点击文末小卡片免费获取软件测试全套资料资料在手涨薪更快测试平台1、职责一个健康的测试平台体系对测试人员的职责分工、协作模式会有不同的要求。测试平台核心的职责是完成高质量的交付已满足业务需求。测试活动包括单元测试、集成测试、接口测试、性能测试等都是通过这些测试手段协同整个测试平台来完成高质量交付的管理工作。2、目的测试平台的核心目的是提升测试效率从而提升产品质量其设计关键就是自动化。传统的测试方式是测试人员手工执行测试用例测试效率低重复的工作多。通过测试平台提供的自动化能力测试用例能够重复执行无须人工参与大大提升了测试效率。通过对象库的封装 - 业务的封装 - 驱动的封装这些封装体系的协作我们可以搭建一系列的自动化测试平台。当然这只是一小部分因为整个测试平台的搭建绝对不是单纯的自动化测试就可以完成需要业务人员、开发人员和测试人员共同合作来完成整个测试平台。3、结构和内容为了达到“自动化”的目标测试平台的基本架构如下图所示1用例管理测试自动化的主要手段就是通过脚本或者代码来进行测试例如单元测试用例是代码、接口测试用例可以用Python来写、可靠性测试用例可以用Shell来写。为了能够重复执行这些测试用例测试平台需要将用例管理起来管理的维度包括业务、系统、测试类型、用例代码。例如网购业务的订单系统的接口测试用例。2资源管理测试用例要放到具体的运行环境中才能真正执行运行环境包括硬件服务器、手机、平板电脑等软件操作系统、数据库、Java虚拟机等业务系统被测试的系统除了性能测试一般的自动化测试对性能要求不高所以为了提升资源利用率大部分的测试平台都会使用虚拟技术来充分利用硬件资源如虚拟机、Docker等技术。3任务管理任务管理的主要职责是将测试用例分配到具体的资源上执行跟踪任务的执行情况。任务管理是测试平台设计的核心它将测试平台的各个部分串联起来从而完成自动化测试。4数据管理测试任务执行完成后需要记录各种相关的数据例如执行时间、执行结果、用例执行期间的CPU、内存占用情况等这些数据具备下面这些作用展现当前用例的执行情况。作为历史数据方便后续的测试与历史数据进行对比从而发现明显的变化趋势。例如某个版本后单元测试覆盖率从90%下降到70%。作为大数据的一部分可以基于测试的任务数据进行一些数据挖掘。例如某个业务一年执行了10000个用例测试另外一个业务只执行了1000个用例测试两个业务规模和复杂度差不多为何差异这么大数据平台数据平台的核心职责主要包括三部分数据管理、数据分析和数据应用。每一部分又包含更多的细分领域1. 数据管理数据管理包含数据采集、数据存储、数据访问和数据安全四个核心职责是数据平台的基础功能。数据采集从业务系统搜集各类数据。例如日志、用户行为、业务数据等将这些数据传送到数据平台。数据存储将从业务系统采集的数据存储到数据平台用于后续数据分析。数据访问负责对外提供各种协议用于读写数据。例如SQL、Hive、Key-Value等读写协议。数据安全通常情况下数据平台都是多个业务共享的部分业务敏感数据需要加以保护防止被其他业务读取甚至修改因此需要设计数据安全策略来保护数据。2. 数据分析数据分析包括数据统计、数据挖掘、机器学习、深度学习等几个细分领域。数据统计根据原始数据统计出相关的总览数据。例如PV、UV、交易额等。数据挖掘数据挖掘这个概念本身含义可以很广为了与机器学习和深度学习区分开这里的数据挖掘主要是指传统的数据挖掘方式。例如有经验的数据分析人员基于数据仓库构建一系列规则来对数据进行分析从而发现一些隐含的规律、现象、问题等经典的数据挖掘案例就是沃尔玛的啤酒与尿布的关联关系的发现。机器学习、深度学习机器学习和深度学习属于数据挖掘的一种具体实现方式由于其实现方式与传统的数据挖掘方式差异较大因此数据平台在实现机器学习和深度学习时需要针对机器学习和深度学习独立进行设3. 数据应用数据应用很广泛既包括在线业务也包括离线业务。例如推荐、广告等属于在线应用报表、欺诈检测、异常检测等属于离线应用。数据应用能够发挥价值的前提是需要有“大数据”只有当数据的规模达到一定程度基于数据的分析、挖掘才能发现有价值的规律、现象、问题等。如果数据没有达到一定规模通常情况下做好数据统计就足够了尤其是很多初创企业无须一开始就参考BAT来构建自己的数据平台。最后感谢每一个认真阅读我文章的人礼尚往来总是要有的虽然不是什么很值钱的东西如果你用得到的话可以直接拿走这些资料对于做【软件测试】的朋友来说应该是最全面最完整的备战仓库这个仓库也陪伴我走过了最艰难的路程希望也能帮助到你凡事要趁早特别是技术行业一定要提升技术功底。