Recommond books or blog about testing

最新推荐文章于 2024-06-03 17:22:02 发布
原创 最新推荐文章于 2024-06-03 17:22:02 发布 · 422 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#testing #books #blog #resources #security

本文汇集了多本经典软件测试书籍及在线资源链接，包括《软件测试实战》等著作，覆盖了从基础知识到高级技巧的内容，旨在帮助读者全面提升软件测试技能。

You'll find helpful info in any or all of the above references plus:
 
• Lessons Learned in Software Testing. Kaner, Cem, Bach, James, and Pettichor, Bret, eds. John Wiley & Sons, 2002.

• Testing Computer Software (2nd Ed.). Kaner, Cem, Falk, Jack, & Nguyen, Hung Quoc, eds. International Thomson Computer Press, 1993.

• The Art of Software Testing. Myers, Glenford. John Wiley and Sons, 1979.

• Software Testing. Patton, Ron. SAMS Publishing, 2000.

• Building Secure Software: How to Avoid Security Problems the Right Way. Viega, John, McGraw, Gary, eds. Addison-Wesley, 2001.

 
 
 
 
Links to Online Testing Resources:
 
 
 
http://www.informationweek.com/756/testers.htm
 
 
 
http://www.qacity.com/General+Testing/Techniques/Links/Links.htm
 
 
 
http://www.softwareqatest.com/qatfaq2.html#FAQ2_6
 
 
 
http://www.testingeducation.org/articles/domain_testing_cseet.rtf
 
 
 
http://www.testingeducation.org/articles/scenario_intro_ver4.doc
 
 
 
http://www.testingeducation.org/coursenotes/kaner_cem/ac_200108_blackboxtesting/
 
 
 
http://www.testingcraft.com/techniques.html

 

http://www.softwaretestinghelp.com/top-25-common-programming-bugs-every-tester-should-know/#more-353  (Great)

http://www.onestoptesting.com/testing-books/testing-general/details/lessons-learned-in-software-testing-491.asp (Great)

 

用python实现【UserCF】算法
咔咔响
08-06 1485
基于用户的协同过滤算法主要思想有两步：1）找到和目标用户兴趣度相似的用户集合2）找到这个集合中的用户喜欢且目标用户没有听说过的物品推荐给目标用户笔者自己动手实现该算法，算法流程为：基于【...
用Python开始机器学习（9：推荐算法之推荐矩阵）
热门推荐
lsldd的专栏
11-30 1万+
每个人都会有这样的经历：当你在电商网站购物时，你会看到天猫给你弹出的“和你买了同样物品的人还买了XXX”的信息；当你在SNS社交网站闲逛时，也会看到弹出的“你可能认识XXX“的信息；你在微博添加关注人时，也会看到“你可能对XXX也感兴趣”；等等。所有这一切，都是背后的推荐算法运作的结果。最经典的关联规则算法是大名鼎鼎的Apriori算法，源自一个超市购物篮的故事：啤酒总是和尿布一起被购买。有兴趣的
用Mahout构建职位推荐引擎
小江专栏
05-05 778
转载出处： http://blog.fens.me/hadoop-mahout-recommend-job/ 前言 随着大数据思想实施的落地，推荐系统也开始倍受关注。不光是电商，各种互联网应用都开始应用推荐系统，像搜索，社交网络，音乐，餐饮，地图服务等等。 在以前，我们没有使用推荐算法的时候，我们是通过设置各种约束条件，匹配数据的自然属性呈现给用户，这种就是基于规则的系统。
算法初级杂谈
weixin_42146996的博客
05-06 942
本文档的主要目的是：本接口设计规范(IDS)的目的是详细描述VAP和VA引擎之间的软件接口。 VAP提供了2种方式生成VA引擎到VAP上： 1.通过VA Plugin 2.通过VA提供的接口 VAP与不同的VA供应商集成，允许 通过标准化的API 使用他们自己的 analytics VAP有2个集成点：1.VA Plugin SDK 2.VA网关提供的接口 VA Plugin:一个VA Plugin 代表一个VA引擎 每一个VA plugin 通过一个唯一的APP ID进行定义，还有一个 PLug
maven入门学习
stay hungry,stay foolish !
12-03 431
1.Download maven 路径：http://labs.renren.com/apache-mirror/maven/binaries/apache-maven-3.0.4-bin.tar.gz 2. unzip the Unzip the distribution archive to C:\Program Files\Apache Software Foundation(reco
spring提示Field injection is not recommended和依赖注入的方式
a1782519342的博客
05-16 417
spring提示Field injection is not recommended 常用依赖注入的方式
Debian软件包管理系统
helpbs
01-22 121
Debian包管理系统 Debian包管理系统也许是类Unix系统上最为复杂的包管理系统。Debian的机制是网络透明的（也就是他可以通过网络透明的安装远程器上的软件包），而Debian也是第一个进行使用这样打包系统的发行版本。RH的up2date是最近的与Debian相似的软件功能，而Slackware Linux并没有达到真正的网络透明的程度。熟悉其他操作系统，如Windows，的用...
IDEA使用@Autowired提示Field injection is not recommended
liuhl0910的专栏
10-22 385
意思就是使用变量依赖注入的方式是不被推荐的。 推荐使用使用构造器的方式强制注入。
npm彻底清理缓存
青颜的天空的博客
06-03 6000
npm clean cache --force不行的问题
select * from ( select *, case when factory_code = '1003' and avg_ed <= 0.35 then 1 when factory_code = '1020' and avg_ed <= 2.75 then 1 when factory_code = '1047' and avg_ed <= 0.6585 then 1 when factory_code = '1060' and avg_ed <= 0.75859 then 1 when factory_code = '1061' and avg_ed <= 0.745 then 1 when factory_code = '1083' and avg_ed <= 9.025 then 1 else '0' end as ED, row_number() over(partition by factory_code,device_code,mold_code order by start_time) rn from di_zz.ads_aiot_recommond_use_info_ed where cast(prod_output as double) > 40 -- and factory_code <> '1045' and optimization_method = 0 and start_time >= '2025-07-18 00:00:00' ) t1 where rn = 1 and ed = 1 ; select * from ( select *, row_number() over(partition by factory_code,device_code,mold_code order by start_time) rn from di_zz.ads_aiot_recommond_use_info_ed where cast(prod_output as double) > 40 -- and factory_code <> '1045' and optimization_method = 0 and start_time >= '2025-07-18 00:00:00' and ((factory_code = '1003' and avg_ed <= 0.35 ) or (factory_code = '1020' and avg_ed <= 2.75 ) or (factory_code = '1047' and avg_ed <= 0.6585 ) or (factory_code = '1060' and avg_ed <= 0.75859 ) or (factory_code = '1061' and avg_ed <= 0.745) or (factory_code = '1083' and avg_ed <= 9.025)) ) t1 where rn = 1 两段逻辑的区别
11-18
- **第二段 SQL**：直接在 `WHERE` 子句中使用多个 `OR` 条件进行筛选，将多个 `factory_code` 和 `avg_ed` 的组合条件直接写在 `WHERE` 子句中。这种方式没有生成新的字段，而是直接在查询时进行条件判断，适用于...
with es_data1 ( select factory_code, device_code, max(es_all/(es_10_qty+es_37_qty)) as avg_all from ads_aiot_recommond_use_es_1110 where cast(prod_output as double) > 40 and start_time >= '2025-07-18 00:00:00' and recommond_power_rate >= 90 and recommond_other_rate >= 75 group by factory_code,device_code 在该表中 按照device_code分组去除 avg_all 的最大值和最小值，剩下的数值取平均，输出sql语句
11-11
1. `es_data1`：从`ads_aiot_recommond_use_es_1110`表中筛选出符合条件的数据，并按`factory_code`和`device_code`分组，计算`avg_all`。 2. `es_data2`：对`es_data1`的结果按`device_code`进行分区，分别对`avg_...
with es_data1 ( select factory_code, device_code, max(es_all/(es_10_qty+es_37_qty)) as avg_all from ads_aiot_recommond_use_es_1110 where cast(prod_output as double) > 40 and start_time >= '2025-07-18 00:00:00' and recommond_power_rate >= 90 and recommond_other_rate >= 75 group by factory_code,device_code 在该表中 按照factory_code分组去除 avg_all 的最大值和最小值，剩下的数值取平均，输出sql语句
11-11
ads_aiot_recommond_use_es_1110 WHERE CAST(prod_output AS DOUBLE) > 40 AND start_time >= '2025-07-18 00:00:00' AND recommond_power_rate >= 90 AND recommond_other_rate >= 75 GROUP BY factory_...
SQL Error [1064] [42000]: You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near 'ads_aiot_recommond_use_20251106cs_02' at line 1 Error position:
11-08
所以对于报错中提及的 `ads_aiot_recommond_use_20251106cs_02`，如果它是数据库名、表名等，要确保使用反引号包裹。 #### 2. 旧语法不兼容 不同版本的 MySQL 支持的语法有所不同。例如旧版本中使用 `TYPE=MyISAM` ...
<com.bin.david.form.core.SmartTable android:id="@+id/smarttable_recommond" android:layout_width="match_parent" android:layout_height="match_parent"/>这里怎么修改让width适配父容器，或者说代码怎么修改
09-02
...用户的需求是让这个SmartTable的宽度能够适配父容器。 根据引用[1]中的示例代码： android:id="@+id/table" android:layout_width="match_parent" android:layout_height="match_parent"/> ...
CursorFreeVIP-1.9.04-linux.zip
12-20
CursorFreeVIP_1.9.04_linux.zip
遥感影像分析中的多时相土地利用分类系统设计：基于Google Earth Engine的Landsat与Sentinel-2数据融合及机器学习模型应用
12-20
内容概要：该文档为一段用于Google Earth Engine（GEE）平台的JavaScript脚本，旨在构建一个多时相土地利用/土地覆盖（LULC）分类与变化监测的应用程序。程序支持多个遥感影像数据源（如Landsat 5/7/8和Sentinel-2），通过统一的大气反射率处理、云掩膜、光谱指数计算（如NDVI、EVI、NDBI等）进行影像预处理，并基于用户提供的训练样本使用随机森林、SVM或CART分类器进行监督分类。系统提供年际LULC制图、变化检测、趋势分析、统计图表可视化以及地图交互与结果导出等功能，形成一套完整的遥感地表覆盖动态监测解决方案。; 适合人群：具备遥感与地理信息系统（GIS）基础知识，熟悉Google Earth Engine平台操作，有一定JavaScript编程经验的科研人员或技术人员。; 使用场景及目标：①实现长时间序列的土地利用/覆盖分类制图；②开展区域地表变化检测与趋势分析；③生成统计图表并导出矢量、栅格或动画成果，支持环境监测、城市扩张研究、生态评估等应用。; 阅读建议：使用前需先导入研究区（aoi）及各类地物的训练样本数据；建议逐步执行面板功能，尤其在模型训练和批量处理年份时注意计算资源消耗；可结合高级图表模块深入分析分类结果与时空变化特征。
Matlab基于粒子群优化算法及鲁棒MPPT控制器提高光伏并网的效率
12-20
Matlab基于粒子群优化算法及鲁棒MPPT控制器提高光伏并网的效率内容概要：本文围绕Matlab在电力系统优化与控制领域的应用展开，重点介绍了基于粒子群优化算法（PSO）和鲁棒MPPT控制器提升光伏并网效率的技术方案。通过Matlab代码实现，结合智能优化算法与先进控制策略，对光伏发电系统的最大功率点跟踪进行优化，有效提高了系统在不同光照条件下的能量转换效率和并网稳定性。同时，文档还涵盖了多种电力系统应用场景，如微电网调度、储能配置、鲁棒控制等，展示了Matlab在科研复现与工程仿真中的强大能力。; 适合人群：具备一定电力系统基础知识和Matlab编程能力的高校研究生、科研人员及从事新能源系统开发的工程师；尤其适合关注光伏并网技术、智能优化算法应用与MPPT控制策略研究的专业人士。; 使用场景及目标：①利用粒子群算法优化光伏系统MPPT控制器参数，提升动态响应速度与稳态精度；②研究鲁棒控制策略在光伏并网系统中的抗干扰能力；③复现已发表的高水平论文（如EI、SCI）中的仿真案例，支撑科研项目与学术写作。; 阅读建议：建议结合文中提供的Matlab代码与Simulink模型进行实践操作，重点关注算法实现细节与系统参数设置，同时参考链接中的完整资源下载以获取更多复现实例，加深对优化算法与控制系统设计的理解。
Python编程语言实现的高效排序算法及其优化策略详解与多线程并发处理实践项目_涵盖数据结构设计力扣算法题库解析NumPy数值计算库应用Pandas数据分析工具集成日志模块.zip
12-20
Python编程语言实现的高效排序算法及其优化策略详解与多线程并发处理实践项目_涵盖数据结构设计力扣算法题库解析NumPy数值计算库应用Pandas数据分析工具集成日志模块.zip
（25页PPT）某省市应急指挥系统建设整体解决方案.pptx
最新发布
12-20
（25页PPT）某省市应急指挥系统建设整体解决方案.pptx
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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