持续测试成熟度模型

简介: 持续测试成熟度模型

image.png


Level 1 初始

在初始态,测试用例数还是最为关键的度量指标。测试工程师对测试用例设计主要是凭直觉,对测试用例有效性评价比较主观。测试活动主要靠手工测试完成,有少部分测试代码实现的自动化测试,这些自动化测试用例因为没有及时随着伴随系统变更而变更,因此绝大部分是失效状态。每次执行测试用例前,测试工程师都要人工维护测试数据,才能保证测试用例正确执行。

  • 达到Level 1 预期的效率增益:1.3倍

Level 2 敏捷

能够基于风险进行测试,风险覆盖率现在是测试的关键指标。自动化测试聚焦在UI层,但是自动化测试可以通过MBT、UI脚本生成等技术降低自动化测试用例执行的失效比例了。由于测试数据仍旧没有一个全面的TDM(Test Data Mangement),自动化测试仍旧聚焦于新数据对象的验证,对于复杂测试用例管理还是缺失状态。

  • 达到Level 2预期的效率增益:3倍

Level 3 可管理

引入探索测试实践弥补规范化的测试流程无法暴露的缺陷。在自动化测试引入质量保障流程中。如果系统变更以API形式交付,那么API测试就会在发挥质量保障的主导作用。UI自动化测试广泛落地MBT、UI测试脚本自动生成等技术,提高质量效能。自动化测试通过持续集成流水线调用,实现质效合一。

  • 达到Level 3 预期的效率增益:6倍

Level 4 成熟

TDM能够提供自动化测试需要的、连续的、一致的测试数据。 服务虚拟化确保即使依赖组件不稳定或不可用,测试也可以继续进行。 TDM 和服务虚拟化的引入能够支持API测试完成更为复杂的业务逻辑验证,从而实现API层面的E2E的测试,同时可以保障测试用例可以反复有效执行,而不需要维护自动化测试用例和测试数据。 自动化测试可以作为持续交付流水线的一部分反复执行,及时反馈发现的业务风险。

  • 达到Level 5 预期的效率增益:大于10倍

Level 5 卓越

已经建立了全面的测试自动化,在服务虚拟化和测试数据的支持下,可以完成复杂的、有状态业务逻辑模拟。通过度量,持续改进软件测试过程的有效性。测试活动完全集成到持续交付pipeline中。

  • 达到Level 1 预期的效率增益:大于20倍


From:

https://www.amazon.com/Enterprise-Continuous-Testing-Transforming-DevOps/dp/1699022941 


目录
相关文章
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
如何让AI更“聪明”?VLM模型的优化策略与测试方法全解析​
本文系统解析视觉语言模型(VLM)的核心机制、推理优化、评测方法与挑战。涵盖多模态对齐、KV Cache优化、性能测试及主流基准,助你全面掌握VLM技术前沿。建议点赞收藏,深入学习。
2346 8
|
存储 人工智能 测试技术
小鱼深度评测 | 通义灵码2.0,不仅可跨语言编码,自动生成单元测试,更炸裂的是集成DeepSeek模型且免费使用,太炸裂了。
小鱼深度评测 | 通义灵码2.0,不仅可跨语言编码,自动生成单元测试,更炸裂的是集成DeepSeek模型且免费使用,太炸裂了。
141991 29
小鱼深度评测 | 通义灵码2.0,不仅可跨语言编码,自动生成单元测试,更炸裂的是集成DeepSeek模型且免费使用,太炸裂了。
|
8月前
|
机器学习/深度学习 存储 分布式计算
Java 大视界 --Java 大数据机器学习模型在金融风险压力测试中的应用与验证(211)
本文探讨了Java大数据与机器学习模型在金融风险压力测试中的创新应用。通过多源数据采集、模型构建与优化,结合随机森林、LSTM等算法,实现信用风险动态评估、市场极端场景模拟与操作风险预警。案例分析展示了花旗银行与蚂蚁集团的智能风控实践,验证了技术在提升风险识别效率与降低金融风险损失方面的显著成效。
|
机器学习/深度学习 自然语言处理 API
阿里云零门槛、轻松部署您的专属 DeepSeek模型体验测试
DeepSeek R1是基于Transformer架构的先进大规模深度学习模型,2025年1月20日发布并开源,遵循MIT License。它在自然语言处理等任务上表现出色,高效提取特征,缩短训练时间。阿里云推出的满血版方案解决了服务器压力问题,提供100万免费token,云端部署降低成本,用户可快速启动体验。虽然回答速度有待提升,但整体表现优异,备受关注。
526 8
|
人工智能 IDE 测试技术
用户说 | 通义灵码2.0,跨语言编码+自动生成单元测试+集成DeepSeek模型且免费使用
通义灵码, 作为国内首个 AI 程序员,从最开始的内测到公测,再到通义灵码正式发布第一时间使用,再到后来使用企业定制版的通义灵码,再再再到现在通义灵码2.0,我可以说“用着”通义灵码成长的为数不多的程序员之一了吧。咱闲言少叙,直奔主题!今天,我会聊一聊通义灵码的新功能和通义灵码2.0与1.0的体验感。
|
人工智能 IDE 测试技术
用户说 | 通义灵码2.0,跨语言编码+自动生成单元测试+集成DeepSeek模型且免费使用
用户说 | 通义灵码2.0,跨语言编码+自动生成单元测试+集成DeepSeek模型且免费使用
|
编解码 人工智能 自然语言处理
迈向多语言医疗大模型:大规模预训练语料、开源模型与全面基准测试
【10月更文挑战第23天】Oryx 是一种新型多模态架构,能够灵活处理各种分辨率的图像和视频数据,无需标准化。其核心创新包括任意分辨率编码和动态压缩器模块,适用于从微小图标到长时间视频的多种应用场景。Oryx 在长上下文检索和空间感知数据方面表现出色,并且已开源,为多模态研究提供了强大工具。然而,选择合适的分辨率和压缩率仍需谨慎,以平衡处理效率和识别精度。论文地址:https://www.nature.com/articles/s41467-024-52417-z
252 2
|
测试技术
谈谈【软件测试的基础知识,基础模型】
谈谈【软件测试的基础知识,基础模型】
194 5
|
敏捷开发 测试技术
开发模型(瀑布、螺旋、scrum) 和 测试模型(V、W)、增量和迭代、敏捷(思想)及敏捷开发 scrum
文章详细介绍了软件开发过程中的不同开发模型(瀑布、螺旋、Scrum)和测试模型(V模型、W模型),以及增量和迭代的概念,最后阐述了敏捷思想及其在敏捷开发(如Scrum)中的应用。
2328 0
开发模型(瀑布、螺旋、scrum) 和 测试模型(V、W)、增量和迭代、敏捷(思想)及敏捷开发 scrum
|
机器学习/深度学习 存储 数据可视化
谷歌的时间序列预测的基础模型TimesFM详解和对比测试
在本文中,我们将介绍模型架构、训练,并进行实际预测案例研究。将对TimesFM的预测能力进行分析,并将该模型与统计和机器学习模型进行对比。
825 2

热门文章

最新文章