測(cè)試行業(yè)大變革，人工智能引領(lǐng)下一代測(cè)試
經(jīng)歷過(guò)移動(dòng)互聯(lián)網(wǎng)繁榮時(shí)代，目前來(lái)看中國(guó)的移動(dòng)應(yīng)用生態(tài)已是非常龐大。從市場(chǎng)來(lái)看，多達(dá)上百個(gè)應(yīng)用市場(chǎng)，APP相關(guān)產(chǎn)業(yè)已超千億美元規(guī)模；從構(gòu)成來(lái)看，移動(dòng)應(yīng)用生態(tài)的組成，包括移動(dòng)用戶(hù)、手機(jī)、開(kāi)發(fā)商，以及超級(jí)APP和應(yīng)用市場(chǎng)；從規(guī)模來(lái)看，移動(dòng)用戶(hù)規(guī)模巨大，手機(jī)版本眾多，能統(tǒng)計(jì)到的開(kāi)發(fā)者和真正有簽名的開(kāi)發(fā)商已超百萬(wàn)，還有其他未統(tǒng)計(jì)到的成千上萬(wàn)的移動(dòng)APP；這些一起組成了規(guī)模龐大的移動(dòng)應(yīng)用生態(tài)。
事物往往是兩面性的，我們?cè)谙硎苋绱她嫶蟮囊苿?dòng)互聯(lián)網(wǎng)帶來(lái)的種種好處的同時(shí)也必須忍受與之相伴的不好的地方。因?yàn)檎麄€(gè)移動(dòng)應(yīng)用市場(chǎng)是非常復(fù)雜的，就質(zhì)量而言，雖然國(guó)內(nèi)很多應(yīng)用市場(chǎng)都號(hào)稱(chēng)做了非常嚴(yán)格的審查，但事實(shí)上，很多APP的應(yīng)用質(zhì)量都不盡如人意，而且很多都存在著嚴(yán)重的問(wèn)題，北京大學(xué)計(jì)算機(jī)科學(xué)技術(shù)系副主任郭耀教授在NCTS中國(guó)云測(cè)試峰會(huì)上分享了目前移動(dòng)應(yīng)用市場(chǎng)的復(fù)雜性和面臨一些問(wèn)題：
- 中國(guó)移動(dòng)應(yīng)用生態(tài)很復(fù)雜；
- 國(guó)內(nèi)的應(yīng)用更新不及時(shí)，導(dǎo)致用戶(hù)在應(yīng)用市場(chǎng)下載的應(yīng)用很多版本都不是最新版；
- 虛假應(yīng)用占市場(chǎng)的平均比例是Google Play的20倍；
- 多達(dá)80%的應(yīng)用過(guò)多申請(qǐng)了權(quán)限；
- 應(yīng)用市場(chǎng)對(duì)惡意應(yīng)用的審核具有延遲性。
那么，對(duì)于此類(lèi)問(wèn)題如何處理呢？一是幫助用戶(hù)更好地理解應(yīng)用到底怎么用，二是對(duì)軟件進(jìn)行測(cè)試，當(dāng)然想要最高效的解決這些問(wèn)題，還需要一個(gè)更高效的智能化測(cè)試平臺(tái)。
AI引領(lǐng)下一代測(cè)試，iTestin改寫(xiě)測(cè)試未來(lái)
Testin云測(cè)總裁徐琨
在剛剛過(guò)去的第二屆NCTS中國(guó)云測(cè)試行業(yè)峰會(huì)上，Testin云測(cè)總裁徐琨正式發(fā)布了全新AI測(cè)試產(chǎn)品iTestin，作為T(mén)estin云測(cè)人工智能戰(zhàn)略中的重要一環(huán)，iTestin融合了目前測(cè)試領(lǐng)域頂尖的自然語(yǔ)言處理、文本識(shí)別、圖標(biāo)識(shí)別技術(shù)，全面提升測(cè)試產(chǎn)品的易用性和自動(dòng)化效率，在提升腳本編寫(xiě)效率一倍的同時(shí)，將腳本的維護(hù)成本降低了一倍。在現(xiàn)場(chǎng)的發(fā)布環(huán)節(jié)，徐琨用自然語(yǔ)言在iTestin上現(xiàn)場(chǎng)演示AI+測(cè)試的真正能力，引起了現(xiàn)場(chǎng)觀(guān)眾的驚嘆和稱(chēng)贊。使用iTestin的測(cè)試人員只需在界面中輸入點(diǎn)擊、等待、檢查、長(zhǎng)按、輸入等自然語(yǔ)言的文字描述，后臺(tái)的AI就能準(zhǔn)確實(shí)時(shí)的在真機(jī)上進(jìn)行完整無(wú)誤的操作和相關(guān)指令。
iTestin真正神奇之處在于，僅半個(gè)小時(shí)就能教會(huì)一個(gè)從來(lái)不懂程序代碼的人完整寫(xiě)完他人生第一個(gè)程序?；谑謾C(jī)的操作基本都支持，這包括action，部分后臺(tái)的能力，等待，系統(tǒng)按鍵等等。這背后的操作依賴(lài)的是AI的識(shí)別能力；最重要的是OCR，OCR的準(zhǔn)確度會(huì)直接影響到整個(gè)執(zhí)行，因?yàn)楸举|(zhì)上是看到界面，大部分操作是基于文字的，文字有不同類(lèi)型的字體，不同樣式，還有遮擋等等。通過(guò)OCR的技術(shù)，能夠把熱點(diǎn)的文字全部篩選，在iTestin后臺(tái)可以像人一樣去操作各種文字按鈕，可以讀懂整個(gè)頁(yè)面的意思是什么。這是iTestin把系統(tǒng)的按鍵內(nèi)置到AI的后臺(tái)里面。
Testin云測(cè)用幾年的時(shí)間把整個(gè)人工智能的技術(shù)結(jié)合到測(cè)試上， iTestin的核心，第一部分是在語(yǔ)言的編寫(xiě)部分，完全是基于自然語(yǔ)言，就是基于日常生活的點(diǎn)擊，登陸，向左劃，向右劃等等，這讓前端的操作會(huì)變得更簡(jiǎn)單；另外，在后臺(tái)人工智能部分做了大量的工作，認(rèn)識(shí)NLP語(yǔ)言，認(rèn)識(shí)各種圖形，比如“點(diǎn)擊登陸”“向下滑動(dòng)”這八個(gè)漢字，這也是iTestin自動(dòng)化工具的兩條操作語(yǔ)句。
圖標(biāo)這部分比較有意思，人類(lèi)認(rèn)識(shí)很多圖標(biāo)，但是讓AI認(rèn)識(shí)圖標(biāo)是蠻困難的事。Testin云測(cè)團(tuán)隊(duì)收集了幾百萬(wàn)的圖標(biāo)，訓(xùn)練出這個(gè)模型，讓它能認(rèn)識(shí)通用的，近100種，隨著數(shù)據(jù)越來(lái)越多，還可以讓機(jī)器越來(lái)越聰明，計(jì)算機(jī)視覺(jué)可以把圖形做更多的識(shí)別，可以預(yù)見(jiàn)的是，基于圖像未來(lái)可以做很多很多的事情。
測(cè)試行業(yè)需要AI加持
對(duì)于軟件測(cè)試行業(yè)來(lái)講，移動(dòng)互聯(lián)網(wǎng)的發(fā)展和興起為軟件測(cè)試的發(fā)展帶來(lái)了機(jī)遇的同時(shí)也帶來(lái)了巨大的挑戰(zhàn)。這不得不從本質(zhì)問(wèn)題說(shuō)起，相對(duì)互聯(lián)網(wǎng)時(shí)代之前的傳統(tǒng)IT時(shí)代，軟件通常研發(fā)周期較長(zhǎng)，軟件功能龐大，更新頻率較低，軟件是作為支撐企業(yè)業(yè)務(wù)發(fā)展的配套設(shè)施而存在的，之所以叫配套設(shè)施，也就是對(duì)于企業(yè)而言即使沒(méi)有它，業(yè)務(wù)發(fā)展依然可以進(jìn)行，無(wú)非是管理效率可能會(huì)受到一些影響。而來(lái)到移動(dòng)互聯(lián)網(wǎng)時(shí)代，從本質(zhì)上來(lái)看，軟件本身就是企業(yè)的商業(yè)模式的核心競(jìng)爭(zhēng)力，不再僅僅是一個(gè)配套設(shè)施，而是核心設(shè)施，核心能力，其直接決定了在復(fù)雜多變的商業(yè)環(huán)境中，企業(yè)是否具備核心競(jìng)爭(zhēng)力。
但是在傳統(tǒng)的測(cè)試平臺(tái)中，諸如腳本和框選目標(biāo)控件等工作仍需要大量的人工介入，這遠(yuǎn)遠(yuǎn)滿(mǎn)足不了目前的龐大的市場(chǎng)需求。在行業(yè)追求效率的引導(dǎo)下，以AI技術(shù)為核心的測(cè)試新模式成為了行業(yè)爭(zhēng)相討論和想突破的焦點(diǎn)，新技術(shù)、新方法、新思維、新未來(lái)成為了測(cè)試行業(yè)的變量。
目前來(lái)看，AI+測(cè)試已有成為業(yè)內(nèi)共識(shí)的趨向，人工智能在測(cè)試行業(yè)的落地也誓將開(kāi)啟整個(gè)測(cè)試行業(yè)的新時(shí)代。來(lái)自阿里、搜狗、京東、埃森哲、VIPKID、平安集團(tuán)、汽車(chē)之家、餓了么等眾多行業(yè)翹楚都在NCTS中國(guó)云測(cè)試峰會(huì)上為大家分享了最新研究和測(cè)試實(shí)踐。
如何打造全流程AI測(cè)試平臺(tái)
北京大學(xué)計(jì)算機(jī)系博士李元春在做《強(qiáng)化學(xué)習(xí)在自動(dòng)測(cè)試中的應(yīng)用》時(shí)介紹了關(guān)于GUI測(cè)試相關(guān)的研究并指出，“將強(qiáng)化學(xué)習(xí)應(yīng)用到GUI測(cè)試的難點(diǎn)主要是狀態(tài)的表示和獎(jiǎng)勵(lì)函數(shù)的設(shè)計(jì)，即如何將交互界面中的圖像、文本等多模態(tài)特征進(jìn)行有效的編碼，以及如何將測(cè)試的目標(biāo)轉(zhuǎn)化成對(duì)測(cè)試輸入的獎(jiǎng)勵(lì)。”這其中包括基于深度學(xué)習(xí)的GUI測(cè)試和基于強(qiáng)化學(xué)習(xí)進(jìn)行UI功能的測(cè)試的內(nèi)容。
李元春提到雖然將深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)應(yīng)用于測(cè)試有廣闊的前景，但是目前想要達(dá)到大規(guī)模使用還有很長(zhǎng)的路要走。難點(diǎn)一：測(cè)試這個(gè)問(wèn)題十分復(fù)雜，目前的深度學(xué)習(xí)主要是拿圖片或者文字作為輸入，而UI是更為復(fù)雜的一種信息，既有視覺(jué)信息又有文本信息，現(xiàn)在沒(méi)有特別好的模型或方法去捕捉UI上的特征。二：強(qiáng)化學(xué)習(xí)算法成功的領(lǐng)域往往都是游戲，例如強(qiáng)化學(xué)習(xí)可以把圍棋解決得很好，一個(gè)重要的原因是，在游戲領(lǐng)域，Reward是比較明確的，但是在測(cè)試?yán)锩?，想評(píng)估一個(gè)測(cè)試用例是好是壞，沒(méi)有一個(gè)準(zhǔn)確的指標(biāo)，最后評(píng)估下來(lái)，每一個(gè)測(cè)試用例，不管是正確的還是錯(cuò)誤的，得到的Reward都是非常相近的，這就導(dǎo)致強(qiáng)化學(xué)習(xí)模型很難區(qū)分正確和錯(cuò)誤。要解決這些問(wèn)題，一方面有研究挑戰(zhàn)，一方面也有很多工程問(wèn)題要解決，還需要學(xué)術(shù)和產(chǎn)業(yè)界共同努力去解決。
企業(yè)如何進(jìn)行DevOps轉(zhuǎn)型
顧宇在分享企業(yè)DevOps轉(zhuǎn)型的經(jīng)驗(yàn)時(shí)提到，“我不推薦企業(yè)在 DevOps 能力不足的情況下做微服務(wù)改造，因?yàn)槠髽I(yè)在質(zhì)量標(biāo)準(zhǔn)較低的情況下，縮短發(fā)布周期，提升部署頻率是沒(méi)有意義的。”
目前來(lái)看很多企業(yè)在完成微服務(wù)改造之后，其測(cè)試成本都增加了。原因是從前是單體應(yīng)用，后面改成分布式應(yīng)用，需要測(cè)試的點(diǎn)多了，服務(wù)和服務(wù)之間各種功能性測(cè)試和非功能性測(cè)試都要測(cè)試，特別是在SIT這部分，這部分增加成本會(huì)帶來(lái)延緩交付周期的結(jié)果。企業(yè)在 DevOps 能力不足的情況下做微服務(wù)改造是不推薦的，微服務(wù)應(yīng)當(dāng)是 DevOps 成熟度高之后的必然結(jié)果；否則很多質(zhì)量問(wèn)題會(huì)導(dǎo)致人力成本和時(shí)間成本的大幅增加。
DevOps需要解決兩個(gè)問(wèn)題，第一是軟件交付效率，第二是交付質(zhì)量。質(zhì)量和效率都很重要。如何提升呢？這就需要以下幾點(diǎn)舉措：
- 準(zhǔn)確定義Bug；
- 建立完善的需求文檔，減少對(duì)接成本；
- 打破DevOps組織墻，樹(shù)立正確的DevOps測(cè)試觀(guān)等。
360搜索業(yè)務(wù)構(gòu)建全自動(dòng)化測(cè)試平臺(tái)
360搜索測(cè)試總監(jiān)彭興強(qiáng)分享了360搜索業(yè)務(wù)如何通過(guò)CI/CD全流程自動(dòng)化、功能、性能、接口測(cè)試自動(dòng)化，再加上業(yè)務(wù)監(jiān)控、線(xiàn)上產(chǎn)品質(zhì)量的自動(dòng)化分析、AB實(shí)驗(yàn)以及一套完善的數(shù)據(jù)分析系統(tǒng)來(lái)保障線(xiàn)上服務(wù)質(zhì)量。
傳統(tǒng)軟件制作全流程是自發(fā)，自測(cè)，提測(cè)，冒煙測(cè)試；如果流程通不過(guò)就打回，冒煙測(cè)試結(jié)束就進(jìn)入QA測(cè)試環(huán)節(jié)。而在全自動(dòng)化測(cè)試的流程中，制作的驗(yàn)證是其中的一個(gè)基本功能，另外的功能是回歸，功能、接口、模塊，離線(xiàn)建庫(kù)，性能測(cè)試，DIFF測(cè)試，兼容性測(cè)試等，由于線(xiàn)上可能存在不同的版本，版本上線(xiàn)之后，對(duì)當(dāng)前版本是支持的，對(duì)上下版本的兼容需要進(jìn)行測(cè)試，因此所有環(huán)節(jié)都是在自動(dòng)化的過(guò)程中實(shí)現(xiàn)的。
360團(tuán)隊(duì)做的事情是將前面的所有部分抽象出來(lái)，都放在全自動(dòng)化測(cè)試流程，編譯打包，提測(cè)，冒煙測(cè)試和自動(dòng)化測(cè)試，所有都放到一個(gè)全自動(dòng)化測(cè)試流程里。
一個(gè)自動(dòng)化測(cè)試平臺(tái)包含接口自動(dòng)化，服務(wù)端自動(dòng)化，前端自動(dòng)化性能和測(cè)試自動(dòng)化。在自動(dòng)化測(cè)試平臺(tái)，針對(duì)每塊業(yè)務(wù)都是有數(shù)據(jù)定制化的，因此開(kāi)發(fā)不用關(guān)心數(shù)據(jù)，只要選擇做什么業(yè)務(wù)，選擇什么樣的數(shù)據(jù)，點(diǎn)擊確認(rèn)就可以。360研制的自動(dòng)化測(cè)試平臺(tái)主要有以下幾大亮點(diǎn)功能：
數(shù)據(jù)上傳：有特定的數(shù)據(jù)去驗(yàn)證，可以自己上傳需要的數(shù)據(jù)。
實(shí)時(shí)日志：如果測(cè)試需要觀(guān)察實(shí)時(shí)數(shù)據(jù)的狀況，有些性能測(cè)試不需要把整個(gè)測(cè)試做完之后再看結(jié)果，比如10分鐘，20分鐘，發(fā)現(xiàn)問(wèn)題了可以停止測(cè)試，去排查問(wèn)題，一個(gè)自動(dòng)化測(cè)試平臺(tái)是支持秒級(jí)的數(shù)據(jù)查看。
歷史任務(wù)管理：指標(biāo)變化情況，都可以在平臺(tái)里進(jìn)行查看。
進(jìn)程監(jiān)控：在特定的任務(wù)里面需要關(guān)注某些進(jìn)程的情況，需要把進(jìn)程名稱(chēng)填進(jìn)去，可以通過(guò)平臺(tái)察看。
AI在測(cè)試行業(yè)的應(yīng)用和實(shí)踐
1. AI模型測(cè)試探秘
融360高級(jí)技術(shù)經(jīng)理艾輝在做《AI模型測(cè)試探秘》主題演講時(shí)，分享了AI在金融科技的應(yīng)用場(chǎng)景并指出，AI在金融行業(yè)的商業(yè)場(chǎng)景變現(xiàn)領(lǐng)域做的相對(duì)成熟，這主要得益于數(shù)據(jù)的質(zhì)量，以及數(shù)據(jù)的豐富度，它們對(duì)模型的效果起著極其重要的作用。
模型測(cè)試的痛點(diǎn)都有哪些？第一是難，門(mén)檻很高，傳統(tǒng)工程測(cè)試的方法不能完全的復(fù)用，二是抽象，模型測(cè)試是黑盒和強(qiáng)數(shù)據(jù)相關(guān)的，體現(xiàn)在問(wèn)題定位難和排查問(wèn)題時(shí)數(shù)據(jù)關(guān)聯(lián)性強(qiáng)。
在打造AI產(chǎn)品質(zhì)量體系分為線(xiàn)上和線(xiàn)下：線(xiàn)下三個(gè)模塊，模型質(zhì)量、數(shù)據(jù)質(zhì)量、工程質(zhì)量。線(xiàn)上做各種模型效果的監(jiān)控，特征的監(jiān)控，一致性監(jiān)控的，覆蓋率的還有業(yè)務(wù)表現(xiàn)的監(jiān)控等。
2. 如何對(duì)線(xiàn)下測(cè)試進(jìn)行智能化建設(shè)
阿里巴巴測(cè)試開(kāi)發(fā)專(zhuān)家潘家騰在做《阿里媽媽在線(xiàn)下測(cè)試域的智能化建設(shè)》主題演講時(shí)，分享了阿里媽媽在線(xiàn)下測(cè)試方面的實(shí)踐，包括業(yè)務(wù)的現(xiàn)狀與挑戰(zhàn)，進(jìn)入智能化的邏輯，以及如何實(shí)現(xiàn)線(xiàn)下測(cè)試的智能化。
線(xiàn)下功能測(cè)試的發(fā)展歷程分為三個(gè)階段，第一是大航海時(shí)代，特點(diǎn)是以人工測(cè)試為主，自動(dòng)化程度不高；第二個(gè)階段是工業(yè)革命時(shí)代，自動(dòng)化程度非常高了，測(cè)試的框架也有了，加上持續(xù)集成的工具，比如阿里內(nèi)部的一些平臺(tái)，共同組成了很高的自動(dòng)化方式。但是，由于測(cè)試技術(shù)的門(mén)檻非常高，開(kāi)發(fā)無(wú)法參與進(jìn)來(lái)，大部分工作都由測(cè)試來(lái)進(jìn)行。在阿里內(nèi)部，有不少團(tuán)隊(duì)還是處于高自動(dòng)化的時(shí)代，但是還沒(méi)有進(jìn)入智能化的時(shí)代；第三階段是智能化的時(shí)代，特點(diǎn)是產(chǎn)品化、可視化，以及部分的智能化，大大的提高效率。團(tuán)隊(duì)嘗試著讓整個(gè)測(cè)試工作更簡(jiǎn)單，通過(guò)降低門(mén)檻，讓開(kāi)發(fā)、算法或者其他同學(xué)都能夠參與進(jìn)來(lái)。這個(gè)階段主要是向測(cè)試平臺(tái)或者測(cè)試中臺(tái)的演進(jìn)。
智能化技術(shù)非常重要，但是如何結(jié)合測(cè)試場(chǎng)景是更重要的事情。功能測(cè)試域主要分為三個(gè)部分，第一是case如何寫(xiě)，就是用例生成，第二是用例回歸，也就是說(shuō)寫(xiě)完case之后快速的迭代這些case，第三是一旦case測(cè)試失敗之后，怎么去做智能排查，這三部分智能化都有所體現(xiàn)。除此之外智能化技術(shù)還有：用例智能推薦，數(shù)據(jù)智能推薦，智能冒煙回流技術(shù)，智能回歸技術(shù)，智能排查反饋等部分。
3. DevOps +AI
網(wǎng)易傳媒測(cè)試總監(jiān)張濤分享了網(wǎng)易新聞在最近一年里在DevOps方面的實(shí)踐，并指出，“DevOps落地的過(guò)程也是一個(gè)提升測(cè)試價(jià)值的過(guò)程，從關(guān)注服務(wù)可用性到關(guān)注系統(tǒng)的可測(cè)性和穩(wěn)定性，在研發(fā)、測(cè)試和運(yùn)維全流程中發(fā)揮中樞作用。”
張濤在分享DevOps提升迭代效率的思路和方法時(shí)，提出了傳統(tǒng)DevOps火車(chē)模式的明顯問(wèn)題，那就是轉(zhuǎn)向班車(chē)模式，班車(chē)模式改變了集中需求收集和集中的研發(fā)測(cè)試的方法，有新的需求隨時(shí)去提交，隨時(shí)去評(píng)審，隨時(shí)做研發(fā)和測(cè)試；再之后就是評(píng)估時(shí)間周期是否合理，網(wǎng)易新聞的評(píng)估周期是固定三周一個(gè)迭代。
另一個(gè)就是聯(lián)合項(xiàng)目管理團(tuán)隊(duì)一起做的OverMind平臺(tái)，其最大的作用就是從需求到研發(fā)，到上線(xiàn)，到測(cè)試，把各個(gè)環(huán)節(jié)常規(guī)所需要用到的一些平臺(tái)和工具都串聯(lián)打通。比如需求的管理，研發(fā)所使用的分支管理工具，以及測(cè)試的工具，上線(xiàn)的平臺(tái)，都進(jìn)行串聯(lián)打通。網(wǎng)易新聞團(tuán)隊(duì)測(cè)試時(shí)也把Testin云測(cè)全新AI測(cè)試產(chǎn)品iTestin提供的自動(dòng)化的能力集成到了整個(gè)的流程里面。
通過(guò)機(jī)器學(xué)習(xí)測(cè)試加持，DevOps實(shí)現(xiàn)了對(duì)全鏈路的監(jiān)控，另外在如何梳理服務(wù)的依賴(lài)關(guān)系和鏈路的追蹤方向上提供了方法，這一流程可以把整個(gè)請(qǐng)求的鏈路串聯(lián)起來(lái)。另外具備鏈路調(diào)用性能評(píng)估，可監(jiān)測(cè)每一個(gè)請(qǐng)求的性能是怎樣的，這能夠快速的發(fā)現(xiàn)性能上的一些瓶頸；這些就是全鏈路監(jiān)控整體的思路。
4. 利用AI快速定位Bug
餓了么測(cè)試開(kāi)發(fā)專(zhuān)家邱化峰在做《人工智能在Bug定位中的應(yīng)用》主題演講時(shí)指出，“企業(yè)想獲得人工智能帶來(lái)的便利，首先要制訂相對(duì)應(yīng)的標(biāo)準(zhǔn)，如果沒(méi)有這個(gè)標(biāo)準(zhǔn)，按照固定的算法，則很難實(shí)現(xiàn)。”
首先，有些人專(zhuān)門(mén)維護(hù)了所有關(guān)于java的Bug，這些Bug在修復(fù)里時(shí)會(huì)生成一些數(shù)據(jù)，告訴你哪個(gè)方法在第幾層，哪個(gè)方法哪一行出現(xiàn)了什么錯(cuò)誤。如果想使用人工智能帶來(lái)的便利，首先要制訂一些相對(duì)應(yīng)的標(biāo)準(zhǔn)，如果沒(méi)有這個(gè)標(biāo)準(zhǔn)，很難按照固定的算法來(lái)得到想要得到的東西。首先邱化峰對(duì)工具做了介紹，二是講解了Bug定位的原理和方法，第三，是使用這些工具之后應(yīng)用從哪些方面做具體的落地。
眾所周知的八二法則在測(cè)試行業(yè)里可以理解為，80%的Bug來(lái)自于20%的代碼，針對(duì)這個(gè)理論，需要對(duì)20%的代碼做case等級(jí)的分類(lèi)。軟件迭代的版本越多，開(kāi)發(fā)和測(cè)試不斷在維護(hù)自己自動(dòng)化的腳本，包括單元測(cè)試的腳本，Bug就會(huì)慢慢的越積越多，需要用空間換時(shí)間看case執(zhí)行的情況。除此之外，還可以用等級(jí)分類(lèi)的方法把這些case標(biāo)志出來(lái)，可以減少一些空間或時(shí)間。
AI賦能測(cè)試行業(yè)
那么AI時(shí)代，測(cè)試開(kāi)發(fā)怎么做技術(shù)的儲(chǔ)備和轉(zhuǎn)型呢？AI的學(xué)習(xí)，需要經(jīng)歷從高數(shù)基礎(chǔ)到機(jī)器學(xué)習(xí)的過(guò)程。還有就是掌握數(shù)據(jù)分析和挖掘能力，做數(shù)據(jù)質(zhì)量分析本質(zhì)上就是做數(shù)據(jù)分析，大量相關(guān)的理論和工具都需要熟練的用到。這也需要測(cè)試行業(yè)的人員不斷去積累，而且對(duì)于深度學(xué)習(xí)，強(qiáng)化學(xué)習(xí)，復(fù)雜度就更高。
測(cè)試行業(yè)未來(lái)是AI
中國(guó)測(cè)試技術(shù)的轉(zhuǎn)型和革新也是中國(guó)互聯(lián)網(wǎng)飛速發(fā)展的縮影，從最初的人工手動(dòng)測(cè)試，到后來(lái)的工具測(cè)試，到目前市面上主流的自動(dòng)化測(cè)試，整個(gè)行業(yè)已經(jīng)進(jìn)入到了一個(gè)成熟和穩(wěn)定的階段，尤其是云測(cè)試模式的出現(xiàn)，將整個(gè)行業(yè)又推到了新的高度。再加上當(dāng)前人工智能技術(shù)的發(fā)展速度，遠(yuǎn)超出了我們想象。可以想象地到，在未來(lái)，測(cè)試產(chǎn)品會(huì)更智能，更簡(jiǎn)單，更易用。
這一切的一切讓我相信，隨著AI技術(shù)的逐漸成熟，下一代測(cè)試正在到來(lái)。
【NCTS峰會(huì)回顧】北大郭耀：移動(dòng)應(yīng)用生態(tài)系統(tǒng)的現(xiàn)狀與挑戰(zhàn)https://developer.51cto.com/art/201911/606776.htm
【NCTS峰會(huì)回顧】Testin徐琨：AI引領(lǐng)下一代測(cè)試，iTestin改寫(xiě)測(cè)試未來(lái)https://developer.51cto.com/art/201911/606770.htm
【NCTS峰會(huì)回顧】阿里巴巴潘家騰：阿里媽媽在線(xiàn)下測(cè)試域的智能化建設(shè)https://developer.51cto.com/art/201911/606771.htm
【NCTS峰會(huì)回顧】360搜索彭興強(qiáng)：360搜索質(zhì)量保障體系介紹https://developer.51cto.com/art/201911/606778.htm
【NCTS峰會(huì)回顧】融360艾輝：AI模型測(cè)試探秘https://developer.51cto.com/art/201911/606775.htm
【NCTS峰會(huì)回顧】網(wǎng)易張濤：網(wǎng)易新聞DevOps實(shí)踐及在A(yíng)I測(cè)試中的應(yīng)用https://os.51cto.com/art/201911/606783.htm
【NCTS峰會(huì)回顧】顧宇：DevOps的交付質(zhì)量從需求質(zhì)量開(kāi)始https://os.51cto.com/art/201911/606781.htm
【NCTS峰會(huì)回顧】北大李元春：強(qiáng)化學(xué)習(xí)在自動(dòng)測(cè)試中的應(yīng)用https://developer.51cto.com/art/201911/606772.htm
【NCTS峰會(huì)回顧】餓了么邱化峰：人工智能在Bug定位中的應(yīng)用https://developer.51cto.com/art/201911/606773.htm
