Code Review的方式和流程

简介:

经过在公司1年多的code review的经验回顾:原来有fisheye,开发提交代码后旺旺通知测试工程师,并通过读代码来了解测试范围,并发现代码中的错误。

  后来,最近半年的项目、日常测试过程中都是开发提交代码后,测试和开发一起借用SVN工具等代码版本控制工具,或Eclipse 等IDE进行Code Review。

  这其中的一个转变就是测试由被动接收消息,到主动查看SVN 的log看代码变动。测试工程师的态度由被动变为主动,是个不小的进步。

  目前看来,进行 Code Review 的目的或效果有:

  1、让测试熟悉所测产品的业务代码,提升代码的阅读能力;

  2、提早发现代码里面的bug,低成本保障质量,防患于未然;

  3、提前预知并评估并确认测试范围,减少测试工作量;

  4、促进开发、测试间的沟通、交流和协作。

  功能测试工程师参加code  review提前做的一些准备:

  1、简单的编码规范

  2、Java编程的基本知识

  经过这Code Review的实践,感觉Code Review目前比较适合我们工作的方式是:

阶段

Code Review的方式

准备

1、了解开发的UC设计,及基本的编码知识;
2、了解基本的代码的编码规范;
3、确定code review的范围:业务的核心代码逻辑。

形式

项目:会议室+投影仪。日常:在开发/测试的位置上即可。

参加人员

PM,PTM,相关开发工程师、测试工程师

可以采用的方法

1、编码人员讲解,其他开发、测试人员检查。
2、代码静态检测工具:Findbug
3、缺陷检查表,但是这个太正式了,不一定需要。

注意点

1、限时:一般不要超过1个小时为宜;如果量大,最好分批review。
2、不要现场修改代码,发现问题后,测试可以直接在bug管理平台记录。

产出

1、Bug记录;
2、静态分析错误报告;
3、结果:code review 是否通过。

  比较合适的,并且目前使用的流程是:


本文出自seven的测试人生公众号最新内容请见作者的GitHub页:http://qaseven.github.io/

目录
相关文章
|
JavaScript 前端开发 安全
15个最佳的代码评审(Code Review)工具
  代码评审可以被看作是计算机源代码的测试,它的目的是查找和修复引入到开发阶段的应用程序的错误,提高软件的整体素质和开发者的技能。代码审查程序以各种形式,如结对编程,代码抽查等。在这个列表中,我们编制了15个最好的代码审查工具,这将有助于开发者节省代码审查时间。
5774 0
|
7月前
|
人工智能 小程序 JavaScript
AI开发实战6、抄作业吧!我优化了N遍的go-zero项目AI协作规范文件,一字不差全给你
本文是“AI开发完整项目”系列终篇,详解如何为go-zero微服务自动生成并规范编写CLAUDE.md文档,涵盖项目架构、API规范、代码生成流程及最佳实践,并开源「时光账记」小程序全栈代码供参考学习。(239字)
686 6
AI开发实战6、抄作业吧!我优化了N遍的go-zero项目AI协作规范文件,一字不差全给你
|
11月前
|
存储 人工智能 自然语言处理
LlamaIndex 深度实战:用《长安的荔枝》学会构建智能问答系统
本文深入浅出地讲解了RAG(检索增强生成)原理与LlamaIndex实战,通过《长安的荔枝》案例,从AI如何“读书”讲起,详解三大关键参数(chunk_size、top_k、overlap)对问答效果的影响,并结合真实实验展示不同配置下的回答质量差异。内容兼顾新手引导与进阶优化,帮助读者快速构建高效的文档问答系统。
1219 22
LlamaIndex 深度实战:用《长安的荔枝》学会构建智能问答系统
|
存储 自然语言处理 算法
RAG系统文本分块优化指南:9种实用策略让检索精度翻倍
本文深入探讨了RAG系统中的九种文本分块策略。固定大小分块简单高效,但可能破坏语义完整性;基于句子和语义的分块保留上下文,适合语义任务;递归与滑动窗口分块灵活控制大小;层次化和主题分块适用于结构化内容;特定模态分块处理多媒体文档;智能代理分块则通过大语言模型实现动态优化。开发者需根据文档类型、需求及资源选择合适策略,以提升RAG系统的性能和用户体验。作者Cornellius Yudha Wijaya详细分析了各策略的技术特点与应用场景。
2843 1
RAG系统文本分块优化指南:9种实用策略让检索精度翻倍
|
前端开发 Java API
如何开发一套物业管理(园区式)系统?(附架构图+流程图+代码参考)
现代物业管理系统通过数字化手段提升管理效率,优化资源配置,助力小区、写字楼等场所实现高效、规范管理。本文详解系统功能设计、技术选型、开发流程及代码实现(Java + Spring Boot),并附常见问题解答,助你快速构建稳定、可扩展的物业管理平台。
|
机器学习/深度学习 人工智能 运维
阿里云PAI人工智能平台介绍、优势及收费标准,手动整理
阿里云人工智能平台PAI是面向开发者和企业的机器学习与深度学习工程平台,提供数据标注、模型构建、训练、部署及推理优化等全链路服务。内置140+优化算法,支持PyTorch、TensorFlow等多种框架,具备高性能训练与推理能力,适用于自动驾驶、金融风控、智能推荐、智慧医疗等多个行业场景。PAI提供零代码开发、可视化建模、大模型一键部署等功能,助力企业快速构建AI应用。支持多种购买方式,如按量付费、预付费等,满足不同业务需求。
|
机器学习/深度学习 人工智能 PyTorch
从零开始:如何训练自己的AI模型
### 从零开始:如何训练自己的AI模型 训练AI模型如同培养新生儿,需耐心与技巧。首先明确目标(如图像识别、自然语言处理),选择框架(TensorFlow、PyTorch)。接着收集并预处理数据,确保多样性和准确性。然后设计模型结构,如卷积神经网络(CNN),并通过代码实现训练。训练后评估模型性能,调优以避免过拟合。最后部署模型至实际应用。通过猫狗分类器案例,掌握关键步骤和常见问题。训练AI模型是不断迭代优化的过程,实践才能真正掌握精髓。
|
存储 监控 测试技术
Kibana 的 Alert—Elastic Stack 实战手册
Kibana 的 Alert 模块主要用于 Elastic Stack 的监控告警。以一种相对较低的使用成本,将复杂的查询条件,编辑完成后监控不同的 Elastic Stack 的技术产品中产生的数据,最终把符合条件的告警信息以需要的方式反馈给用户。
6009 0
Kibana 的 Alert—Elastic Stack 实战手册
|
机器学习/深度学习 API
机器学习入门(七):线性回归原理,损失函数和正规方程
机器学习入门(七):线性回归原理,损失函数和正规方程
2415 1