谷歌如何测试软件 —— 第二部分

本文介绍了谷歌独特的软件测试文化,包括软件工程师、测试软件工程师和测试工程师的不同职责,以及测试工程部如何确保产品的最终质量。

为了做到“you build it, you break it”这句名言所说的那样,有必要在传统的开发人员之上再增加几个工作角色。因为懂技术,开发人员做测试工作就更合适、更有效。在Google,我们新增 的工作角色是来让技术人员负责去提高其他人的效率。这些技术人员通常把自己看作是测试人员,但他们真正的使命是提高生产率。他们的存在可以使开发人员更高 效,产品更有质量,这些都是生产率最重要的部分。下面是对这些角色的一些概述:


软件工程师 是传统的开发角色。软工编写需要提交给客户使用的程序功能代码。他们编写设计文档,设计数据结构,以 及整个架构,他们主要的时间是花在开发和检查程序代码。软工会写出大量的测试程序,包括测试驱动设计,单元测试,以及我在下一部分里将会提到的整个开发工 程中的小规模,中等,大规模的测试程序。软工对他动过的任何程序的质量负责 —— 不论是自己开发的、还是改过bug的,或完善过的程序。


测试软件工程师 同样也是开发人员,只不过他们更侧重于测试相关的东西。他们审查设计,发现里面的代码质量问题和 风险。他们重构代码,让程序更容易测试。测试软工编写单元测试/自动化测试框架。他们是软工开发的程序的共同创造者,但更关注于提高质量和测试覆盖率,而 不是增加新功能和提高程序性能。


测试工程师 正好和测试软件工程师反过来。这个角色是以测试第一,开发放在第二。很多Google的测试工程师的 大部分时间都是在写自动化测试脚本之类的代码,用来驱动测试用例或模拟一个用户。他们同时也负责组织软工和测试软工的测试工作,解释测试结果和驱动测试执 行,特别是在项目开发的晚期推动产品正式发布的重要角色。测试工程师是产品专家,质量顾问,风险分析师。


从质量的角度看,软件工程师 对产品功能和产品质量负有完全独立的职责。他们负责产品对错误的忍耐度的设计,错误恢复,测试驱动设计,单元测试,以及帮助测试软件工程师 开发那些用来测试这些程序的测试代码。


测试软件工程师是编写测试功能的开发人员。他们提供一种框架,通过虚拟物来模拟程序所依赖的各种环境,使开发出的新代码能隔离起来运行。他们负责管 理代码的提交(check-in)。换句话说,测试软件工程师编写那些用来测试软件工程师开发出的功能的测试程序。大部分的实际的测试活动都是软件工程师 执行的,测试软件工程师只是来确保程序的各项功能都可测试,软工以十分活跃的角色参与到这些测试用例的编写过程中。


很显然,测试软件工程师 主要是为开发人员服务的。确保每个功能的质量是他们的目标,他们使开发人员能够容易的测试自己开发出的程序。我相信有人肯定已经看出,在这个开发过程中,存在一个巨大的漏洞:怎么没有用户?


用户测试是 Google的测试工程部 的工作。假设软工和测试软工的测试通过的话,下一步的工作就是看看这一堆的可执行代码和数据集成起来是否满足用户的需求测试工程部 在 开发人员的工作基础上做双重检查。任何明显的bug的存在都会说明前期开发测试工作的不合格、很差劲。当这种问题很少时,测试工程部会将主要精力放在软件 在用户场景中运行时的性能效率、安全性、国际化等问题上。测试工程部要做大量的测试,并且要在测试工程部和签约测试人员,目标集体测试者,dog fooder,beta用户,前期用户之间配合测试。他们会同遇到到基础设计上、功能复杂度和错误恢复方法上的问题的用户进行交流。测试工程部 一旦插手,事情就永远没个完了。


好了,你现在对各种角色都有了较明白的理解了,我还会进一步的对如何安排他们的工作事项上进行介绍。下一次见 … 感谢你的关注。

 

:)

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制问题,并提供完整的Matlab代码实现。文章结合数据驱动方法与Koopman算子理论,利用递归神经网络(RNN)对非线性系统进行建模与线性化处理,从而提升纳米级定位系统的精度与动态响应性能。该方法通过提取系统隐含动态特征,构建近似线性模型,便于后续模型预测控制(MPC)的设计与优化,适用于高精度自动化控制场景。文中还展示了相关实验验证与仿真结果,证明了该方法的有效性和先进性。; 适合人群:具备一定控制理论基础和Matlab编程能力,从事精密控制、智能制造、自动化或相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能控制设计;②为非线性系统建模与线性化提供一种结合深度学习与现代控制理论的新思路;③帮助读者掌握Koopman算子、RNN建模与模型预测控制的综合应用。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现流程,重点关注数据预处理、RNN结构设计、Koopman观测矩阵构建及MPC控制器集成等关键环节,并可通过更换实际系统数据进行迁移验证,深化对方法泛化能力的理解。
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