的脚本测试;
将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中,接收所述自动化脚本执行关联模型反馈的针对所述目标测试脚本的测试执行结果。
2.如权利要求1所述的方法,其特征在于,针对每一类型的测试脚本,从该测试脚本进行人工测试执行和自动化测试执行的过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列,包括:
针对每一类型的测试脚本,获取该类型测试脚本进行自动化测试执行的多个第一过程数据;获取该类型测试脚本进行人工测试执行的第二过程数据;所述过程数据包括测试过程的执行要素、与执行要素相关的技术状态信息和测试结果信息;
将第一过程数据中测试结果信息、与所述第二过程数据的测试结果信息相同的第一过程数据,确定为样本数据;
从样本数据中提取对应该测试脚本的条件执行序列;
从所述第二过程数据中提取对应该测试脚本的人工执行序列。
3.如权利要求2所述的方法,其特征在于,从样本数据中提取对应该测试脚本的条件执行序列,包括:
针对每一样本数据,确定样本数据中每一执行要素和与每一执行要素相关的技术状态信息;
基于熵权分析法,对样本数据中执行要素进行熵权分析,计算每一执行要素的熵权;将熵权低于预设数值的执行要素,确定为序列执行要素;
根据所述序列执行要素相关的技术状态信息,生成对应该测试脚本的条件执行序列。
4.如权利要求3所述的方法,其特征在于,按如下公式基于熵权分析法,对样本数据中执行要素进行熵权分析,计算每一执行要素的熵权:
其中,Ei表示第i个执行要素的熵权;Pij表示第i个执行要素处于第j个状态信息的比重;所述比重用于描述第i个执行要素处于第j个状态信息的样本数据个数、与样本数据总数的比例;n表示样本数据中执行要素的数量。
5.如权利要求2所述的方法,其特征在于,从所述第二过程数据中提取对应该测试脚本的人工执行序列,包括:
针对每一类型的测试脚本,获取所述第二过程数据中的测试环境日志;
采用异步准实时方式,从所述测试环境日志中提取对应该测试脚本的人工执行序列。
6.如权利要求1所述的方法,其特征在于,还包括:
获取目标测试脚本的目标执行要素、和与执行要素相关的目标技术状态信息;
将所述目标技术状态信息、与对应该目标测试脚本的类型的自动化脚本执行关联模型所涉及的技术状态信息进行匹配;
将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中,包括:
在匹配通过后,将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中。
7.如权利要求1所述的方法,其特征在于,针对每一类型的测试脚本建立的自动化脚本执行关联模型以如下方式持续更新:
持续从获取的每一类型的测试脚本的所述过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列;
以持续提取的人工执行序列和条件执行序列,对针对不同类型的测试脚本的自动化脚本执行关联模型进行迭代学习,得到针对不同类型的测试脚本的更新后自动化脚本执行关联模型。
8.如权利要求1所述的方法,其特征在于,所述执行要素包括:测试脚本的人工执行时刻、执行环境、执行数据和执行人员。
9.一种脚本的自动化测试装置,其特征在于,包括:
序列提取模块,用于针对每一类型的测试脚本,从该测试脚本进行人工测试执行和自动化测试执行的过程数据中,提取对应该测试脚本的人工执行序列和条件执行序列;所述人工执行序列用于描述测试脚本以人工测试执行的执行要素;所述条件执行序列用于描述与执行要素相关的技术状态信息;
自动化脚本执行关联模型建立模块,用于针对每一类型的测试脚本,基于该测试脚本对应的人工执行序列和条件执行序列,建立自动化脚本执行关联模型;所述自动化脚本执行关联模型用于以条件执行序列模拟测试脚本的运行环境,以人工执行序列对测试脚本进行模拟人工测试的脚本测试;
测试执行结果接收模块,用于将目标测试脚本输入至对应该目标测试脚本的类型的自动化脚本执行关联模型中,接收所述自动化脚本执行关联模型反馈的针对所述目标测试脚本的测试执行结果。
10.一种计算机设备,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,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8任一所述方法。
11.一种计算机可读存储介质,其特征在于,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权利要求1至8任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311110093.9A CN117435470A (zh) | 2023-08-30 | 2023-08-30 | 脚本的自动化测试方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311110093.9A CN117435470A (zh) | 2023-08-30 | 2023-08-30 | 脚本的自动化测试方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117435470A true CN117435470A (zh) | 2024-01-23 |
Family
ID=89550517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311110093.9A Pending CN117435470A (zh) | 2023-08-30 | 2023-08-30 | 脚本的自动化测试方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117435470A (zh) |
-
2023
- 2023-08-30 CN CN202311110093.9A patent/CN117435470A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3489869A1 (en) | Modeling method and device for evaluation model | |
CN112783793B (zh) | 自动化接口测试系统及方法 | |
CN110738564A (zh) | 贷后风险评估方法及装置、存储介质 | |
CN109976998B (zh) | 一种软件缺陷预测方法、装置和电子设备 | |
CN105373478B (zh) | 自动化测试方法和系统 | |
CN111949795A (zh) | 工单自动分类方法及装置 | |
CN113094284A (zh) | 应用故障检测方法及装置 | |
CN111861488A (zh) | 机器学习模型对比方法及装置 | |
CN112527676A (zh) | 模型自动化测试方法、装置及存储介质 | |
CN115730947A (zh) | 银行客户流失预测方法及装置 | |
CN112882934B (zh) | 基于缺陷增长的测试分析方法及系统 | |
CN113344708A (zh) | 大型系统投产演练应用评估方法及系统 | |
CN117435470A (zh) | 脚本的自动化测试方法及装置 | |
CN114141236B (zh) | 语言模型更新方法、装置、电子设备及存储介质 | |
CN114840421A (zh) | 日志数据处理方法及装置 | |
CN115375965A (zh) | 一种目标场景识别的预处理方法、目标场景识别方法 | |
CN113515577A (zh) | 数据预处理方法及装置 | |
CN114971240A (zh) | 一种阅读行为风险评估处理方法及装置 | |
CN114138675A (zh) | 一种接口测试用例生成方法、装置、电子设备及存储介质 | |
CN113657656A (zh) | 贷款数据分析预测方法及装置 | |
CN112785451B (zh) | 一种油气勘探成效定量分析方法及装置 | |
CN113536672B (zh) | 目标对象处理方法及装置 | |
CN112434839B (zh) | 一种配电变压器重过载风险的预测方法及电子设备 | |
CN116860625A (zh) | 一种基于接口分级的接口自动化案例检查方法及系统 | |
CN114546655A (zh) | 应用程序性能容量评估方法、动态扩容方法及装置 |
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 |