HTTP接口自动化测试系统设计与实现

来源 :武汉邮电科学研究院 | 被引量 : 0次 | 上传用户:sumriver
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
软件测试作为一种检查实际软件产品是否符合预期要求并确保软件产品无缺陷的方法,对提高产品质量有着重要作用。目前敏捷开发和持续集成等手段广泛应用于软件开发过程,缩短开发周期的同时也限制了软件产品的测试时间,导致产品质量难以得到保证。并且本着用户至上的原则,软件需求屡屡变更,产品版本频繁发布。测试人员往往需要花费大量时间针对不同版本,做重复的测试工作,极大地浪费时间和人力资源,存在严重的效率低下问题。为解决以上问题,需要将重复的软件功能接口测试操作从人工测试转为系统自动化测试,从而降低在软件功能接口测试部分占用的时间。通过对某公司的产品测试需求特点分析和相关的技术研究发现,软件功能接口大多采用HTTP协议,并且软件接口自动化测试相比较而言具有更大的投入产出比,因此设计并实现了一种面向HTTP接口的自动化测试系统以实现高效的测试与维护。为了解决测试数据和测试执行逻辑分离技术难点,将该系统设计成用例管理平台和用例执行模块两部分。其中用例管理平台是基Spring Boot+MyBatis+AngularJS开发的后台管理系统,用以支持自动化测试的数据维护,主要实现了配置管理、用例管理和任务管理以及报表管理等功能。用例执行模块则基于unitest框架,主要实现测试用例的运行、报告的生成以及邮件的发送等功能。经过系统上线部署,运行结果满足要求。测试用例自动化执行,无需人工干涉,尤其适用于版本回归测试。该系统提供可视化测试操作界面,自动进行参数校验并生成测试报告,极大地方便了测试人员。通过将测试用例存放在数据库,由接口自动化测试管理平台统一管理和共享,显著提高了测试用例的复用率。并且还将测试用例和测试执行逻辑分离,有效降低了维护成本。
其他文献
随着互联网和人工智能的普及与发展,互联网已经成为万物互联的媒介,它为世界的发展提供了强劲的动力。对于互联网,人们在分享它带来无限便利与体验感的同时,也因恶意网络入侵攻击面临着威胁与损失。提高现有网络入侵检测系统效果和挖掘未知网络入侵行为能力,提高网络信息安全技术是当下亟待解决的难题。其中针对算法效率与检测准确性的研究是该领域突破的重点。本文将当今热门的深度学习和粒计算理论应用于网络入侵检测系统,通
图像是视觉信息的主要载体之一,而由于各种因素,获得的图片分辨率往往有限,因此常利用超分辨率方法对图像细节进行推测并重建。但现有方法多是端到端的训练,复杂网络模型对设备要求较高。此外图像不同部位的重建纹理往往与该部位的类别存在很大关系。因此,本文从数据集准备和先验信息提取两个方面进行深入研究,以提高超分辨率重建算法的性能。本文主要工作和成果如下:(1)提出了超像素分割能够将一张图像拆分为多流形数据结
通信网络飞速发展的现状对数据中心的网络质量、运维能力提出了更高的要求。传统骨干网使用的VPLS技术将网络全连接,这样的方式存在消耗网络资源、容易引起ARP洪泛的缺陷,后续的演进中提出了将MAC学习迁移到控制层、使用BGP通告对端的EVPN解决方案,能够有效提升网络性能。NP芯片使用微码编程,具有快速的响应能力和高效的计算能力能够很好地适应转发层要求,所以采用NP芯片与CPU共同参与MAC学习的方案
物联网设备数目庞大且具备一定的网络攻击能力,大多数物联网设备也会涉及用户隐私并关联用户的敏感设备。随着物联网行业的迅捷发展和物联网设备的大规模投入使用,在智慧城市与物联网深度融合的规模化发展的趋势下,物联网设备带来的安全问题引起广泛关注。为了满足智慧消防系统由于应急管理对设备一致性的高要求,本文基于主动式和被动式设备指纹构建方式,将智慧消防系统中的物联网设备分为感知器和执行器进行相关实验研究,验证
机器阅读理解是当前自然语言处理领域最为前沿和热门的研究方向之一,它的研究目的是利用计算机建立模型,使计算机能像人类一样阅读文章、分析语义和回答问题,有着重要的研究价值和实用价值。随着硬件算力的不断提升、大数据的爆炸式增长,以及深度学习技术的不断发展,机器阅读理解研究有了长足的进步,在一些特定的任务中,计算机模型的回答已经可以媲美人类的水平了。机器阅读理解模型需要充分理解问题和文章的语义信息,通常采
模拟画像是由画像师通过目击证人的描述,结合刑事相貌学和画师个人经验,对嫌疑人进行肖像绘画,在刑侦工作中具有重要作用。由于其专业性,使用门槛较高,且现有模拟画像系统依赖图像合成,存在拼接人脸图像生硬、缺失启发性推荐、人脸编辑不够灵活、肖像人脸细节缺失的问题和不便于进行大规模检索的问题。本文针对模拟画像系统存在的问题和关键技术展开研究,具体研究内容如下:(1)目前人脸肖像化和重建主要依靠成对的数据建立
本文采用前沿神经网络算法研究成果,结合追踪算法,在此基础上结合肤色检测、清晰度检测、人脸姿态估计构建一个面向图像序列的人脸检测、追踪、优选为一体的方式,相信可以用于人脸识别的应用里并且发挥很好的改善作用。针对人脸区域在图像中提取问题,采用MTCNN网络算法作为人脸检测算法,能够有效快速地检测出图像中的人脸部分。人脸在图像序列之中,位置可能会随着时间的改变而不断变化,针对人脸区域无法动态锁定的问题,
当今城市中摄像头的数量大幅度增加,这为现场监控和事故的追踪提供了极大的便利。但由于摄像头的监控信息中,有效信息较少,如果需要按照行人属性对行人进行检索或分类,手动整理的工作量将是巨大的。因此,为了节省工作成本,研究一种端到端的、自动地对行人属性进行识别的模型是很有必要的。虽然当前已经提出了许多行人属性识别方法,但存在较多难点需要解决。典型的待解决三个问题有:(1)行人属性空间依赖关系和属性间的语义
近几年移动互联网技术的广泛传播使得移动端应用程序的安全性也逐渐受到人们的重视,而Android系统作为时下流行的智能手机操作系统,它的安全性自然也受到大众广泛的关注。怎样能够高效快捷的实现恶意代码的检测识别成为保护用户信息安全的关键问题。本文主要针对Android恶意代码的图像特征的有效提取以及利用机器学习算法实现分类系统模型的设计做了深入研究,主要工作内容如下:1.本文提出将Android应用程
随着社会的发展,基于位置移动的室内定位服务深入到各个行业和人们的日常生活中。智能家居、机器人、自动驾驶等项目的兴起,促使精准的室内定位的需求也越来越强烈。在技术领域,室内定位技术主要基于射频、蓝牙和声波等媒介,基于视觉的室内定位技术还不像其他技术那么成熟。视觉定位有设备容易获取、成本低、可以充分利用图像信息等优势,所以有着广阔的发展前景。基于视觉的室内定位,首先要从图像中获取有效的像素点,本文借助