在《结对测试算法性能优化(代码层面)》一文中,
对原来算法代码进行了一些优化,
对于笛卡尔积后千条数据,是能满足使用需要的。
但在实际业务中,会碰到百万数据。
比如某接口共18个参数,每个参数均可为空,其中8个只需要单个值,10个为多选项,需要多个值。
对于多选项,我的设计是,全选+随机n个多选(1<=n<=len-1)+空。
按照这个策略,笛卡尔积的结果就是3^8*2^10=6718464。
671万数据!
parewise根本处理不动。
该怎么处理?
调整用例设计。
1、为空的情况,单独一条用例,即可以为空的,全部设置为空。parewise就不考虑为空的情况了。
3^82^10就变成了2^81^10=256,一下量级骤减。
2、视需要添加特殊的参数组合。
即使这样优化了,也会产生几十种组合。
假如接口本身响应慢,那么脚本执行的耗时就比较长。
遇到上线前回归,等待,是一件很痛苦的事。
该怎么处理?
还是回到用例设计。
在开发阶段,跑几十种组合的脚本,从时间成本来看是完全可以接受的。
在上线阶段,时间紧迫,就会显得效率有些低。
而实际上,上线前回归阶段更像是一种冒烟。
是可以适当降低覆盖度,提供效率的。
于是解决方案就是,把parewise扩展为两种模式
def parewise(dx, mode=2):
"""
:param dx:
:param mode: 1开发 2上线
:return:
"""
开发模式:就完完整整返回结果
上线模式:从结果当中,随机返回1条用于快速冒烟
当然,如果是回归要测修改引入,建议还是多花点时间,老老实实跑开发模式比较好。
原文地址:https://www.cnblogs.com/df888/p/10912200.html
时间: 2024-10-29 04:23:14