- 综合排序
- 最热优先
- 最新优先
- 来自专栏啄木鸟软件测试
缺陷管理之缺陷分析篇
主要是通过对软件缺陷的分析。 缺陷作为测试准出的重要元素，在整个软件周期中占据着很大的比重，一个测试团队乃至每个测试人员都应该重视缺陷的管理及分析，通过对现有缺陷的分析不仅能够判断当前软件的质量，而且经过大量的数据积累，还能够预测未来项目的质量影响因素 那么如何进行缺陷分析，需要进行哪些维度的分析，不同维度的缺陷数据能够反馈什么样的信息呢？下面让我们一起来了解一下。 1、缺陷趋势分析： 缺陷趋势分析是我们接触最多的缺陷分析模型，通过对项目每日打开缺陷，每日修复缺陷以及当前遗留缺陷的数量进行汇总，通过折线图进行缺陷数量增加和减少的趋势进行分析，以此来了解测试效率及研发修复缺陷效率 如缺陷趋势分析图中所示，红色线条为每日打开的缺陷数量，绿色为每日修复缺陷数量，紫色为当前遗留缺陷数量。那么通过这个分析图我们能看出什么内容呢？
1.9K11发布于 2020-11-03 - 来自专栏啄木鸟软件测试
缺陷趋势分析
在凹函数和凸函数的拐点处代表缺陷发现已经出现乏力，需要调整测试策略，使得缺陷的发现保持原有的节奏，这个和缺陷发现率的倒浴盆曲线对应(盆地阶段也代表需要不断调整测试策略让缺陷发现率保持在一个持续稳定的水准 - 版本出现阻塞问题，阻碍了缺陷的发现。 - 当前的测试策略存在问题，使得测试并不能有效的发现缺陷。 二.缺陷是否收敛 2.1判断缺陷收敛的条件： 累积缺陷发现曲线转变为凸函数 累积缺陷发现曲线与累积缺陷解决曲线越来越靠近，最后趋于一点。 2.2缺陷不收敛可能的情况： 2.2.1累积缺陷发现曲线与累积缺陷解决曲线越拉越开： 开发团队的修改缺陷的节奏已经跟不上测试缺陷提交的节奏。 - 做好代码改动相关的波及分析和自测。
1.7K20发布于 2019-12-11 - 来自专栏全栈程序员必看
软件测试缺陷报告_软件测试缺陷分析
软件测试缺陷报告 一、软件缺陷定义 二、常见的软件缺陷 三、软件缺陷产生原因 四、软件缺陷的生命周期 五、软件缺陷报告应包含的内容 六、缺陷报告模板 七、企业案例分析 一、软件缺陷定义 软件缺陷是计算机或程序中存在的会导致用户不能或者不方便完成功能的问题 4 缺陷状态 是 用于缺陷的跟踪，描述缺陷的状态，比如新建。 （大部分产品都是不断升级维护的，而且是不同的版本使用同一个缺陷库） 10 优先级 是 问题解决的优先级，处理和修正软件缺陷的先后顺序的指标，一般分为4个等级 11 严重性 是 问题的严重性 12 分类 ，对后续缺陷的解决以及缺陷分析都有重要意义，在报告缺陷的时候要给出正确的选项。 六、缺陷报告模板 七、企业案例分析 案例1 缺陷描述 描述1：打开文件，文字显示乱码（×） 描述2：打开文件，文件字体样式正确，字体库中存在字体文件，并且文字的内容正确，但是显示为乱码 描述3
1.8K20编辑于 2022-10-01 - 来自专栏全栈程序员必看
软件测试缺陷报告内容_软件测试缺陷分析
4 发现缺陷 用户体验不够好 界面上有明显的错误信息 功能不完备，没有按照需求说明编写代码，致使某些功能缺失 功能不完善，不能正常运行或者运行的过程中出现程序崩溃、停止运行的情况 逻辑不正确，与需求说明书 1 易于搜索软件测试报告的缺陷 2 报告的软件缺陷进行必要的隔离、报告的缺陷信息具体、准确 3 软件开发人员希望获得缺陷的本质特征和复现步骤 4 市场和技术支持等部门希望获得缺陷类型分布以及对市场和用户的影响程度 ，不包括任何多余的内容 4 complete（完整）：包含复现该缺陷的完整步骤和其他本质信息 5 consistent (一致)：按照一致的格式书写全部缺陷报告 10 缺陷报告的组织架构 1 缺陷的标题 2 缺陷的基本信息 3 测试的软件和硬件的环境 4 测试的软件版本 5 缺陷的类型 6 缺陷的严重程度 7 缺陷的处理优先级 8 复现缺陷的操作步骤 9 缺陷的实际结构描述 10 期望的正确结果描述 这些信息可以为开发人员着手调试提供思路 4 归纳Generalize：发现了一个已隔离的，可重现的问题之后，应该对问题进行归纳。同一个问题是否出现在其他的模块或其他的地方？
1.3K10编辑于 2022-10-01 - 来自专栏CreateAMind
解决深度学习4大缺陷
鉴于研究中研究的学习和信用分配方案，在第 4 节中，我们考虑了神经科学启发的机器学习研究面临的重要开放性问题和挑战，以及可能取得进展的有前景的问题领域。 4 Future Directions for Research未来研究方向 尽管近年来在生物启发式（bio-inspired）学习方法方面取得了显著的进展和活动，但这些方法尚未达到反向传播（backpropagation
64910编辑于 2024-04-19 - 来自专栏爱测角的专栏
漫谈软件系统测试——缺陷分析
本文的目的是类比软件系统的开发过程与校园生活的考试过程，分析软件系统缺陷，分享软件系统缺陷的分类思路。 除了按缺陷类型分类，我们也可以按Bug的严重等级进行划分，这里将严重程度划分为P1、P2、P3和P4，分别对应了严重、一般、普通、建议。 在一场考试的生命周期中，有出卷、考卷、阅卷的过程，而在一套软件系统的生命周期中，有需求分析、系统设计、开发、测试、发布的过程。 应该不止于此，我们也可以对项目缺陷进行分析，分析其共性进而分类，从而建立项目的“错题集”，为下一次“考试”提供宝贵的经验。 文章类比考试过程分析了软件系统开发过程的缺陷，但是本文并未对软件开发过程各个环节的缺陷类别进行更具体的分类，本文想分享的是对软件缺陷分类归纳的思路，同时想强调的是对缺陷进行归纳总结的重要性。
84410编辑于 2022-09-17 - 来自专栏漫谈测试
APP测试常见的缺陷分析
APP测试过程中，会遇到不同类型的缺陷，有功能缺陷，安装卸载缺陷，升级缺陷，崩溃缺陷，性能缺陷等。一、功能缺陷功能未实现或实现错误：某些功能按钮不起作用，或者功能行为不符合预期。 缺陷造成的原因：前端代码编写错误；接口返回值错误。软件功能错误软件功能错误是测试过程中常见的错误类型之一，也是产品功能没有是实现。 推送消息错误APP推送消息中包含了不正确的内容，此类缺陷一般是由于后端服务造成的。二、安装卸载类缺陷安装时常见的问题安装失败造成的原因存储空间不足：设备存储空间不足，导致APP无法安装。 三、升级操作的缺陷数据丢失或异常用户数据丢失：在跨版本升级或覆盖升级过程中，可能会遇到用户数据丢失的问题。这可能是由于新版本APP未能正确读取或迁移旧版本的数据。 四、崩溃类的缺陷APP运行崩溃是常见的缺陷类型之一。比如用户在使用过程中APP突然闪退，崩溃，停止运行，无响应等。让用强制关闭关闭应用，或IOS系统中的APP直接闪退现象。
1.1K00编辑于 2025-01-03 - 来自专栏全栈程序员必看
缺陷和缺陷报告_质量缺陷报告
2、提交缺陷。由测试人员提交。 3、确认缺陷。一般由测试主管、质量保证、产品经理进行确认。 4、分配缺陷。经确认后，有效的缺陷会指派给相关人员进行处理。一般由谁确认的缺陷，就由谁分配。 缺陷的修复紧急程度。P1>P2>P3>P4 严重程度。S1>S2>S3>S4。 缺陷概述。用一句话描述缺陷的基本情况（时间、地点、人物、事件）。 缺陷描述。将缺陷的复现步骤、预期结果和实际结果列出来。 通过需求的分析，了解和掌握测试的方向和内容。例如： 1）分析出系统的模块和组织结构 2）分析出软件的基本功能和运行流程。（业务分析）包括可能会有哪些人或者哪些角色要用。 获取测试需求的过程中，测试人员就要有相应的分析成果，一般用xmind这样的思维导图工具进行分析，或者使用需求跟踪矩阵来完成测试需求的获取和分析。 设定测试需求的正、反向和优先级。 4）执行通过的测试用例总量 SC。 5）执行失败的测试用例总量 FC。 6）提交的缺陷的总量 BC。
98340编辑于 2022-10-02 - 来自专栏全栈程序员必看
分析微商分销系统的缺陷
微商时代下，微商系统也十分受欢迎，笔者之前在网上浏览过许多关于微商分销系统的文章，大多都在谈论微商分销系统怎么怎么好用，却很少有提及其中的缺陷。那今天笔者就想和大家伙谈谈微商分销系统有什么缺陷？ 从上面的例子我们可以明显看出微商分销所存在的缺陷，在三级分销中，完全可以一个人做到全权拥有三级，如此一来，就以微商分销系统一开始设计的理念背道而驰了。
1K20编辑于 2022-08-27 - 来自专栏机器学习、深度学习
opencv 凹凸性检测 和 缺陷分析
convexhull应该为vector<vector<int>>类型，否则通不过ASSERT检查； convexityDefects：输出参数，检测到的最终结果，应为vector<vector<Vec4i >>类型，Vec4i存储了起始点（startPoint），结束点(endPoint)，距离convexity hull最远点(farPoint)以及最远点到convexity hull的距离(depth >(), 0, Point() ); drawContours( drawing, hull, i, color, 1, 8, vector<Vec4i>(), 0, Point() ); cout<<"Count : "<<count<<std::endl; if( count < 300 ) continue; vector<Vec4i ( drawing, ptFar, 4, Scalar(100,0,255), 2 ); } /*printf("start(%d,%d) end(%d,%d)
3.7K30发布于 2019-10-30 - 来自专栏啄木鸟软件测试
缺陷度量结果分析带来的思考
3) 80/20法则显现，报告缺陷数量TOP5的人员贡献超过2/3。 4) 缺陷分类工作未受到足够重视，缺陷严重级别的分布呈现为钻戒型。 5) 缺陷重开现象普遍，约3/4以上人员涉及缺陷重开。 6) 约50%缺陷在4天内修复，但严重缺陷修复速率与一般缺陷差距不明显。 2 缺陷报告发现 缺陷是通过测试活动被发现然后确认得到的，是测试活动的宝贵资产。 并且需求人员也报告了大量的缺陷，充分体现了全员参与测试的重要性和培养测试团队业务思维角度的必要性。 TOP5的捉虫能手贡献了超过69%的缺陷 图4表明缺陷数量排名前5的人员所发现的缺陷占比超过69%。 图4缺陷报告TOP5占比 开发（含需求）发现缺陷占比达到了24% 该核心系统的开发过程中，开发人员大量参与测试，报告缺陷的人数为12个，缺陷总数为576个，占全部缺陷数的24%。 80%缺陷在一个冲刺内修复 据严重级别对修复时间进行了统计排序（图9），可以分析出，约50%的缺陷在4天内得到了修复，80%的缺陷在15天内得到了修复，且后续的修复率曲线非常平坦。
2.2K10发布于 2019-12-11 - 来自专栏贾志刚-OpenCV学堂
总结 | 使用OpenCV4实现常见缺陷检测
其中工业品的缺陷检测极大的依赖人工完成，特别是传统的3C制造环节，产品缺陷检测依赖于人眼睛来发现与检测，不仅费时费力还面临人员成本与工作时间等因素的制约。 常见得工业品缺陷主要包括划痕、脏污、缺失、凹坑、裂纹等，这些依赖人工目检（眼睛检测）的缺陷都可以通过机器视觉的缺陷检测算法来实现替代。 本书案例 简单背景下的划痕检测 复杂背景下的图像缺陷分析，分别针对两个不同技术方法有两个不同的例子。 第一个是基于频域增强的方法实现缺陷检测，运行截图： 第二个方法是基于空域增强实现图像缺陷分析，针对复杂背景的图像，通过空域滤波增强以后实现缺陷查找，运行结果如下： 相关综合案例则是基于空域滤波+轮廓分析实现缺陷查找 ： 最后是OpenCV DNN实现基于深度学习道路缺陷分析 更多相关案例与相关源码详见本书第十四章内容。
1.9K10编辑于 2023-12-11 - 来自专栏全栈程序员必看
unixbench分析_燕青： Unixbench 测试套件缺陷深度分析
原标题：燕青： Unixbench 测试套件缺陷深度分析 本文摘要 本文通过实验论证：Unixbench的Pipe-based Context Switching用例受操作系统调度算法的影响波动很大 首先，我们找了更多物理机进行对比分析。 这三组虚拟机配置如下： 指标名称 虚拟机A 虚拟机B 虚拟机C Architecture x86_64 x86_64 x86_64 CPUs 4 4 4 Threadsper core 2 1 1 Core (s)per socket 2 4 4 Socket(s) 1 1 1 NUMA node(s) 1 1 1 Model name Intel(R)Xeon(R)CPU E5-2682 v4 @ 2.50GHz 为了分析清楚该问题，我们分析了Pipe-based Context Switching用例,这个用例的逻辑是：测试用例创建一对线程A/B，并创建一对管道A/B。
1.9K10编辑于 2022-11-17 焊缝缺陷焊接缺陷识别分割数据集labelme格式5543张4类别
请认真观察图片预览 数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件) 图片数量(jpg文件个数)：5543 标注数量(json文件个数)：5543 标注类别数：4
39020编辑于 2025-07-22- 来自专栏林德熙的博客
dotnet 使用 Infer# 自动分析代码缺陷
本文告诉大家如何使用 Infer# 开源库配合 GitHub 的 Action 实现自动分析代码缺陷，如找到可空引用或线程安全等问题 这是一个在 GitHub 上完全开源的仓库，请看 https://github.com binary-path: AsyncWorkerCollection/bin/Release/netcoreapp3.1 此输出的二进制文件夹路径里面要求是包含 dll 和 pdb 文件，通过 dll 进行分析 但是问题不大，因为此工具是对输出文件进行分析的，所以可以在 Windows 平台上进行构建，只是将输出的二进制文件使用此工具 在现有的仓库加添加此工具的例子请看 https://github.com/dotnet-campus /AsyncWorkerCollection/pull/66 本文会经常更新，请阅读原文： https://blog.lindexi.com/post/dotnet-%E4%BD%BF %E7%94%A8-Infer-%E8%87%AA%E5%8A%A8%E5%88%86%E6%9E%90%E4%BB%A3%E7%A0%81%E7%BC%BA%E9%99%B7.html ，以避免陈旧错误知识的误导
55360发布于 2021-11-22 - 来自专栏爱测角的专栏
漫谈测试成长之探索——缺陷分析
那么，我们可以从哪些方面来分析和总结项目的缺陷呢？一、缺陷分析维度如图1-2所示，我们可以按项目缺陷的严重程度维度来统计。图中分别展示了项目各个严重程度的缺陷数和缺陷占比。 基于上述各类严重程度缺陷占比数据，我们可以怎么分析项目情况呢？从占比上看，本次项目的严重及以上的Bug占比不到总的1/4，说明本次开发项目的整体提测质量还是比较高的。 但是，从Bug总数上看，由于Bug总数较多，严重程度较小和一般的缺陷数达到了39个，将近总数4/5。为什么会有这么多严重程度不高的Bug？ 如图1-4所示，我们还可以从功能模块维度进度分析。从图中我们可以看到模块B和模块C的缺陷占据了总的82%，相对于模块A和模块D，我们可以理解为模块C和模块D的实现复杂度应该比较高。 如图1-5所示，除了从缺陷的各个角度去分析，我们也可以从开发负责人维度来分析。
45940编辑于 2022-08-25 焊缝缺陷焊接缺陷检测数据集VOC+YOLO格式5186张4类别
数据集中有很多增强图片，请注意观看图片预览，目测大约1/4是原图，剩余为增强图片数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml 文件和yolo格式txt文件)图片数量(jpg文件个数)：5186标注数量(xml文件个数)：5186标注数量(txt文件个数)：5186标注类别数：4标注类别名称(注意yolo格式类别顺序不和这个对应
92400编辑于 2025-09-09- 来自专栏LINUX阅码场
燕青： Unixbench 测试套件缺陷深度分析
首先，我们找了更多物理机进行对比分析。 这三组虚拟机配置如下： 指标名称 虚拟机A 虚拟机B 虚拟机C Architecture x86_64 x86_64 x86_64 CPUs 4 4 4 Threads per core 2 1 1 Core (s) per socket 2 4 4 Socket(s) 1 1 1 NUMA node(s) 1 1 1 Model name Intel(R) Xeon(R) CPU E5-2682 v4 1.3 单核和多核对比测试 为此，我们认真分析不同系统中的CPU占用率。 为了分析清楚该问题，我们分析了Pipe-based Context Switching用例, 这个用例的逻辑是：测试用例创建一对线程A/B，并创建一对管道A/B。
3.2K10发布于 2019-10-08 - 来自专栏Web技术布道师
Thinkphp 5.1.7 parseData缺陷导致insertupdate注入 分析
.* => 5.1.7 $ composer update 分析 这个注入点与5.0.15的注入点位置都在parseData里，都是在解析set-data时直接将用户完全控制的data拼接到SQL语句中 通过分析第一个case可以发现，这里直接将$value(即$data[1])、$data[2]、$data[3]拼接到了返回值$result中，因此我们把我们的username[0]的值改为point，
68420发布于 2019-08-06 - 来自专栏站长的编程笔记
【说站】mysql触发器的缺陷分析
mysql触发器的缺陷分析 说明 1、使用触发器实现的业务逻辑在出现问题时很难定位。 尤其是涉及多个触发器时，会使后期维护困难。 2、大量使用触发器容易导致代码结构混乱。 增加程序的复杂性。 4、触发器的隐式调用容易被忽视。 很难排查问题。 information_schema', 'performance_schema', 'mysql', 'sys' ); delimiter // 设置MySQL执行结束标志，默认为; 以上就是mysql触发器的缺陷分析
1.1K40编辑于 2022-11-24
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