软件测试基础知识

本文全面解析软件测试,涵盖软件生命周期的六大阶段,介绍瀑布、原型和迭代模型,深入理解软件测试的概念、目的与原则。文章详细阐述黑盒、白盒、动态与静态测试方法,探讨手工与自动化测试的利弊,梳理测试流程从单元到用户验收,以及回归测试的重要性。对比压力与性能测试,提供测试用例设计指南。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、软件生命周期(SDLC)的六个阶段

     1、问题的定义及规划

     2、需求分析

     3、软件设计

     4、程序编码

     5、软件测试

     6、运行维护

2、软件生命周期模型

     瀑布模型、快速原型模型、迭代模型

3、软件测试概念

     广义概念:指软件生存周期中所有的检查、评审和确认工作,其中包括了对分析、设计阶段,以及完成开发后维护阶段的各类文档、代码的审查和确认

     狭义概念:识别软件缺陷的过程,即实际结果与预期结果的不一致

4、软件测试目的

     发现软件中各种缺陷。测试只能证明软件存在缺陷,不能证明不存在缺陷。测试可以使缺陷降低,但不能消灭。用较少的用例,时间和人力找出软件中各种错误和缺陷。

5、软件测试原则

     1、Good-enough:一种权衡投入/产出比的原则

     2、保证测试覆盖程度,但是穷举测试不可能

     3、测试都应追溯用户需求

     4、越早测试越好,测试与开发相结合

     5、测试规模由小到大,由单元测试到系统测试

     6、为了尽可能发现错误,应该由独立第三方测试 

     7、不能便于测试而擅自修改程序

     8、应该测试软件该做什么,也应该测试不该做什么

6、软件测试重点

     1、测试用例设计

     2、测试工作的管理

     3、测试环境的建立

7、黑盒测试

     定义:又叫功能测试或数据驱动测试,针对软件功能需求/实现进行测试,通过测试来检测每个功能是否符合需求,不考虑程序内部的逻辑结构

     方法:功能划分、等价类划分、边界值分析、因果图、错误推测

8、白盒测试

     定义:又叫结构测试或逻辑驱动测试,必须知道软件工作过程,通过测试软件内部是否合乎要求、设计正常运行

     方法:对应程序的一些主要结构:语句、分支、逻辑路径、变量:语句覆盖、分支覆盖、逻辑覆盖。

9、动态测试

     在开发/测试环境或实际环境运行软件,并使用测试用例去查找软件缺陷;包含功能确认。接口测试、覆盖率分析、性能分析、内存分析、

10、静态测试

     不实际运行软件,主要对软件的编程格式、结构等方面进行评估。包含代码检查、程序分析、代码质量等。可以手工可以工具进行。

11、手工测试和自动测试

     手工测试:工作量大,重复多,回归测试难于实现。

     自动测试:测试不能完全自动化、测试脚本维护高、灵活性差

12、测试流程

     1、单元测试   

          ①定义:对最小的软件单元-模块的验证工作

          ②内容:接口测试、内部数据结构、全局数据结构、边界、语句覆盖错误路径

          ③通常是面向白盒测试、静态测试

     2、集成测试    

          ①测试发现与模块接口有关问题

          ②内容:API 

          ③:避免一次性集成(除非软件规模小),应该增量集成

     3、系统测试

          ①:根据软件需求规范进行系统测试,确认系统满足需求的要求

          ②:内容:所有功能得到满足,所有性能得到满足,其他需求(安全性,容错性,兼容性)得到满足

     4、用户验收测试    

          ①:Alpha测试     用户在开发者场所测试,是受控的环境中

          ②:Beta测试        由最终用户测试,用户测试遇到的问题并报告给开发者

     5、回归测试

          修改旧代码后,创新测试确认有没有引入新的错误

13、压力测试VS性能测试

     常规压力下进行性能测试,检查系统反应、运行速度等指标;压力测试发现系统能支持的最大负载

14、测试用例组成

     用例编号、用例类型、前置条件、操作步骤、预期结果、实际结果

 

 

资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响大;使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限高,仅针对一个分类任务部署大模型划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
内容概要:本文详细介绍了哈希表及其相关概念和技术细节,包括哈希表的引入、哈希函数的设计、冲突处理机制、字符串哈希的基础、哈希错误率分析以及哈希的改进与应用。哈希表作为一种高效的数据结构,通过键值对存储数据,能够快速定位和检索。文中讨论了整数键值和字符串键值的哈希方法,特别是字符串哈希中的多项式哈希及其优化方法,如双哈希和子串哈希的快速计算。此外,还探讨了常见的冲突处理方法——拉链法和闭散列法,并提供了C++实现示例。最后,文章列举了哈希在字符串匹配、最长回文子串、最长公共子字符串等问题中的具体应用。 适合人群:计算机科学专业的学生、算法竞赛选手以及有一定编程基础并对数据结构和算法感兴趣的开发者。 使用场景及目标:①理解哈希表的工作原理及其在各种编程任务中的应用;②掌握哈希函数的设计原则,包括如何选择合适的模数和基数;③学会处理哈希冲突的方法,如拉链法和闭散列法;④了解并能运用字符串哈希解决实际问题,如字符串匹配、回文检测等。 阅读建议:由于哈希涉及较多数学知识和编程技巧,建议读者先熟悉基本的数据结构和算法理论,再结合代码实例进行深入理解。同时,在实践中断尝试同的哈希策略,对比性能差异,从而更好地掌握哈希技术。
评论
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