西电捷通:高效测试,从160小时中突围

本文介绍了一种在特殊测试场景下,通过分析测试瓶颈并开发专用测试工具,成功将160小时的随机数采集测试时间缩短至80分钟的实际案例。

在测试工作中,为确保最终交付物质量,有时难免会遇到一些特殊的测试场景,比如160小时的测试总时长。在这样超常规的测试场景中,如果继续使用常规的测试方法,结果只会费时费力,导致测试效率下降。那么,如何通过巧用高效测试工具,从160小时突围,实现高效测试?笔者通过针对西电捷通产品的一个测试实例,来阐述我们对于此类问题的思考和解决之道。也当作抛砖引玉,借此与业内同行探讨、切磋。


还原“随机数”采集测试场景

先来简单介绍一下某款检测平台产品的随机数采集测试场景,如图1所示: 该测试场景的测试目的是验证检测平台的随机数采集能力。终端设备A向检测平台发送随机数,检测平台则负责采集40个随机数文件,每个文件为128KB。终端设备产生的随机数是封装在实际报文中发送给检测平台的,通常情况下,采集一个随机数文件需要2小时,这时候终端设备A的随机数采集时间则为80小时。

然而,一旦有两款终端设备A、B均需要分别进行随机数采集,那么测试总时长将达到160小时,这意味着在接近7天的时间里,整个测试系统将全部用于随机数采集测试,而其它任何测试项目将无法进行。这时候,如果仍然采用常规方法测试,那么结果一定是令人崩溃的。

图1 随机数采集测试场景


测试速度慢的瓶颈在哪里

如何从160小时中突围,缩短测试时间,提高测试效率,我们必须找到真正的测试瓶颈所在。在随机数采集测试场景中,测试瓶颈主要有两种可能:可能一是终端设备发送随机数速率太慢,慢在数据源头;可能二是检测平台处理随机数的速度太慢,慢在数据处理端。不过,我们还需要做进一步确认。

终端设备发送随机数速率默认3600秒/包,但是可以进行速率配置。让我们试着将终端设备发送随机数速率配置为极限速率6秒/包。在这样的发送速率下,采集一个128KB大小的随机数文件需要2小时,随机数采集测试时间大大缩短。显然,终端设备发送随机数速率已经达到极限,那么检测平台处理随机数的速度是否也已经到达了极限。

其实,关于这个问题,验证的方法很简单,那就是让终端设备A和B同时向检测平台发送随机数,这就相当于终端设备的发送速率提高了2倍。这时检测平台采集一个128KB大小的随机数文件则由2小时缩短为1小时,由此证明检测平台的处理能力目前并不存在瓶颈,真正的瓶颈是终端设备发送随机数速率太慢。


如何从160小时中突围

找到了测试速度慢的真正瓶颈之后,也就找到了提高测试效率的途径。在本案例中,关键是要想办法提高发送随机数的速率。前面已经说过,终端设备的发送速率已经达到极限了,不能再提高了,只能“另辟蹊径”,想别的办法。

笔者以前研发出身,开发过电信级的IP电话网关,对网络编程比较熟悉,很自然的就想到开发一款发包测试工具来解决这个问题。考虑到通用性,这款发包测试工具最好可以发送任意类型的数据包。常规的开发思路是对所有数据类型都做编解码,也就是要认识所有协议,开发工作量相当大,而且拓展性差,有了新的协议就需要添加相应的编解码。经过深入评估,决定不做编解码,核心设计思想是只做数据包类型管理。数据包类型的产生方法是通过第三方抓包软件,将需要发送的数据包(如本测试场景中的随机数包)导入到测试工具中。同时也可以对已有数据包类型进行编辑,产生新的数据包类型。选择数据包类型,设置发送速率,然后添加到发送列表中,就可以向待测设备发送数据。

软件设计思路考虑清楚了,正式开工。还有不到一周的时间就要开始测试了,必须争分夺秒,赶在测试前利用业余时间开发出这款发包测试工具。经过数个昼夜的开发调试,终于胜利完工。测试配置见图2,配置随机数消息的发送速率为10ms/包,这时候检测平台1分钟就可以采集一个128KB大小的随机数文件,测试总时间由160小时骤降到80分钟,测试效率提高了120倍,高效完成测试任务。

图2 发包测试工具测试配置图


结语

面对费时费力的测试场景,要想提高测试效率,首先要分析清楚测试的真正瓶颈所在,然后有的放矢,针对性地找到解决方案。另外,对于一个测试团队来说,结合产品特点,精心打造辅助测试工具,也是实施高效测试的一个必不可少的手段。

【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛和拉格朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散式优化策略应对分时电价机制下的充电需求管理。通过构建数学模型,结合不确定性因素如用户充电行为和电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉格朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率与经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法和Matlab编程基础的高校研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网与交通系统的协同水平;③作为学术研究案例,用于验证分散式优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟与拉格朗日松弛法的具体实施步骤,重点关注场景生成、约束处理与迭代收敛过程,以便在实际项目中灵活应用与改进。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值