有了测试标准流程后缺陷就不会遗漏到线上吗?

简介: 有了测试标准流程后缺陷就不会遗漏到线上吗?

大家好,我是阿萨。相信大家都知道,软件开发流程会让大家每个人按照流程去执行,确保流程的每一个步骤都不出错,最后确保上线质量。


今天阿萨想和大家聊一聊如果软件测试也完全按照标准流程来,那么上线就一定不会有bug了吗?


阿萨认为不会的,即使有了完美的流程,即使测试每个人都做得非常标准和到位,也不一定会上线无bug。


因为上线是一个整体团队的合作过程,不是某一个人,某一个角色的任务。是一个分工合作的过程,需要每一个合作者都齐心协力去合作完成的。


如果每一个合作完成的人,都尽职尽责。那可能没有问题。但是如果工作变成了走流程,为了让数据或者流程好看,就只是在检查项目上打对勾,说自己做完了。那这样的团队合作其实也很危险。


因为大家都是为了流程而去工作啦,就看流程走到哪里了,从来不会考虑最终的质量结果。只要流程到位了就认为是质量达标了。但是流程到位了就真的质量达标了吗?


凡事发生,必有前因后果。当所有人一起拔萝卜的时候,因为最后一个小兔子到位加入,萝卜拔出来了,所以功劳就是小兔子的吗?肯定不是。


反之,拔萝卜的时候小兔子最后一个来拔的,使了全身的力气,萝卜都没拔出来,那么都是小兔子的错吗?不会的。


大家都懂得道理,延伸到软件测试领域。需求开发了,测试完成了,开发修缺陷,导致了基本功能有问题了,问题遗漏到线上了,这个靠测试走标准流程就能解决问题吗?肯定不行的,因为测试不会引入缺陷,也不能阻止缺陷引入。


测试作为软件开发全流程中唯一不会引入缺陷的角色,为什么会在任何出现质量问题的时候都要求测试改进呢?


需求分析遗漏场景,开发代码画蛇添足,这些都是典型的软件质量的隐患,但是谁会真正拔开这层产品和开发的遮羞布,直接找出那关键以及致命的问题来切实解决问题呢?


所以是大家意识问题还是测试推脱。阿萨觉得所有软件开发团队里的人都知道是咋回事,就看关键时刻是大家一起承担责任还是每次把测试丢出去背责任,不停让测试改进,而不追究真正搞坏事情的人。


毕竟测试是软件开发流程中唯一不会对产品质量产生负向结果的人。因为缺陷引入永远都不可能是测试的责任。也因为测试永远是个吃力不讨好的岗位,软件成功了,测试名字都不会出现在表扬信里,失败了,测试会第一时间被拉出来背锅。

相关文章
|
17天前
|
Dart 前端开发 Android开发
【02】写一个注册页面以及配置打包选项打包安卓apk测试—开发完整的社交APP-前端客户端开发+数据联调|以优雅草商业项目为例做开发-flutter开发-全流程-商业应用级实战开发-优雅草央千澈
【02】写一个注册页面以及配置打包选项打包安卓apk测试—开发完整的社交APP-前端客户端开发+数据联调|以优雅草商业项目为例做开发-flutter开发-全流程-商业应用级实战开发-优雅草央千澈
【02】写一个注册页面以及配置打包选项打包安卓apk测试—开发完整的社交APP-前端客户端开发+数据联调|以优雅草商业项目为例做开发-flutter开发-全流程-商业应用级实战开发-优雅草央千澈
|
4月前
|
机器学习/深度学习 编解码 监控
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
这篇文章详细介绍了如何使用YOLOv8进行目标检测任务,包括环境搭建、数据准备、模型训练、验证测试以及模型转换等完整流程。
4944 1
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
4月前
|
机器学习/深度学习 JSON 算法
实例分割笔记(一): 使用YOLOv5-Seg对图像进行分割检测完整版(从自定义数据集到测试验证的完整流程)
本文详细介绍了使用YOLOv5-Seg模型进行图像分割的完整流程,包括图像分割的基础知识、YOLOv5-Seg模型的特点、环境搭建、数据集准备、模型训练、验证、测试以及评价指标。通过实例代码,指导读者从自定义数据集开始,直至模型的测试验证,适合深度学习领域的研究者和开发者参考。
1401 3
实例分割笔记(一): 使用YOLOv5-Seg对图像进行分割检测完整版(从自定义数据集到测试验证的完整流程)
|
4月前
|
安全 Java 数据库
shiro学习一:了解shiro,学习执行shiro的流程。使用springboot的测试模块学习shiro单应用(demo 6个)
这篇文章是关于Apache Shiro权限管理框架的详细学习指南,涵盖了Shiro的基本概念、认证与授权流程,并通过Spring Boot测试模块演示了Shiro在单应用环境下的使用,包括与IniRealm、JdbcRealm的集成以及自定义Realm的实现。
68 3
shiro学习一:了解shiro,学习执行shiro的流程。使用springboot的测试模块学习shiro单应用(demo 6个)
|
4月前
|
机器学习/深度学习 监控 计算机视觉
目标检测实战(八): 使用YOLOv7完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
本文介绍了如何使用YOLOv7进行目标检测,包括环境搭建、数据集准备、模型训练、验证、测试以及常见错误的解决方法。YOLOv7以其高效性能和准确率在目标检测领域受到关注,适用于自动驾驶、安防监控等场景。文中提供了源码和论文链接,以及详细的步骤说明,适合深度学习实践者参考。
868 0
目标检测实战(八): 使用YOLOv7完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
4月前
|
机器学习/深度学习 并行计算 数据可视化
目标分类笔记(二): 利用PaddleClas的框架来完成多标签分类任务(从数据准备到训练测试部署的完整流程)
这篇文章介绍了如何使用PaddleClas框架完成多标签分类任务,包括数据准备、环境搭建、模型训练、预测、评估等完整流程。
247 0
|
4月前
|
机器学习/深度学习 数据采集 算法
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
这篇博客文章介绍了如何使用包含多个网络和多种训练策略的框架来完成多目标分类任务,涵盖了从数据准备到训练、测试和部署的完整流程,并提供了相关代码和配置文件。
93 0
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
|
4月前
|
机器学习/深度学习 XML 并行计算
目标检测实战(七): 使用YOLOX完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
这篇文章介绍了如何使用YOLOX完成图像目标检测任务的完整流程,包括数据准备、模型训练、验证和测试。
352 0
目标检测实战(七): 使用YOLOX完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
4月前
|
机器学习/深度学习 算法 PyTorch
目标检测实战(五): 使用YOLOv5-7.0版本对图像进行目标检测完整版(从自定义数据集到测试验证的完整流程)
本文详细介绍了使用YOLOv5-7.0版本进行目标检测的完整流程,包括算法介绍、环境搭建、数据集准备、模型训练、验证、测试以及评价指标。YOLOv5以其高精度、快速度和模型小尺寸在计算机视觉领域受到广泛应用。
1539 0
目标检测实战(五): 使用YOLOv5-7.0版本对图像进行目标检测完整版(从自定义数据集到测试验证的完整流程)
|
4月前
|
监控 测试技术 数据安全/隐私保护
新产品测试流程如何?
新产品测试流程如何?【10月更文挑战第10天】
181 0