首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏全栈测试技术

    JMeter笔记9 | JMeter参数化

    1 测试对象我们使用禅道的创建用户接口,对创建用户的信息进行参数化;接口详情:图片图片2 分析从接口看,我们需要参数化的有参数有account和password;其他的几个请求参数可以相同,不用做处理。 3 JMeter参数化3.1 配置元件配置元件提供了参数化支持,如图:图片什么是参数化? 其实通俗的讲,我们在准备测试数据时,对若要求每次迭代的数据不一样时,则需进行参数化,然后从参数化的文件中来读取测试数据;这里我们参数化使用CSV Data Set Config元件。 3.2 CSV Data Set Config3.2.1 元件介绍该元件是用来进行参数化的,可以指定的文件中一行一行的提取文本内容;根据分隔符插接每一行内容并把内容与变量对应上;然后取样器可以引用这些变量 3.4 请求地址参数化我们每个接口都有请求URL、PORT等信息,我们直接在测试计划中,把这两个参数进行设置用户变量,如下:图片然后在http请求时直接使用${变量名}进行引用或者参数化即可,如下:图片

    1.4K70编辑于 2023-02-13
  • 来自专栏从零开始学自动化测试

    pytest文档9-参数化parametrize

    前言 pytest.mark.parametrize装饰器可以实现测试用例参数化。 42] _____________________________ test_input = '6 * 9', expected = 42 @pytest.mark.parametrize( 和往常一样 函数的参数,你可以在运行结果看到在输入和输出值 2.它也可以标记单个测试实例在参数化,例如使用内置的mark.xfail # content of test_expectation.py import 1.若要获得多个参数化参数的所有组合,可以堆叠参数化装饰器 import pytest @pytest.mark.parametrize("x", [0, 1]) @pytest.mark.parametrize x=0/y=2,x=1/y=2,x=0/y=3,x=1/y=3组合参数。

    1.2K20发布于 2018-08-17
  • 来自专栏自动化、性能测试

    Pytest系列(9) - 参数化@pytest.mark.parametrize

    https://www.cnblogs.com/poloyy/category/1690628.html 前言 pytest允许在多个级别启用测试参数化: 允许fixture有参数化功能(后面讲解) 参数化场景 只有测试数据和期望结果不一样,但操作步骤是一样的测试用例可以用上参数化; 可以看看下面的栗子 未参数化的代码 def test_1(): assert 3 + 5 == 9 def 利用参数化优化之后的代码 @pytest.mark.parametrize("test_input,expected", [("3+5", 8), ("2+4", 6), ("6*9", 42)]) 可以看到,只有一条用例,但是利用参数化输入三组不同的测试数据和期望结果,最终执行的测试用例数=3,可以节省很多代码 实际Web UI自动化中的开发场景,比如是一个登录框 你肯定需要测试账号空、密码空、账号密码都为空 参数化,增加可读性 # 增加可读性 data_1 = [ (1, 2, 3), (4, 5, 9) ] # ids ids = ["a:{} + b:{} = expect:{}".format

    1.8K10发布于 2020-06-09
  • 来自专栏啄木鸟软件测试

    性能测试(第2集)第9讲:LoadRunner 参数化

    upsm 提取码:upsm 2)Windows Server 2003 Standard x64 Edition 链接:https://pan.baidu.com/s/1Ro-BoTmp-1kq0W_lB9Oiww pwd=zp3o 提取码:zp3o 4)Debian 6(Kali Linux) 链接:https://pan.baidu.com/s/1Uw6SXS8z_IxdkNpLr9y0zQ? 127.0.0.1:8080/sec/ 5)Metasploitable2-Linux (with vsftpd 2.3.4) 链接:https://pan.baidu.com/s/1a71zOXGi_9aLrXyEnvkHwQ

    60210编辑于 2022-12-29
  • 来自专栏程序员成长指北

    伴鱼运营活动前端配置化实践

    作者:伴鱼技术团队 链接:https://juejin.cn/post/6906706659813359630 前言 波塞冬,是伴鱼活动运营解决方案的总称,包含活动规则体系、h5 可视化开发平台等,名称来源于古希腊神话 答案当然是组件化能力建设、可视化能力建设的范畴了,鉴于当前主推的运营场景是 h5 活动,下面我们会重点介绍一下 h5 可视化平台的建设。 以上就是对三大模块拆分的场景 h5 可视化开发的部分 可视化开发一直是前端开发的热点话题,几乎所有大的公司都有自己的可视化配置平台,我们在建设可视化平台之前也做了充分的调研,下面以平台对比和总结的方式介绍 因此基于质量、效率、安全的纬度,我将 h5 可视化平台划分为三个模块 组件开发脚手架: 我们提供了脚手架让开发高效、规范化的进行组的开发与发布 可视化编辑器: 提供将组件拼装成页面的能力。 管理后台 管理后台是整个可视化的控制枢纽,重点在于对业务场景应用的管控。

    1.1K10发布于 2021-03-09
  • 来自专栏学习笔记持续记录中...

    使用servlet原生API作为参数(9)

    version>3.1.0</version> <scope>provided</scope> </dependency> /** * 可以使用Servlet 原生的API作为目标方法的参数

    1.3K30发布于 2020-03-18
  • 来自专栏科学Sciences

    科技骗局9:1962年德佳奎因发现聚合水伪物理特性

    09 | 1962年德佳奎因发现聚合水伪物理特性 聚合水事件——载入百科全书的“伟大发现”。 1962年,苏联科学家德佳奎因连续发表论文,宣称水在石英玻璃毛细管中加热后性质反常——500℃沸腾,-8℃才结冰。 始作俑者德佳奎因也不得不发表声明,承认“聚合水”确是溶解石英管上杂质的水。于是,聚水这一“第四态水”的“伟大发现”就此告吹。 ,20190513Mon 7.美国工程院士李凯:科研和创新不是一回事,20190619Wed 8.中国科技实力正以多快的加速度逼近美国,20190702Tue 9.看看美国近100年来的科技发明和中国近

    96130发布于 2021-04-22
  • 来自专栏donghui的博客

    【jenkins参数化构建】将Ant Targets参数化

    使用jenkins做持续集成时,Ant Targets经常变动,所以采用参数化构建,将Ant Targets参数化 1、在jenkins的job中增加String Parameter/Persistent 3、其他 构建不使用jenkins ant plugin的原因: 使用String Parameter/Persistent String Parameter传递ANT_TARGETS参数 如果有多个target,jenkins ant plugin将多个target当成一个target 经多次尝试,无法将参数传递给ant,从而导致构建失败 而在ant命令行中,这一切都正常 暂未找到合适的解决方案 所以选择在batch脚本中,传递%ANT_TARGETS%参数,调用ant命令 ANT_TARGETS格式(多个target用英文逗号、分号或空格分开 String Parameter/Persistent String Parameter区别: 如果可以,Persistent String Parameter的默认值来自上次构建的参数

    2.1K30发布于 2019-04-19
  • 来自专栏码匠的流水账

    java9 gc log参数迁移

    序 本文主要研究一下java9 gc log参数的迁移。 统一JVM及GC的Logging java9引进了一个统一的日志框架,把gc相关的log输出及配置也给纳入进来了。 1867] GC(4) Pause Cleanup 32M->32M(256M) 0.214ms [2976ms][1867] GC(4) Concurrent Cycle 25.422ms 旧版GC相关参数到 旧版运行时参数到Xlog的迁移 Legacy Runtime Flag Xlog Configuration Comment TraceExceptions -Xlog:exceptions=info 小结 java9把gc log的选型及输出也给统一到了Xlog中,可以按照官方给出的迁移表进行迁移。

    2.2K10发布于 2018-09-17
  • 来自专栏文渊之博

    参数化(三):参数嗅探

        在之前的随笔中我提到过参数嗅探,这是非常重要的概念。下面我们深入的研究一下参数嗅探…     首先我们知道批处理可以是参数化的或者非参数化。 参数化的批处理计划有两种类型:“Prepared” 或者“Proc”。 参数嗅探在这两种类型中是完全相同的。它的行为在两种计划中是完全一样的。因此我们这里不去讨论类型,只关心参数化批处理本身的作用。 什么是参数嗅探? 在参数化批处理的实际执行计划的图形表示中,查看最外层的操作符属性(通常是一个select操作符),然后找到“Parameter List”属性。展开属性时,将会看到每个参数编译时和运行时的值。 假使用户用一个很少使用的参数来执行存储过程,这个参数值产生一个执行计划,并且对于指定该值作为参数的执行是非常高效的。但是其他参数时将会表现很糟糕。 因此问题来了:参数嗅探是好还是不好?  

    2.7K70发布于 2018-01-30
  • 来自专栏深度神经网络

    深度残差网络+自适应参数化ReLU激活函数(调参记录9)

    本文在调参记录6的基础上,继续调整超参数,测试Adaptively Parametric ReLU(APReLU)激活函数在Cifar10图像集上的效果。 深度残差网络+自适应参数化ReLU激活函数(调参记录6) https://blog.csdn.net/dangqing1988/article/details/105628681 自适应参数化ReLU激活函数的基本原理见下图 原先Batch Normalization默认没有正则化,现在加上L2正则化,来减小过拟合。 Keras程序如下: #! same', kernel_initializer='he_normal', kernel_regularizer=l2(1e-4))(inputs) net = residual_block(net, 9,

    78500发布于 2020-04-23
  • drawImage传递9个参数与传递5个参数的区别

    如果你传递了9个参数给`drawImage()`方法,那么它应该使用以下的形式:```javascriptdrawImage(image, sx, sy, sWidth, sHeight, dx, dy 所以,如果你传递了9个参数给`drawImage()`方法,那么你是在从源图像的特定区域裁剪图像,然后将裁剪后的图像绘制到画布的特定位置,并缩放到指定的宽度和高度。

    1.5K10编辑于 2024-10-19
  • 来自专栏若尘的技术专栏

    Jmeter 参数化

    一、什么时候使用参数化技术 根据具体的业务场景判断,例如新增用户,要求注册的用户名,手机号不能重复这个场景,就需要参数化。 二、参数化技术是什么? 参数化是自动化测试脚本的一种常用技巧,简单来说,参数化的一般用法就是将脚本中的某些输入使用参数来代替,在脚本运行时指定参数的取值范围和规则。 三、参数化流程 1、先找出需要做参数化的数据 2、准备提供给参数化需要的数据源 3、把脚本里面的常量换成变量(使用前面的数据源数据) 四、如何实现参数化 参数化作用域比较重要,如果需要对某一个请求起效果则需要放到该请求下

    1.2K65编辑于 2021-12-04
  • 来自专栏全栈数据化营销

    营销传播案例:金龙鱼社会化营销方案

    这是金龙鱼在2015年的社会化营销方案,总体来说,可以看到还是创意之后的执行,在深度上还是很有借鉴意义。 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

    1.1K20发布于 2018-08-03
  • 来自专栏学习笔记持续记录中...

    Java基础:五、可变参数列表 (9)

    由于所有的类都直接或间接继承于Object类,所以可以创建以Object数组为参数方法,以此获取可变参数列表 // JavaSE5之前 class A{} public class VarArgs{ Object之外类型的任何类型的参数,包括基本类型。 public static void main(String[] args){ f(new Integer(1),new Integer(2)); f(4,5,6,7,8,9) ; f(10,new Integer(11),12);// 可以在单一的参数列表中将类型混合在一起,而自动包装机制将有选择地将int参数提升为Integer } } 可变参数列表使得重载过程变得复杂了 可以给所有方法增加一个非可变参数,但是建议的是 只在重载方法的一个版本上使用可变参数列表,或者压根不用它 public class OverloadingVarargs{ static void

    81520发布于 2020-03-17
  • 来自专栏大数据文摘

    2015年10佳用Plotly制作的可视化图表

    翻译:吴怡雯 校对:姚佳灵 2015刚刚过去,我们决定把2015年最出色的10张Plotly图表放在一起展示,让大家了解Plotly能做些什么。 9.“Facebook网络社区” 这张网状图是由一位匿名的数学教授制作的。 ? 8. “美国国债收益率曲线” 这张曲面图是由Plotly的联合创始人chris制作的。 ? 7.

    1.2K80发布于 2018-05-22
  • 来自专栏测试技术圈

    unittest的参数化

    之前写了很多关于unittest单元测试框架的文章,本小节主要介绍它在参数化方面的应用,首先需要安装第三方的库parameterized,安装的命令为:pip install parameterized _ == '__main__': unittest.main(verbosity=2) 执行如上的代码后,显示三个测试点都测试通过,parameterized的设计思想有点和ddt相似,至少在参数化方面可以说是思想是一致的 在执行具体的测试点时候,它是对列表里面的参数进行进行循环然后依次赋值,也就是说,当循环到第一个元组的参数的时候,first其实是1,second是1,result是2,依次循环,这样就可以使用parameterized

    1.1K10发布于 2019-12-09
  • 来自专栏全栈测试

    Pytest之参数化

    以下主要介绍pytest参数化讲解及实战。 熟悉unittest单元测试框架的小伙伴知道,使用ddt进行数据驱动测试,那么身为功能更加强大且更加灵活的Pytest框架怎么可能没有数据驱动的概念呢? Pytest使用@pytest.mark.parametrize装饰器来实现数据驱动测试的,也就是常说的参数化。 argvalues:参数对应值,类型必须为list。 3 多个参数化装饰器 使用多个参数化装饰器,数据会进行交叉组合的方式传递给测试函数,进而生成n*n个测试用例(笛卡尔积)。 test_demo.py import pytest data_1 = [ (1, 2, 3), (4, 5, 9) ] ids = ["a:{} + b:{} = expect:{}"

    1.2K10发布于 2020-09-03
  • 来自专栏深度学习知识

    【哈工大版】动态ReLU:自适应参数化ReLU及Keras代码(调参记录9)

    本文介绍哈工大团队提出的一种Dynamic ReLU激活函数,即自适应参数化ReLU激活函数,原本是应用在基于一维振动信号的故障诊断,能够让每个样本有自己独特的ReLU参数,在2019年5月3日投稿至IEEE 本文在调参记录6的基础上,继续调整超参数,测试Adaptively Parametric ReLU(APReLU)激活函数在Cifar10图像集上的效果。 自适应参数化ReLU激活函数的基本原理见下图: 1.jpg 在Keras里,Batch Normalization的momentum默认为0.99,现在设置为0.9,这是因为momentum=0.9似乎更常见 原先Batch Normalization默认没有正则化,现在加上L2正则化,来减小过拟合。 Keras程序如下: #! Epoch 8/1000 65s 131ms/step - loss: 1.2921 - acc: 0.7483 - val_loss: 1.1713 - val_acc: 0.7798 Epoch 9/

    80810发布于 2020-05-27
  • 来自专栏后端云

    VNFD模板参数化

    概要 VNFD参数化可以实现通过单个VNFD文件和不同的VDU的参数以及值进行多次部署。 相反,若使用非参数化的VNFD,因为是参数的值都是不可变的,静态的,这样会限制通过单个VNFD同时部署VNF的数量。 例如,部署一个非参数化的含有固定IP地址的实例,再次通过该VNFD部署的时候,若不删除第一次生产的VNF实例将会导致一个错误。 非参数化的VNFD模板 下面是一个非参数化的VNFD例子。 下一节将举例如何下面的非参数化的VNFD模板可以被参数化以及在部署多VNFs时重用。 下面的例子是部署时候需要提供的包含参数和值文件,用于在部署VNF时替代上面的模板中的参数化部分。

    3.5K50发布于 2018-10-24
领券