CN118312399A - 一种测试环境检测方法及电子设备和计算机可读存储介质 - Google Patents
一种测试环境检测方法及电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN118312399A CN118312399A CN202410739183.2A CN202410739183A CN118312399A CN 118312399 A CN118312399 A CN 118312399A CN 202410739183 A CN202410739183 A CN 202410739183A CN 118312399 A CN118312399 A CN 118312399A
- Authority
- CN
- China
- Prior art keywords
- test
- equipment
- performance
- devices
- storage
- 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 106
- 238000003860 storage Methods 0.000 title claims abstract description 82
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000015654 memory Effects 0.000 claims abstract description 30
- 238000012549 training Methods 0.000 claims abstract description 11
- 238000011897 real-time detection Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000007787 long-term memory Effects 0.000 claims description 3
- 230000006403 short-term memory Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011056 performance test Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Landscapes
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明公开了一种测试环境检测方法及电子设备和计算机可读存储介质，涉及计算机技术领域技术领域，该方法的步骤包括：构建一个测试平台，根据硬件规格为设备分配初始权重；计算性能指标测试量，并训练设备性能长短期记忆模型，预测未来的性能变化趋势，得到设备性能变化率，设置性能变化阈值，判断是否将该设备从设备候选列表中移除，或运行负载剥离策略后通过设备性能变化率为设备重新分配权重，分配新的请求；通过测试工具将分配后的新的请求再次计算性能指标测试量，实现实时检测。本发明能够及时从系统中移除性能不佳的设备，防止其对系统性能产生负面影响，从而提高系统的整体稳定性。
Description
技术领域
本发明涉及计算机技术领域技术领域，具体为一种测试环境检测方法及电子设备和计算机可读存储介质。
背景技术
随着信息技术的飞速发展，软件系统在现代社会中的应用越来越广泛，从企业级应用到个人消费产品，从云计算到物联网，性能问题已经成为衡量软件系统成功与否的关键因素之一。然而，在实际的软件开发过程中，性能问题往往难以预测和避免，这主要源于复杂的系统架构、不断变化的用户需求和不断更新的技术环境。
为了确保软件系统的性能满足用户需求，开发者通常会在软件开发的不同阶段进行性能测试。然而，性能测试的结果往往受到测试环境的影响，包括硬件配置、操作系统、网络环境等。因此，如何构建一个稳定、可靠且能够真实反映软件系统性能的测试环境，成为了当前软件性能测试领域亟待解决的问题。
目前，虽然存在多种性能测试工具和方法，但大多数都缺乏对测试环境本身性能的评估和检测。在实际的测试过程中，测试环境的性能波动可能会对测试结果产生干扰，导致测试结果的不准确和不可靠。因此，需要一种更加全面、高效的性能测试方法来适应大数据环境的需求。
例如现有的公开号为CN109753418A的中国专利公开了性能测试方法、装置、计算机设备和存储介质，包括：客户端将交易请求发送到区块链网络中，区块链网络对交易请求进行校验并发送校验结果到客户端中，其中，校验结果包含第一时间戳；当区块链网络的节点对交易数据进行处理并达成共识时，发送出块指令到客户端中，其中，出块指令包含第二时间戳；客户端根据校验结果的第一时间戳和出块指令的第二时间戳生成测试结果。但这种设计没有考虑测试环境的复杂性和测试场景的局限性，测试结果可能无法全面反映存储设备或区块链网络的性能表现，为此，本发明提供一种测试环境检测方法及电子设备和计算机可读存储介质。
发明内容
本发明的目的在于提供一种测试环境检测方法及电子设备和计算机可读存储介质，以解决上述背景技术中提出的现有的问题。
为实现上述目的，本发明提供如下技术方案：一种测试环境检测方法，包括以下步骤：
步骤一、构建一个测试平台，包括一组异构的存储设备以及模拟真实工作负载的测试工具，将所述一组异构的存储设备送入设备候选列表，根据硬件规格为设备分配初始权重；
步骤二、计算性能指标测试量，并训练设备性能长短期记忆模型，预测未来的性能变化趋势，得到设备性能变化率，当所述设备性能变化率小于0时，进行步骤三，当所述设备性能变化率大于等于0时，进行步骤四；
步骤三、设置性能变化阈值，当所述设备性能变化率的绝对值大于所述性能变化阈值时，将该设备从设备候选列表中移除，当所述设备性能变化率的绝对值小于等于所述性能变化阈值时，则运行负载剥离策略后进行步骤四；
步骤四、通过所述设备性能变化率为设备重新分配权重，并根据设备的权重进行加权轮询，确定一个候选设备列表，在所述候选设备列表中，选择当前连接数最少的设备来分配新的请求；
步骤五、通过所述测试工具将分配后的新的请求再次送入步骤二，实现实时检测。
本发明进一步改进在于，所述步骤一具体步骤包括：通过所述一组异构的存储设备建立第一存储设备数据集，其中表示第个设备，表示设备数量，将待分配的测试负载按照从大到小的顺序列入第一待分配测试负载队列，其中表示第个待分配的测试负载，表示待分配的测试负载数量；提取所述存储设备数据集对应的第个设备CPU速度，第个设备核心数和第个设备内容存量，计算第个设备硬件规格影响值；计算第个设备的初始权重。
本发明进一步改进在于，所述第个设备的初始权重用于分配测试负载，初始化每台存储设备的当前连接数为0，将所有存储设备的初始权重按照从大到小的顺序依次列入设备初始权重序列，得到其对应的第二存储设备数据集，其中表示第个设备，从所述第二存储设备数据集取出第一台存储设备，若当前连接数小于的最大连接数限制，则将与对应，若当前连接数大于等于的最大连接数限制，则继续遍历第二存储设备数据集，查找下一个可用存储设备，直至将所述待分配测试负载队列中所有负载分配完成后送入步骤步骤二中。
本发明进一步改进在于，所述性能指标测试量包括读写速度、吞吐量、IOPS、延迟量，所述读写速度通过确定第个设备在测试过程中读取或写入的总数据量，并记录第个设备完成该数据量读取或写入所需的总时间计算得到，则第个设备读写速度的计算公式为；
所述吞吐量通过结合网络吞吐量和存储吞吐量计算得到，获取第个设备在时间内总传输数据量和读写数据量，则第个设备吞吐量的计算公式为；第个设备IOPS的计算公式为，表示第个设备在时间内完成的读写操作的总次数；
所述延迟量通过结合峰值延迟量来计算，则第个设备延迟量的计算公式为，其中，表示第个设备指定操作中第次请求的请求时间，表示第个设备指定操作中第次请求的完成时间，表示指定操作种请求的次数，表示设备平均延迟量的权重，表示设备峰值延迟量的权重；
则第个设备性能指标测试量得到计算公式为，其中，表示设备读写速度的权重，表示设备吞吐量的权重，表示设备IOPS的权重，表示设备延迟量的权重，表示设备硬件规格影响值的权重。
本发明进一步改进在于，所述设备性能长短期记忆模型的构建过程包括以下步骤：获取设备的历史性能指标测试量作为所述设备性能长短期记忆模型的训练数据；以LSTM模型为基础，所述训练数据通过设置时间窗口，定义设备性能长短期记忆模型的输入序列，表示从时间点到时间点的历史性能指标测试量集合；所述性能长短期记忆模型的输出则为第个设备下一个时间点的性能指标。
本发明进一步改进在于，所述设备性能变化率的计算公式为，表示第个设备的设备性能变化率。
本发明进一步改进在于，所述负载剥离策略具体步骤包括：设置设备硬件规格影响阈值，当第个设备硬件规格影响值小于时，将该设备从设备候选列表中移除，当第个设备硬件规格影响值大于等于时，提取分配给该设备的测试负载为第一待调换负载，并提取对应的存储设备，及该存储设备对应的测试负载为第二待调换负载，将所述第一待调换负载与第二待调换负载的存储设备进行调换后，送入步骤步骤四。
本发明进一步改进在于，所述为设备重新分配权重包括计算第个设备的第二权重为，将所有存储设备的第二权重按照从大到小的方式依次将对应的存储设备列入第三存储设备数据集，表示第个存储设备，表示剩余设备数量，，接收新的待分配负载序列为第二待分配负载序列，其中表示第个待分配的测试负载，表示待分配的测试负载数量，从所述第三存储设备数据集取出第一台存储设备，若当前连接数小于的最大连接数限制，则将与对应，若当前连接数大于等于的最大连接数限制，则继续遍历第三存储设备数据集，查找下一个可用存储设备，直至将所述第二待分配测试负载队列中所有负载分配完成。
一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，执行上述任意一种测试环境检测方法。
一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行上述任意一种测试环境检测方法。
与现有技术相比，本发明的有益效果是：
1、本发明首先通过对硬件规格的考虑，为每个设备分配了初始权重。这种权重分配方式能够反映设备在性能方面的基本差异，为后续的性能指标测试和权重调整提供了初始依据；计算了包括读写速度、吞吐量、IOPS和延迟量在内的多维度性能指标，能够全面评估设备的性能表现，这种多维度的测试方式有助于更准确地了解设备的性能特点，为后续的性能预测和权重调整提供了重要数据；
2、用历史性能数据训练了设备性能长短期记忆模型，能够预测未来的性能变化趋势。这种预测能力有助于及时发现潜在的性能问题，并采取相应的措施进行干预，从而提高设备的稳定性和可靠性；
3、根据设备性能变化率为设备重新分配权重，并根据权重进行加权轮询。这种动态调整权重的方式能够确保性能更好的设备获得更多的请求分配，从而提高整体的系统性能；
4、当设备性能变化率的绝对值超过性能变化阈值时，实施负载剥离策略能够及时从系统中移除性能不佳的设备，防止其对系统性能产生负面影响，从而提高系统的整体稳定性；
附图说明
图1为本发明基于大数据环境的存储设备性能测试方法流程图。
具体实施方式
下面通过附图以及具体实施例对本发明技术方案做详细地说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
术语“和/或”，仅仅是一种描述关联对象的关联关系，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，字符"/"，一般表示前后关联对象是一种“或”的关系。
实施例1
图1展示了本实施例公开的基于大数据环境的存储设备性能测试方法的流程图，步骤如下：
步骤一、构建一个测试平台，包括一组异构的存储设备以及模拟真实工作负载的测试工具，将所述一组异构的存储设备送入设备候选列表，根据硬件规格为设备分配初始权重；具体步骤包括：通过所述一组异构的存储设备建立第一存储设备数据集，其中表示第个设备，表示设备数量，将待分配的测试负载按照从大到小的顺序列入第一待分配测试负载队列，其中表示第个待分配的测试负载，表示待分配的测试负载数量；提取所述存储设备数据集对应的第个设备CPU速度，第个设备核心数和第个设备内容存量，计算第个设备硬件规格影响值；计算第个设备的初始权重。
所述第个设备的初始权重用于分配测试负载，初始化每台存储设备的当前连接数为0，将所有存储设备的初始权重按照从大到小的顺序依次列入设备初始权重序列，得到其对应的第二存储设备数据集，其中表示第个设备，从所述第二存储设备数据集取出第一台存储设备，若当前连接数小于的最大连接数限制，则将与对应，若当前连接数大于等于的最大连接数限制，则继续遍历第二存储设备数据集，查找下一个可用存储设备，直至将所述待分配测试负载队列中所有负载分配完成后送入步骤步骤二中。
步骤二、计算性能指标测试量，所述性能指标测试量包括读写速度、吞吐量、IOPS、延迟量，所述读写速度通过确定第个设备在测试过程中读取或写入的总数据量，并记录第个设备完成该数据量读取或写入所需的总时间计算得到，则第个设备读写速度的计算公式为；所述吞吐量通过结合网络吞吐量和存储吞吐量计算得到，获取第个设备在时间内总传输数据量和读写数据量，则第个设备吞吐量的计算公式为；第个设备IOPS的计算公式为，表示第个设备在时间内完成的读写操作的总次数；所述延迟量通过结合峰值延迟量来计算，则第个设备延迟量的计算公式为，其中，表示第个设备指定操作中第次请求的请求时间，表示第个设备指定操作中第次请求的完成时间，表示指定操作种请求的次数，表示设备平均延迟量的权重，表示设备峰值延迟量的权重；则第个设备性能指标测试量得到计算公式为，其中，表示设备读写速度的权重，表示设备吞吐量的权重，表示设备IOPS的权重，表示设备延迟量的权重，表示设备硬件规格影响值的权重；
训练设备性能长短期记忆模型，预测未来的性能变化趋势，所述设备性能长短期记忆模型的构建过程包括以下步骤：获取设备的历史性能指标测试量作为所述设备性能长短期记忆模型的训练数据；以LSTM模型为基础，所述训练数据通过设置时间窗口，定义设备性能长短期记忆模型的输入序列，表示从时间点到时间点的历史性能指标测试量集合；所述性能长短期记忆模型的输出则为第个设备下一个时间点的性能指标，计算设备性能变化率，计算公式为，表示第个设备的设备性能变化率，当所述设备性能变化率小于0时，进行步骤三，当所述设备性能变化率大于等于0时，进行步骤四；
步骤三、设置性能变化阈值，当所述设备性能变化率的绝对值大于所述性能变化阈值时，将该设备从设备候选列表中移除，当所述设备性能变化率的绝对值小于等于所述性能变化阈值时，则运行负载剥离策略，负载剥离策略具体步骤包括：设置设备硬件规格影响阈值，当第个设备硬件规格影响值小于时，将该设备从设备候选列表中移除，当第个设备硬件规格影响值大于等于时，提取分配给该设备的测试负载为第一待调换负载，并提取对应的存储设备，及该存储设备对应的测试负载为第二待调换负载，将所述第一待调换负载与第二待调换负载的存储设备进行调换后，送入步骤步骤四。
步骤四、通过所述设备性能变化率为设备重新分配权重，为设备重新分配权重包括计算第个设备的第二权重为，将所有存储设备的第二权重按照从大到小的方式依次将对应的存储设备列入第三存储设备数据集，表示第个存储设备，表示剩余设备数量，，接收新的待分配负载序列为第二待分配负载序列，其中表示第个待分配的测试负载，表示待分配的测试负载数量，从所述第三存储设备数据集取出第一台存储设备，若当前连接数小于的最大连接数限制，则将与对应，若当前连接数大于等于的最大连接数限制，则继续遍历第三存储设备数据集，查找下一个可用存储设备，直至将所述第二待分配测试负载队列中所有负载分配完成。
步骤五、通过所述测试工具将分配后的新的请求再次送入步骤二，实现实时检测。
实施例2
本实施例提供一种电子设备，包括：处理器和存储器，其中，存储器中存储有可供处理器调用的计算机程序；
处理器通过调用存储器中存储的计算机程序，执行上述的一种测试环境检测方法。
该电子设备可因配置或性能不同而产生比较大的差异，能够包括一个或一个以上的处理器（Central Processing Units，CPU）和一个或一个以上的存储器，其中，该存储器中存储有至少一条计算机程序，该计算机程序由该处理器加载并执行以实现上述方法实施例提供的一种测试环境检测方法。该电子设备还能够包括其他用于实现设备功能的部件，例如，该电子设备还能够具有有线或无线网络接口以及输入输出接口等部件，以便进行数据的输入输出。本实施例在此不做赘述。
实施例3
本实施例提出一种计算机可读存储介质200，其上存储有可擦写的计算机程序；
当计算机程序在计算机设备上运行时，使得计算机设备执行上述一种测试环境检测方法。
例如，计算机可读存储介质200能够是只读存储器（Read-Only Memory，简称：ROM）、随机存取存储器（Random Access Memory，简称：RAM）、只读光盘（Compact DiscRead-Only Memory，简称：CD-ROM）、磁带、软盘和光数据存储设备等。
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。
以上结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (10)
1.一种测试环境检测方法，其特征在于：包括以下步骤：
步骤一、构建一个测试平台，包括一组异构的存储设备以及模拟真实工作负载的测试工具，将所述一组异构的存储设备送入设备候选列表，根据硬件规格为设备分配初始权重；
步骤二、计算性能指标测试量，并训练设备性能长短期记忆模型，预测未来的性能变化趋势，得到设备性能变化率，当所述设备性能变化率小于0时，进行步骤三，当所述设备性能变化率大于等于0时，进行步骤四；
步骤三、设置性能变化阈值，当所述设备性能变化率的绝对值大于所述性能变化阈值时，将该设备从设备候选列表中移除，当所述设备性能变化率的绝对值小于等于所述性能变化阈值时，则运行负载剥离策略后进行步骤四；
步骤四、通过所述设备性能变化率为设备重新分配权重，并根据设备的权重进行加权轮询，确定一个候选设备列表，在所述候选设备列表中，选择当前连接数最少的设备来分配新的请求；
步骤五、通过所述测试工具将分配后的新的请求再次送入步骤二，实现实时检测。
2.根据权利要求1所述的一种测试环境检测方法，其特征在于：所述步骤一具体步骤包括：通过所述一组异构的存储设备建立第一存储设备数据集，其中表示第个设备，表示设备数量，将待分配的测试负载按照从大到小的顺序列入第一待分配测试负载队列，其中表示第个待分配的测试负载，表示待分配的测试负载数量；提取所述存储设备数据集对应的第个设备CPU速度，第个设备核心数和第个设备内容存量，计算第个设备硬件规格影响值；计算第个设备的初始权重。
3.根据权利要求2所述的一种测试环境检测方法，其特征在于：所述第个设备的初始权重用于分配测试负载，初始化每台存储设备的当前连接数为0，将所有存储设备的初始权重按照从大到小的顺序依次列入设备初始权重序列，得到其对应的第二存储设备数据集，其中表示第个设备，从所述第二存储设备数据集取出第一台存储设备，若当前连接数小于的最大连接数限制，则将与对应，若当前连接数大于等于的最大连接数限制，则继续遍历第二存储设备数据集，查找下一个可用存储设备，直至将所述待分配测试负载队列中所有负载分配完成后送入步骤二中。
4.根据权利要求3所述的一种测试环境检测方法，其特征在于：所述性能指标测试量包括读写速度、吞吐量、IOPS、延迟量，所述读写速度通过确定第个设备在测试过程中读取或写入的总数据量，并记录第个设备完成该数据量读取或写入所需的总时间计算得到，则第个设备读写速度的计算公式为；
所述吞吐量通过结合网络吞吐量和存储吞吐量计算得到，获取第个设备在时间内总传输数据量和读写数据量，则第个设备吞吐量的计算公式为；第个设备IOPS的计算公式为，表示第个设备在时间内完成的读写操作的总次数；
所述延迟量通过结合峰值延迟量来计算，则第个设备延迟量的计算公式为，其中，表示第个设备指定操作中第次请求的请求时间，表示第个设备指定操作中第次请求的完成时间，表示指定操作种请求的次数，表示设备平均延迟量的权重，表示设备峰值延迟量的权重；
则第个设备性能指标测试量得到计算公式为，其中，表示设备读写速度的权重，表示设备吞吐量的权重，表示设备IOPS的权重，表示设备延迟量的权重，表示设备硬件规格影响值的权重。
5.根据权利要求4所述的一种测试环境检测方法，其特征在于：所述设备性能长短期记忆模型的构建过程包括以下步骤：获取设备的历史性能指标测试量作为所述设备性能长短期记忆模型的训练数据；以LSTM模型为基础，所述训练数据通过设置时间窗口，定义设备性能长短期记忆模型的输入序列，表示从时间点到时间点的历史性能指标测试量集合；所述性能长短期记忆模型的输出则为第个设备下一个时间点的性能指标。
6.根据权利要求5所述的一种测试环境检测方法，其特征在于：所述设备性能变化率的计算公式为，表示第个设备的设备性能变化率。
7.根据权利要求6所述的一种测试环境检测方法，其特征在于：所述负载剥离策略具体步骤包括：设置设备硬件规格影响阈值，当第个设备硬件规格影响值小于时，将该设备从设备候选列表中移除，当第个设备硬件规格影响值大于等于时，提取分配给该设备的测试负载为第一待调换负载，并提取对应的存储设备，及该存储设备对应的测试负载为第二待调换负载，将所述第一待调换负载与第二待调换负载的存储设备进行调换后，送入步骤步骤四。
8.根据权利要求7所述的一种测试环境检测方法，其特征在于：所述为设备重新分配权重包括计算第个设备的第二权重为，将所有存储设备的第二权重按照从大到小的方式依次将对应的存储设备列入第三存储设备数据集，表示第个存储设备，表示剩余设备数量，，接收新的待分配负载序列为第二待分配负载序列，其中表示第个待分配的测试负载，表示待分配的测试负载数量，从所述第三存储设备数据集取出第一台存储设备，若当前连接数小于的最大连接数限制，则将与对应，若当前连接数大于等于的最大连接数限制，则继续遍历第三存储设备数据集，查找下一个可用存储设备，直至将所述第二待分配测试负载队列中所有负载分配完成。
9.一种电子设备，其特征在于，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，执行权利要求1-8任一项所述的一种测试环境检测方法。
10.一种计算机可读存储介质，其特征在于：储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1-8任意一项所述的一种测试环境检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410739183.2A CN118312399B (zh) | 2024-06-07 | 2024-06-07 | 一种测试环境检测方法及电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410739183.2A CN118312399B (zh) | 2024-06-07 | 2024-06-07 | 一种测试环境检测方法及电子设备和计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118312399A true CN118312399A (zh) | 2024-07-09 |
| CN118312399B CN118312399B (zh) | 2024-08-13 |
Family
ID=91720912
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410739183.2A Active CN118312399B (zh) | 2024-06-07 | 2024-06-07 | 一种测试环境检测方法及电子设备和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118312399B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170177416A1 (en) * | 2015-12-21 | 2017-06-22 | International Business Machines Corporation | Dynamically adapting a test workload to accelerate the identification of performance issues |
| US20200090025A1 (en) * | 2018-09-18 | 2020-03-19 | Nec Laboratories America, Inc. | Performance prediction from communication data |
| CN112465040A (zh) * | 2020-12-01 | 2021-03-09 | 杭州电子科技大学 | 一种基于类不平衡学习算法的软件缺陷预测方法 |
| US11676183B1 (en) * | 2022-08-04 | 2023-06-13 | Wevo, Inc. | Translator-based scoring and benchmarking for user experience testing and design optimizations |
| CN117435506A (zh) * | 2023-12-15 | 2024-01-23 | 中兴通讯股份有限公司 | 模糊测试方法、电子设备及计算机可读存储介质 |
| CN118093434A (zh) * | 2024-04-18 | 2024-05-28 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 一种智能化信息系统性能评估与测试方法及系统 |
-
2024
- 2024-06-07 CN CN202410739183.2A patent/CN118312399B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170177416A1 (en) * | 2015-12-21 | 2017-06-22 | International Business Machines Corporation | Dynamically adapting a test workload to accelerate the identification of performance issues |
| US20200090025A1 (en) * | 2018-09-18 | 2020-03-19 | Nec Laboratories America, Inc. | Performance prediction from communication data |
| CN112465040A (zh) * | 2020-12-01 | 2021-03-09 | 杭州电子科技大学 | 一种基于类不平衡学习算法的软件缺陷预测方法 |
| US11676183B1 (en) * | 2022-08-04 | 2023-06-13 | Wevo, Inc. | Translator-based scoring and benchmarking for user experience testing and design optimizations |
| CN117435506A (zh) * | 2023-12-15 | 2024-01-23 | 中兴通讯股份有限公司 | 模糊测试方法、电子设备及计算机可读存储介质 |
| CN118093434A (zh) * | 2024-04-18 | 2024-05-28 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 一种智能化信息系统性能评估与测试方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118312399B (zh) | 2024-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022037337A1 (zh) | 机器学习模型的分布式训练方法、装置以及计算机设备 | |
| US11106486B2 (en) | Techniques to manage virtual classes for statistical tests | |
| CN100412871C (zh) | 生成用于自动化系统管理的领域知识的系统和方法 | |
| CN111737168A (zh) | 一种缓存系统、缓存处理方法、装置、设备及介质 | |
| CN114564374A (zh) | 算子性能评估方法、装置、电子设备及存储介质 | |
| EP2940585A1 (en) | Response method creation program, response method creation method, and information processing device | |
| CN113672375A (zh) | 资源分配预测方法、装置、设备及存储介质 | |
| CN104573127B (zh) | 评估数据差异性的方法和系统 | |
| CN118312399B (zh) | 一种测试环境检测方法及电子设备和计算机可读存储介质 | |
| CN117573347A (zh) | 云计算平台的资源配置方法及系统 | |
| CN110580265B (zh) | Etl任务的处理方法、装置、设备及存储介质 | |
| CN115168509A (zh) | 风控数据的处理方法及装置、存储介质、计算机设备 | |
| US11960939B2 (en) | Management computer, management system, and recording medium | |
| CN112860652B (zh) | 作业状态预测方法、装置和电子设备 | |
| CN115713683A (zh) | 一种目标检测方法、装置、设备及存储介质 | |
| JP6142878B2 (ja) | 情報システムの性能評価装置、方法およびプログラム | |
| US11126532B1 (en) | Method and apparatus for a parallel, metadata-based trace analytics processor | |
| CN118071528B (zh) | 数据处理方法及相关装置 | |
| CN112115036A (zh) | 集群容量预测方法及装置 | |
| CN118797935A (zh) | 计算系统的模拟方法和装置 | |
| CN115269353A (zh) | 服务器的能耗压测方法、装置、电子设备及存储介质 | |
| KR20240119646A (ko) | 멀티 클라우드 기반 사용자 맞춤형 인스턴스 추천 장치 및 방법 | |
| CN118689748A (zh) | 处理器评估程序生成方法、装置及计算设备集群 | |
| JP2024036587A (ja) | 情報処理装置、制御方法、プログラム | |
| CN116893920A (zh) | 一种io延迟时间统计方法、系统、装置及存储介质 |
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 | ||
| GR01 | Patent grant |