- 综合排序
- 最热优先
- 最新优先
- 来自专栏往期博文
【Python】npypklcsv读写效率测试
测试环境 CPU： Intel® Core™ i7-10700F 磁盘： ST1000DM010-2EP102 系统：windows10 测试代码 import os import pickle import : # test = read_pkl(os.path.join(root_path, i)) e_t = time.time() print(e_t - s_t) 测试结果
1.4K30编辑于 2023-03-24 - 来自专栏搜狗测试
Docker提升测试效率之路
为了让小伙伴们可以快速上手Docker容器技术，本文主要从3个场景介绍Docker在测试中的应用： 使用Docker管理测试环境 使用Docker提高测试执行效率 使用Docker管理测试数据 一、使用 在团队里使用此功能可以大大提高工作效率，还可以避免因环境不一致带来的各种问题。 三、使用Docker提高测试执行效率 考虑如下3个场景： 问题一：A、B两位测试人员共同负责同一核心模块的测试，希望测试环境独立，互不影响； 问题二：测试过程中发现某个问题，希望保留此现象环境，以便后面排查定位问题 我们可以在本地备份、分发； 5、若需要以此数据为基础数据，复制一份出来，启动容器时使用-v参数将复制后的路径挂载到容器即可。 五、总结 本文主要给大家简单介绍了如何使用Docker容器技术管理测试环境、测试数据，提高测试（团队）工作效率，其核心的知识点有： 1、Dockerfile文件的编写，该部分没有详细介绍，大家可以参数如下教程进行学习
1.2K20发布于 2020-01-17 - 来自专栏测吧测试开发
软件测试 | 读懂 Appium 日志，让测试效率翻倍！
[watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NjYzNTA5MQ 本文将详细解读如何读懂 Appium 日志，并让你的测试效率翻倍。 开启服务 日志第一行显示了 Appium 版本和运行地址。 ] showIOSLog: true [Appium] Appium REST http interface listener started on 172.19.131.113:8000 对于自动化测试来说 创建 Session 为了自动化测试跑起来，session 要做很多事，日志提供了一些基本的 session 信息，特别是 desired capabilities 和 default capabilities
99120发布于 2020-12-01 - 来自专栏简尚
想提升测试团队的效率 ？
先上图， 1、看到这位测试同学的思考，去「提升测试团队的效率」。 2、这篇，写的很好 。主要从两个角度「技术和流程」去解决这件事。老徐觉得可行 。 甚至是对于很多中小团队，技术角度不一定能落地。 3、如果你团队有测试开发同学。或者你自己作为Leader ，玩过类似的 CI/CD 平台 。可以自己去搭建这套 。 至少可以把 打包，部署，接口测试，开发自测，冒烟测试，弄成自动化 。 对于冒烟测试不通过的，严格执行版本打回 。或者，线下先沟通，达成一致 。多数时候，效率低下，就是开发、测试，来回版本阻塞，测试不通过 。 5、可以跟研发团队达成一致，Bug日事日清 。 6、当然，测试前置。对于效率提升也是非常有帮助的 。自测Case驱动开发自测，提供测试数据。提测前，去开发环境，先快速过一遍流程 。避免测试环境部署后，反复版本打回 。 7、剩下的，可玩的。 就是「测试同学，对业务极其熟悉，对需求足够敏感」。在需求评审环节，就可以快速识别无效需求，伪需求。避免需求反复调整，开发、测试一些无效需求（对，这些都跟技术无关）。
50510编辑于 2022-12-29 - 来自专栏Mac资源随时更新
Mac效率办公神器：alfred 5
alfred 5是一款强大的Mac效率办公软件，可以快速的搜索本地程序，使用搜索引擎搜索、查询词典、查找文件、管理、音乐控制等等！ Mac效率办公神器：alfred 5图片功能1.搜索并浏览在Mac或网络上启动应用程序并查找文件。阿尔弗雷德学习你如何使用你的Mac并优先考虑结果。 使用Alfred与OS X的深度集成控制Mac，提高您的工作效率。快速对文件和联系人采取行动，控制音乐播放器并发送系统命令。 5.触手可及的工作效率通过快捷键就快速的启动、搜索、查询字典、查看剪贴板等等，简单实用！
93520编辑于 2022-08-27 - 来自专栏python3
python列表处理效率对比测试
Python列表添加元素效率测试 #! start=datetime.datetime.now() f.test4(2) end=datetime.datetime.now() print(end-start) 测试结果如下
61320发布于 2020-01-13 - 来自专栏老张的求知思考世界
如何提高测试过程效率？
后台有同学留言，对质量度量和测试提效部分提了几个问题，核心集中在如何提高测试过程效率方面。 我在前面写过几篇关于测试提效的文章，分别聊到了影响测试效率的因素，测试团队要提效面临的挑战，以及提高测试过程效率的一些思路和方法。有的同学说在不同的公司和团队，项目不同，要解决的具体问题也不一样。 回到正题，这篇文章继续聊聊如何提高测试过程效率。影响效率的主客观因素首先，要提高测试过程效率，需要先找到影响效率的因素，这是达成工作目标所必然面临的挑战。 聊完客观因素，再来聊聊影响效率的主观因素。在日常项目研发交付过程中，最常见的影响效率的因素有这几点：需求频发变更、代码质量差频繁返工、测试方案考虑不足测试手段匮乏(比如测试执行过程纯手工执行)。 比如以前接口测试都是手动执行，提升效率则可以采用自动化的方式；以前准备测试数据都是手动写SQL去一条一条插入数据，提升效率则可以考虑流量录制或者通过存储过程的方式去预埋数据，这样效率也会提高。
70100编辑于 2024-12-20 - 来自专栏老张的求知思考世界
如何提高测试过程效率？
后台有同学留言，对质量度量和测试提效部分提了几个问题，核心集中在如何提高测试过程效率方面。 我在前面写过几篇关于测试提效的文章，分别聊到了影响测试效率的因素，测试团队要提效面临的挑战，以及提高测试过程效率的一些思路和方法。 有的同学说在不同的公司和团队，项目不同，要解决的具体问题也不一样。 回到正题，这篇文章继续聊聊如何提高测试过程效率。 影响效率的主客观因素 首先，要提高测试过程效率，需要先找到影响效率的因素，这是达成工作目标所必然面临的挑战。 聊完客观因素，再来聊聊影响效率的主观因素。 在日常项目研发交付过程中，最常见的影响效率的因素有这几点：需求频发变更、代码质量差频繁返工、测试方案考虑不足测试手段匮乏(比如测试执行过程纯手工执行)。 比如以前接口测试都是手动执行，提升效率则可以采用自动化的方式；以前准备测试数据都是手动写SQL去一条一条插入数据，提升效率则可以考虑流量录制或者通过存储过程的方式去预埋数据，这样效率也会提高。
43010编辑于 2024-12-20 - 来自专栏sylan215 的软件测试技术学习
Google 软件测试之效率神器
根据《Google 软件测试之道》这本书，我已经写了四篇导读： Google 软件测试之道 Google 软件测试之角色职责 Google 软件测试的未来 Google 流程中的致命缺陷 今天想继续谈一下书中提到的 大家都知道，一个好的工具或系统，可以极大的提高工作效率，而 Google 测试团队的这些工具都是他们工作过程中经过总结提炼，最后量身定制开发的，效果可想而知了。 废话少说，直接上干货。 BITE 还可以进行 bug 查看，进行测试的录制和回放，以及进行测试用例的分配和执行标注。 5、GTCM GTCM（Google Test Case Manager，Google 测试用例管家）是 Google 资深测试开发工程师在 2010 年新开发的测试用例管理系统。 GTCM 通过灵活的标签格式，让任何项目都可以自行定制自己的测试用例，并让测试用例便于查找和复用，同时也简化了测试用例的编写。
1.5K30发布于 2020-03-02 - 来自专栏ceshiren0001
提升测试效率5倍！Dify驱动的可视化工作流实现自动化测试“开箱即用”
(self): # 前置条件：存在有效用户账号 # 测试步骤：连续输入错误密码5次 # 预期结果：账号被锁定，提示联系管理员2. 下单购买 order_result = create_order(target_product) # 5. Dify工作流耗时效率提升测试用例设计4-6小时15-30分钟8-12倍测试数据准备2-3小时5-10分钟12-18倍测试脚本编写8-12小时20-40分钟12-18倍测试执行2-4小时实时执行无限提升缺陷分析 ：开启测试效率新纪元通过Dify可视化工作流，我们成功将自动化测试的门槛降至最低，让每个测试人员都能轻松构建专业的测试体系。 核心价值总结： 效率飞跃：测试活动效率提升5倍以上 质量提升：测试覆盖更全面，缺陷发现更早 成本降低：人力投入大幅减少，维护成本显著下降 易于使用：零编码经验也能快速上手现在就开始你的可视化测试之旅，体验
84010编辑于 2025-11-07 - 来自专栏四火的唠叨
从构建和测试的效率说起
开始的时候我没有做第二步，直接从 UT 跨越到 workflow 上的测试，结果就是效率低下，大量的时间都在等待 workflow 的调度和资源分配，跑一次任务得等上一个半钟头以上才能看到结果。 所以，经验教训就是，测试要有层次，简单的东西写了跑很方便，但是异步 job 这样的东西，特别是数据量大的时候，根据不同的测试成本分成不同的阶段，尽可能在测试成本最小的时候把能覆盖的待测试项全部覆盖了。 但是只要产品不是特别大，不是特别 critical，我是第一种的坚定支持者，原因就在于使用第二种方式会大大降低效率，具体原因不细数，但是肯定是和大量的和无趣的 code merge 相关。 我记得有这样一则漫画，说的是“ 为什么这些人总是很闲”： 这种“ 闲” 是无奈的“ 闲”，程序员当然可以在 compile 等等各种等待时间做别的事，但是这意味着大脑中的工作线程需要反复切换，不但效率低下 关于构建效率的问题，根据这些年的工作经验，我觉得这是一个很有价值的话题，能节约程序员大量的时间，重要性不比许多技术本身低，但是却很少有人讨论和感兴趣。
40410编辑于 2022-07-19 - 来自专栏Mac资源分享
Alfred 5 Mac(苹果效率提升工具)
Alfred 5 Mac全新上线，优化了用户界面，改进了工作流和自动任务，新的工作流调色板为您提供了一种轻松导航、发现和使用各种可用工作流对象的方法，一系列的Alfred改进，都体现了Alfred 5 Mac版在节省时间，提高效率的道路上越来越好！ 图片Alfred 5新增功能新的工作流编辑器工作流编辑器已从头开始重写，性能更高、效率更高、用户友好且易于访问。
60420编辑于 2022-08-25 - 来自专栏格物致知
详解C调用lua脚本效率测试
详解C调用lua脚本效率测试 C调用lua脚本效率测试是本文要介绍的内容，以下代码以C语言为基准，测试了C调用Lua循环和循环调用Lua的效率。结论是不要频繁地穿越C/Lua边界. 小结：详解C调用lua脚本效率测试的内容介绍完了，希望通过本文的学习能对你有所帮助！ 想看看c调用lua和lua调用c效率有多大差别吗？ 加一种测试： "function loop_cadd(a, b) " " local sum = 0 " lua_tointeger(l,1) ; int b = lua_tointeger(l,2) ; lua_pushinteger(l,a+b) ; return 1 ; } 测试结果如下
1.2K20编辑于 2022-08-19 - 来自专栏测试人生
如何提高测试用例编写效率
如果希望可以进一步提高某个阶段测试工作的效率，还可以考虑应用“设计测试过程”的方法。这里所说的测试过程，指的是我们在执行测试时所设定的执行测试用例的先后顺序。 ☆ 注意是两极，不是一极 ☆ 测试人员做久了，往往容易走极端——职业病，不利于与人沟通 5、简单思维方式 ☆ 剥离一些非关键特征，追逐事物的本质，让事物简单的只剩下“根本” ☆ 针对事物本质（解决问题的本质 ，每次写用例时多考虑考虑这些方面 5）对于遗漏的测试点或没有想到的测试用例点，要有个好的观点和心态去看待，不要因为自己的用例写的不全就觉得很丢人、觉得自身能力差；只要多多思考.总结找到方法应对，慢慢的你的测试用例就会遗漏的很少了 4）保证我们所做工作的效率。 效率就是最短的时间处理最多的事情。这一点很难有标准。你能说一天执行10个用例的就比执行20个用例的效率低吗？ 改进：加强测试人员自身的能力提高，可以有效的提高效率，减少无效的工作。例如，对一个经验丰富的测试人，他可以轻易的想到最可能多的测试数据，他可以最快的定位缺陷。 5）如何来度量我们的测试工作。
1.7K30发布于 2020-02-17 - 来自专栏AI SPPECH
智能测试覆盖率分析：提升测试效率与质量
智能测试覆盖率分析通过AI技术的应用，不仅可以自动化地获取和分析覆盖率数据，还可以提供更深入的洞察和智能建议，帮助测试团队提升测试效率和质量。 传统测试覆盖率 → 挑战：数据量大/分析效率低/难以发现盲区 → AI驱动分析 → 优势：智能洞察/效率提升/质量保障 你是否在测试覆盖率分析中遇到过覆盖率数据获取困难、分析效率低下、难以发现测试盲区等问题 让我们一起探索智能测试覆盖率分析的方法和实践。 要点 描述 互动 传统挑战 覆盖率数据获取困难、分析效率低、难以发现测试盲区 你在测试覆盖率分析中最大的挑战是什么？ 评估测试完整性：测试覆盖率是评估测试完整性的重要指标 指导测试资源分配：根据覆盖率分析结果，可以合理分配测试资源，重点关注覆盖率低的部分 提升测试效率：通过覆盖率分析，可以避免重复测试，提高测试效率 0.1 * complexity - 0.02 * code_size + 0.5 * defect_count + 0.3 * test_effort + np.random.normal(0, 5,
36210编辑于 2025-11-13 - 来自专栏EAWorld
提升微服务测试效率：消费者驱动契约测试
目录： 一、单元测试 二、端到端(系统)测试 三、集成测试 四、使用消费者驱动契约测试（CDCT） 五、总结 一、单元测试 当我们谈到微服务时，我们还应该进行单元测试吗？ 如果可以更加有效的测试方法改进单元测试来验证服务间交互，肯定会改善我们的开发、测试和部署体验。 5. 验证提供者提供的契约是否和之前记录的契约一样。 这种新的测试方法的优点是它们基本上是添加了交互条件的单元测试：它们可以在本地独立运行，而且速度快、可靠。 如果没有契约测试，了解服务可以通信的唯一方法就是使用昂贵而脆弱的集成测试。你是否放火烧了你的房子来测试你的烟雾报警器？不，你用测试按钮来测试它和你耳朵之间的合同。 why-should-you-use-consumer-driven-contracts-for-microservices-integration-tests/ 4.https://dzone.com/articles/consumer-driven-contracts-with-pact-feign-and-spri 5.
1.5K32发布于 2018-12-06 - 来自专栏ApiPost接口测试
接口测试——流程测试支持批量参数导入，测试效率直接拉满！
有了这个功能测试效率直接拉满，对测试人员来说简直就是如虎添翼。官方链接：https://console.apipost.cn/register? 目前支持csv，json，txt三种形式导入，可以很方便的导入流程测试的数据进行测试。 02流程测试场景中的痛点作为一名测试人员，最辛苦的阶段大概就是接口测试执行阶段，针对于某一个接口，有大量的测试数据需要批量验证，一个一个的更改请求参数太耗时耗力，使用参数化批量处理数据能够节省很多时间， 有效提高工作效率。 3.打开测试数据，出现“选择文件”上传入口4.点击“选择文件”，选择想要导入的txt/csv/json文件5.可以预览所选文件6.查看请求04更新日志新增 流程测试支持excel批量导入测试用例参数优化
84600编辑于 2022-07-14 - 来自专栏TestOps云层
衡量软件测试人员的工作效率
怎么全面去衡量测试人员的工作效率，一直是比较头疼的问题，很多公司可能会以Bug的数量来作为考核点: 制定每天必须发现的Bug数量.... 发现一个Bug 5块钱.... 有 5.递交的缺陷数量： 在同一个项目组内，每天递交的Bug数量，每周递交的Bug数量，每个版本测试结束，总共递交的Bug数量。 最终测试结束，算出每个人递交有效缺陷的百分比。 8.评审发现问题的效率： 在组织部门内部的case评审时，同一个测试文档的评审，如果提出的修改建议比较多，并且很有参考价值。这样的测试人员，效率应该比较高，得考虑考虑加薪，呵呵。 9.测试工具使用的熟练程度： 当然，一个测试人员，对测试工具的熟练程度越高，使用技巧越强，一般来说，测试的效率就越高。 所以测试结果的分析水平，也可以作为衡量测试效率的一个指标。
62540编辑于 2022-04-04 - 来自专栏Python自动化测试
产品质量与测试效率（一）
而作为测试部门，不得不在产品质量与测试效率之间做出选择，很多时候我们想要的是鱼和熊掌是兼得的，至少在这样的一个特定的情况下，这个也是合情合理的。 好的产品质量在于好的设计，这个设计更多值的是测试策略和对所要测试的产品把控维度。 这是一种策略，并不是最好的方案，最好的方案应该是金字塔的模型，基于单元测试，组件测试，集成测试，和端到端的测试模式。 在测试效率方面，手工测试的效率是最低的，自动化测试的方式也是目前对测试而言是测试效率最好的一种方式，这地方说的自动化测试更多指的是接口自动化测试，从产品的最开始界入，一直到产品的上线，持续的引入各个层次的自动化测试 ，以及打造流水线式的测试方式，如代码自动部署后自动开始执行单元测试，单元测试符合要求通过自动执行接口自动化测试，持续的往后推进。
65630发布于 2019-06-15 - 来自专栏7DGroup
走进Java接口测试之效率插件lombok
引言 我们在开发测试代码过程中，通常都会定义大量的 JavaBean ，然后通过IDE 去生成其属性的构造器、getter、setter、equals、hashcode、toString 方法，当要增加属性或者对某个属性进行改变时 大大提高J avaBean 中方法的执行效率，省去重复的步骤 lombok 安装 本文演示 IntelliJ IDEA 打开 File>Settings>Plugins 点击 Browser epositories
75520发布于 2019-07-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号