结对测试算法性能优化（用例设计层面）

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了结对测试算法性能优化（用例设计层面），小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1190字，纯文字阅读大概需要2分钟。

内容图文

在《结对测试算法性能优化（代码层面）》一文中，

对原来算法代码进行了一些优化，

对于笛卡尔积后千条数据，是能满足使用需要的。

但在实际业务中，会碰到百万数据。

比如某接口共18个参数，每个参数均可为空，其中8个只需要单个值，10个为多选项，需要多个值。

对于多选项，我的设计是，全选+随机n个多选(1<=n<=len-1)+空。

按照这个策略，笛卡尔积的结果就是3^8*2^10=6718464。

671万数据！

parewise根本处理不动。

该怎么处理？

调整用例设计。

1、为空的情况，单独一条用例，即可以为空的，全部设置为空。parewise就不考虑为空的情况了。

3^82^10就变成了2^81^10=256，一下量级骤减。

2、视需要添加特殊的参数组合。

即使这样优化了，也会产生几十种组合。

假如接口本身响应慢，那么脚本执行的耗时就比较长。

遇到上线前回归，等待，是一件很痛苦的事。

该怎么处理？

还是回到用例设计。

在开发阶段，跑几十种组合的脚本，从时间成本来看是完全可以接受的。

在上线阶段，时间紧迫，就会显得效率有些低。

而实际上，上线前回归阶段更像是一种冒烟。

是可以适当降低覆盖度，提供效率的。

于是解决方案就是，把parewise扩展为两种模式

def parewise(dx, mode=2):
    """
    :param dx:
    :param mode: 1开发 2上线
    :return:
    """

开发模式：就完完整整返回结果

上线模式：从结果当中，随机返回1条用于快速冒烟

当然，如果是回归要测修改引入，建议还是多花点时间，老老实实跑开发模式比较好。

内容总结

以上是互联网集市为您收集整理的结对测试算法性能优化（用例设计层面）全部内容，希望文章能够帮你解决结对测试算法性能优化（用例设计层面）所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---