regression test

简介: Regression testing回归测试回归测试的定义:回归测试是在软件维护阶段,对软件进行修改之后进行的测试。其目的是检验对软件进行的修改是否正确。

Regression testing回归测试

回归测试的定义:回归测试是在软件维护阶段,对软件进行修改之后进行的测试。其目的是检验对软件进行的修改是否正确。这里,修改的正确性有两重含义:一是所作的修改达到了预定目的,如错误得到改正,能够适应新的运行环境等等;二是不影响软件的其他功能的正确性

1.  测试先前版本中发现的错误/缺陷

2.  重新测试所有程序

3.  发现隐藏的缺陷

4.  建立一个新的基线测试用例库

回归测试的基本过程

    (1). 开发在提交新版本之前,会有一个新功能和修复bug的列表,测试人员要识别出软件中被修改的部分,对这些部分进行测试;

 

    (2). 从原基线测试用例库中,排除所有不再适用的测试用例,确定那些对新版本依然有效的测试用例,建立新一轮的测试用例库。

 

    (3). 依据测试策略,选择测试用例来测试新版本。

 

    (4). 同时根据新版本中增加的功能还有修复的缺陷,分别生成新的测试用例。

 

    (5). 对新的测试用例进行测试。

 

    第(2)和第(3)步测试验证修改是否破坏了现有的功能,第(4)和第(5)步测试验证 修改工作本身。

 

注意,有个回归缺陷即 regression bug是在回归测试过程中发现的,上个版本中没有的,由于增加新功能或修复缺陷等代码修改引起的bug。
目录
相关文章
|
Serverless
train_test_split.py代码解释
这段代码用于将MovieLens 1M数据集的评分数据划分为训练集和测试集。 • 首先,使用Path库获取当前文件的父级目录,也就是项目根目录。 • 接着,定义输出训练集和测试集文件的路径。
182 0
sklearn中的cross_val_score交叉验证
sklearn中的cross_val_score交叉验证
162 0
【线性回归】| Linear Regression实现示例
【线性回归】| Linear Regression实现示例
113 0
【线性回归】| Linear Regression实现示例
|
编解码 PyTorch 算法框架/工具
YOLOv5的Tricks | 【Trick3】Test Time Augmentation(TTA)
一句话简单的介绍Test Time Augmentation(TTA)就是测试过程中也使用数据增强,官方教程介绍:Test-Time Augmentation (TTA) Tutorial
677 0
from sklearn.cross_validation import train_test_split发生报错
from sklearn.cross_validation import train_test_split发生报错
279 0
from sklearn.cross_validation import train_test_split发生报错
|
机器学习/深度学习
神经网络与深度学习---train_loss和val_loss(test_lost)分析
神经网络与深度学习---train_loss和val_loss(test_lost)分析
2482 2
成功解决_catboost.CatBoostError: Invalid cat_features[4] = 8 value: index must be < 8.
成功解决_catboost.CatBoostError: Invalid cat_features[4] = 8 value: index must be < 8.
|
数据采集 存储 传感器
Paper:《Disc and Drum Brake Dynamometer Squeal Noise Test Procedure》翻译及其解读
Paper:《Disc and Drum Brake Dynamometer Squeal Noise Test Procedure》翻译及其解读
|
人工智能 算法 关系型数据库
Testing the Accuracy of Query Optimizers
在前文最后,我们提到了围绕着Orca打造的测试工具集,其中一个就是本篇paper的主角: TAQO。这个测试框架目标是为了测试优化器cost model的精确性,它针对优化的本质目标,提出了一种简单灵活,且易于扩展的方案,且便于实现。目前在PolarDB的分布式优化器中,我们已经采用了这种方法去度量分布式exchange 算子(Enforcer)和复杂计算(aggregation...)的代价因子。 当然,这个框架不局限于Orca,它可以在近乎黑盒的情况下对cost model进行校准,并针对不同optimizer的cost model质量进行横向评估,如果有开发或扩展优化器cost mode
289 0
Testing the Accuracy of Query Optimizers
成功解决xgboost\core.py", ValueError: feature_names may not contain [, ] or <
成功解决xgboost\core.py", ValueError: feature_names may not contain [, ] or <

热门文章

最新文章