CN109324960A - 基于大数据分析的自动测试方法及终端设备 - Google Patents
基于大数据分析的自动测试方法及终端设备 Download PDFInfo
- Publication number
- CN109324960A CN109324960A CN201810915913.4A CN201810915913A CN109324960A CN 109324960 A CN109324960 A CN 109324960A CN 201810915913 A CN201810915913 A CN 201810915913A CN 109324960 A CN109324960 A CN 109324960A
- Authority
- CN
- China
- Prior art keywords
- data
- source
- normal
- target
- tested
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 52
- 238000007405 data analysis Methods 0.000 title claims abstract description 28
- 238000013459 approach Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000003860 storage Methods 0.000 claims abstract description 22
- 241001269238 Data Species 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 17
- 238000013480 data collection Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000003780 insertion Methods 0.000 claims description 5
- 230000037431 insertion Effects 0.000 claims description 5
- 238000000034 method Methods 0.000 description 30
- 230000008569 process Effects 0.000 description 14
- 238000012216 screening Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 239000000945 filler Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3676—Test management for coverage analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明适用于数据处理技术领域，提供了基于大数据分析的自动测试方法、终端设备以及计算机可读存储介质，包括：基于已配置的多个数据源生成全量数据源选项；获取测试人员关于所述全量数据源选项的选择结果，并确定与所述选择结果对应的所述数据源；提取所述选择结果对应的所述数据源指向的数据，作为标准数据，并基于所述标准数据组建标准数据案例；获取待测试数据，并将所述待测试数据与所述标准数据案例中的所述标准数据进行比对，若比对成功，则输出测试成功的提示。本发明基于海量数据配置多个数据源，并可根据实际需要从多个数据源选择标准数据进行测试，提升了数据测试的自由度。
Description
技术领域
本发明属于数据处理技术领域，尤其涉及基于大数据分析的自动测试方法、终端设备以及计算机可读存储介质。
背景技术
在业务场景中，需要对生产中业务或新业务的实际数据进行测试，以查看实际数据的准确性。在测试流程中，通常是生成作为测试对象的标准数据，并构建包含多个标准数据的测试案例，根据测试案例对实际数据进行测试，查看实际数据与标准数据之间是否存在差异。
但是，现有技术中测试案例通常是由人为编写，在面对一些业务量较大的业务场景时，实际数据的数据量可能达到千万级甚至亿级，故测试案例无法覆盖所有的实际数据，并且，测试人员也不能自由选择标准数据的来源。综上，现有技术中测试案例对实际数据的覆盖度低，且标准数据的来源少且固定，无法支持选取操作。
发明内容
有鉴于此，本发明实施例提供了基于大数据分析的自动测试方法、终端设备及计算机可读存储介质，以解决现有技术中测试数据覆盖度低，并且无法支持自由选取的问题。
本发明实施例的第一方面提供了一种基于大数据分析的自动测试方法，包括：
基于已配置的多个数据源生成全量数据源选项，所述多个数据源包括与目标业务种类相关的业务数据源、预测数据源、填充数据源以及自制数据源；
获取测试人员关于所述全量数据源选项的选择结果，并确定与所述选择结果对应的所述数据源；
提取所述选择结果对应的所述数据源指向的数据，作为标准数据，并基于所述标准数据组建标准数据案例；
获取待测试数据，并将所述待测试数据与所述标准数据案例中的所述标准数据进行比对，若比对成功，则输出测试成功的提示。
本发明实施例的第二方面提供了一种终端设备，所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：
基于已配置的多个数据源生成全量数据源选项，所述多个数据源包括与目标业务种类相关的业务数据源、预测数据源、填充数据源以及自制数据源；
获取测试人员关于所述全量数据源选项的选择结果，并确定与所述选择结果对应的所述数据源；
提取所述选择结果对应的所述数据源指向的数据，作为标准数据，并基于所述标准数据组建标准数据案例；
获取待测试数据，并将所述待测试数据与所述标准数据案例中的所述标准数据进行比对，若比对成功，则输出测试成功的提示。
本发明实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：
基于已配置的多个数据源生成全量数据源选项，所述多个数据源包括与目标业务种类相关的业务数据源、预测数据源、填充数据源以及自制数据源；
获取测试人员关于所述全量数据源选项的选择结果，并确定与所述选择结果对应的所述数据源；
提取所述选择结果对应的所述数据源指向的数据，作为标准数据，并基于所述标准数据组建标准数据案例；
获取待测试数据，并将所述待测试数据与所述标准数据案例中的所述标准数据进行比对，若比对成功，则输出测试成功的提示。
本发明实施例与现有技术相比存在的有益效果是：
本发明实施例基于与目标业务种类相关的业务数据源、预测数据源、填充数据源以及自制数据源生成全量数据源选项，并将全量数据源选项提供至测试人员，测试人员可根据测试场景的需要，对全量数据源选项进行选择，在获取到测试人员的选择结果后，基于选择结果对应的数据源构建标准数据案例，并将待测试数据与标准数据案例进行比对，如果标准数据案例中存在与待测试数据相符的标准数据，则输出测试成功的提示，本发明实施例通过预先搭建多个数据源，提升了数据覆盖程度，并且通过提供全量数据源选项，使得测试人员可自由选取需要的数据源，提升了数据测试在不同场景的适用性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的基于大数据分析的自动测试方法的实现流程图；
图2是本发明实施例二提供的基于大数据分析的自动测试方法的实现流程图；
图3是本发明实施例三提供的基于大数据分析的自动测试方法的实现流程图；
图4是本发明实施例四提供的基于大数据分析的自动测试方法的实现流程图；
图5是本发明实施例五提供的基于大数据分析的自动测试方法的实现流程图；
图6是本发明实施例六提供的终端设备的结构框图；
图7是本发明实施例七提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
图1示出了本发明实施例提供的基于大数据分析的自动测试方法的实现流程，详述如下：
在S101中，基于已配置的多个数据源生成全量数据源选项，所述多个数据源包括与目标业务种类相关的业务数据源、预测数据源、填充数据源以及自制数据源。
为了方便描述本发明实施例，以业务场景为保险业务进行说明，但应获知的是，这并不构成对本发明实施例的限定。通常来说，保险业务存在多个险种，而对于每个险种，存在多个投保用户，每个投保用户的投保信息(比如投保人年龄、投保年限和投保金额等)也存在不同，故与保险业务相关的数据的数量级较高，并且数据之间的差异化程度高。相较于传统的由测试人员手动建立测试用例对数据进行测试，数据覆盖度低，在本发明实施例中，首先配置与目标业务种类相关的多个数据源，多个数据源包括业务数据源、预测数据源、填充数据源以及自制数据源。值得一提的是，对于某个业务来说，可能存在多个业务种类，故目标业务种类可以是多个业务种类中的一个或多个。数据源是指与存储数据的数据介质之间的连接信息，故配置多个数据源实质上是搭建多个数据介质，并获取连接多个数据介质的连接信息，在本发明实施例中，数据介质的种类包括但不限于数据库、EXCEL表及逗号分隔值(Comma-Separated Values，CSV)文件。
具体地，搭建的多个数据介质包括业务数据介质、预测数据介质、填充数据介质以及自制数据介质。业务数据源对应的业务数据介质存放有在实时办理目标业务种类对应业务的过程中相关的业务数据；预测数据源对应的预测数据介质存放有与目标业务种类相关的历史数据以及根据数据预测模型生成的预测数据，其中历史数据是指在以前的办理目标业务种类对应业务的过程中相关的数据，数据预测模型是通过与目标业务种类相关的历史数据对预设的数据处理模型进行训练得到的；填充数据源对应的填充数据介质存放有与目标业务种类相关的多个现有数据记录，其中包括有对缺失的数据进行填充后的现有数据记录；自制数据源对应的自制数据介质中存放有测试人员编写的自制数据。值得一提的是，上述的业务数据、历史数据和现有数据记录仅仅是为了区分不同的数据介质以及不同的数据源，在实际应用场景中，业务数据、预测数据和现有数据记录可能相同或部分相同。在对包括业务数据介质、预测数据介质、填充数据介质以及自制数据介质的多个数据介质搭建完成后，确定出包括业务数据源、预测数据源、填充数据源以及自制数据源的多个数据源，从而基于多个数据源生成全量数据源选项。
在S102中，获取测试人员关于所述全量数据源选项的选择结果，并确定与所述选择结果对应的所述数据源。
生成全量数据源选项后，将全量数据源选项显示于测试人员进行操作的主机上的前端页面，其中全量数据源选项可以图形化界面的形式进行显示。在全量数据源选项中，提供了对多个数据源的选择方式，选择方式可以是多个数据源的一个或多个。在获取到测试人员关于全量数据源选项的选择结果后，根据选择结果确定对应的数据源。当然，也可以预先制定选择结果，当全量数据源选项生成后，自动根据制定的选择结果确定对应的数据源。
在S103中，提取所述选择结果对应的所述数据源指向的数据，作为标准数据，并基于所述标准数据组建标准数据案例。
在本发明实施例中，由于每个数据源对应的数据介质种类可能不同，故为了方便进行后续的数据比对，在选择结果对应的数据源确定后，首先导出选择结果对应数据源指向的数据，将导出的数据作为标准数据，并按照标准格式将标准数据组建为标准数据案例，其中，标准格式为预设的用于数据比对的格式，比如可为EXCEL表，举例来说，选择结果对应的数据源为业务数据源和预测数据源，业务数据源对应的业务数据介质的种类为数据库，预测数据源对应的预测数据介质的种类为EXCEL表，而标准格式为EXCEL表，则先导出业务数据介质和预测数据介质中的数据作为标准数据，并将标准数据导入新建的EXCEL表中，最后将导入完成的EXCEL表作为标准数据案例。当然，组件方法不限于上述例子，比如还可复制预测数据介质中的EXCEL表，并将业务数据介质中的数据导入到复制的EXCEL表中，该EXCEL表即为标准数据案例。
在S104中，获取待测试数据，并将所述待测试数据与所述标准数据案例中的所述标准数据进行比对，若比对成功，则输出测试成功的提示。
本发明实施例中，获取待测试数据，其中，可获取测试人员手动输入的待测试数据，也可以预先在用于测试的前端页面内设置上传选项，并获取测试人员通过上传选项上传的待测试文件(如EXCEL表)，并从待测试文件中获取待测试数据，或者获取测试人员通过上传选项上传的数据库表地址，并从数据库表地址中获取存放有待测试数据的数据库表。值得一提的是，若获取到的测试人员上传的待测试文件与标准格式不同，则提示测试人员进行重新上传。在获取待测试数据后，将待测试数据与标准数据案例中的标准数据进行比对，如果标准格式为数据库表，则可使用结构化查询语言(Structured Query Language，SQL)语句进行比对；如果标准格式为EXCEL表，则使用EXCEL表中的vlookup函数或EXCEL查询工具进行比对。如果标准数据案例中存在与待测试数据相同的标准数据，则输出测试成功的提示；如果标准数据案例中不存在与待测试数据相同的标准数据，则输出报警提示。
可选地，设置测试开关，以控制测试人员的上传权限。在本发明实施例中，在用于测试的前端页面中设置测试开关，默认情况下测试开关关闭，禁止录入或上传待测试数据。在检测到标准数据案例组建完成后，自动将测试开关打开，以使测试人员能够上传待测试数据，并在获取到待测试数据后能够立即将其与标准数据进行比对，提升了待测试数据上传的有效性，防止待测试数据滞留。
通过图1所示实施例可知，在本发明实施例中，通过基于已配置的多个数据源生成全量数据源选项，多个数据源包括与目标业务种类相关的业务数据源、预测数据源、填充数据源以及自制数据源，将全量数据源选项推送至测试人员，并获取测试人员的选择结果，确定与选择结果对应的数据源，将选择结果对应的数据源指向的数据作为标准数据，基于标准数据组建标准数据案例，最后获取待测试数据，将待测试数据与标准数据案例中的标准数据进行比对，若比对成功则输出测试成功的提示，本发明实施例通过生成全量数据源选项，使得测试人员能够根据实际应用场景自由选择标准数据，提升了数据测试的适用性。
图2所示，是在本发明实施例一的基础上，将业务数据源对应的数据介质进行数据存储的过程进行细化后得到的一种实现方法。本发明实施例提供了基于大数据分析的自动测试方法的实现流程图，如图所示，该基于大数据分析的自动测试方法可以包括以下步骤：
在S201中，确定与所述目标业务种类相关的办理页面，所述办理页面用于被用户操作以办理所述目标业务种类对应的业务。
由于在办理业务时，首先要获取用户的业务数据，比如业务为保险业务，则获取的用户的业务数据包括用户性别、年龄和投保金额等，故在本发明实施例中，对在办理目标业务种类对应业务的过程中相关的业务数据进行获取。对于业务来说，通常会预先设置一个用于办理业务的前端页面，由用户或业务人员将线下的纸质文件(如业务办理单)中的业务数据手动录入至该前端页面并上传，或者将线上的其他页面统计的业务数据手动录入至该前端页面并上传，故确定与目标业务种类对应的办理页面以获取业务数据。
在S202中，在所述办理页面插入监控组件，通过所述监控组件获取通过所述办理页面输入的业务数据，并将所述业务数据存储至所述业务数据源对应的数据介质。
在本发明实施例中，在目标业务种类对应的办理页面中插入监控组件，并设置数据存储脚本，该监控组件可基于javascript语言编写，并在监控组件中设置当检测到业务数据时触发数据存储脚本的机制，其中，可通过前端页面中业务数据的上传按钮检测业务数据，当上传按钮被点击时，认定检测到业务数据。数据存储脚本被触发后开始自动执行，在数据存储脚本的执行过程中，收集前端页面中的业务数据，并将业务数据存储至业务数据源对应的数据介质，即业务数据介质。
可选地，通过爬虫技术抓取前端页面中的业务数据，并实时将业务数据存储至业务数据源对应的数据介质。在本发明实施例中，首先获取前端页面的统一资源定位符(Uniform Resource Locator，URL)，通过爬虫技术向前端页面的URL所在的服务器发送超文本传输协议(HyperText Transfer Protocol，HTTP)请求，接收服务器返回的HTTP应答，并对HTTP应答进行解析(可通过正则表达式或第三方解析库如Beautifulsoup，pyquery等)得到业务数据，最后将业务数据存储至业务数据源对应的数据介质中。通过爬虫技术，实现了业务数据的自动抓取并存储，降低了业务数据的获取难度，适用于存在多个目标业务种类对应的前端页面的情况。
通过图2所示实施例可知，在本发明实施例中，确定与目标业务种类对应的办理页面，该办理页面用于被操作以办理目标业务种类对应的业务，并在办理页面插入监控组件，通过监控组件获取通过办理页面输入的业务数据，最后将业务数据存储至业务数据源对应的数据介质，本发明实施例通过在前端页面插入监控组件，实现了业务数据的实时获取，提升了获取业务数据的时效性。
图3所示，是在本发明实施例一的基础上，并在预测数据源对应的数据介质存储有与多个业务种类相关的历史数据的基础上，对生成预测数据的过程进行细化后得到的一种实现方法。本发明实施例提供了基于大数据分析的自动测试方法的实现流程图，如图所示，该基于大数据分析的自动测试方法可以包括以下步骤：
在S301中，获取所述历史数据，并对所述历史数据进行大数据分析，筛选出所述历史数据中与所述目标业务种类相关的第一筛选数据。
通常来说，为了保证业务的准确性，在线上的业务完成后，会将与业务相关的数据进行存储(为了节省存储空间，一般将业务的多个业务种类的数据进行集中存储)，形成历史数据，在历史数据中，业务种类一般作为字段或属性进行存储。在本发明实施例中，预测数据源对应的预测数据介质中存放有与多个业务种类相关的历史数据，而除了目标业务种类外，其他的业务种类都是非必要的，故对历史数据进行大数据分析，筛选出历史数据中与目标业务种类相关的第一筛选数据。具体地，将历史数据添加至Hive数据仓库，并使用SparkSQL，以目标业务种类为条件进行数据筛选。其中，Hive数据仓库是基于Hadoop的数据仓库工具，可将结构化的数据文件映射为数据库表，并提供SQL查询功能；Spark是开源的为用于大规模数据处理的通用并行框架，而SparkSQL是Spark用于处理结构化数据的模块。
可选地，在筛选出第一筛选数据后，在预测数据介质中删除除第一筛选数据外的历史数据。为了节省存储空间，在确定出第一筛选数据后，删除预测数据介质中除第一筛选数据外的历史数据。若预测数据介质的种类为数据库，则可在确定出第一筛选数据后，在第一筛选数据所在的数据库表设置保留标识，当所有的历史数据都分析完毕后，在预测数据介质中仅保留存在保留标识的数据库表。
在S302中，对所述第一筛选数据进行预处理，清除存在异常数据的所述第一筛选数据，得到第二筛选数据。
由于在线上的业务办理过程中和数据存储过程中可能出现数据出错，导致某些历史数据出现异常，比如年龄为负值等，故对筛选得到的第一筛选数据进行预处理。具体地，预先设置多个数据取值范围，并根据多个数据取值范围对第一筛选数据进行检测，多个数据取值范围与第一筛选数据的多个数据属性对应。举例来说，业务为保险业务，第一筛选数据的多个数据属性包括年龄、年收入、家庭人口数以及投保金额，则可根据保险业务的投保限制设定多个数据取值范围依次为20岁到70岁、大于5万、大于0以及大于1000。当第一筛选数据下数据属性的数据不位于对应的数据取值范围内时，认定该数据为异常数据，则清除掉该数据所在的第一筛选数据。当对预测数据介质中的所有第一筛选数据预处理完毕后，将保留下的第一筛选数据作为第二筛选数据。
在S303中，基于所述第二筛选数据构建基础数据集，将所述基础数据集与预设的数据处理模型进行拟合，并将拟合完成的所述数据处理模型作为数据预测模型进行输出。
在本发明实施例中，基于第二筛选数据构建基础数据集，基础数据集包括特征参数和结果参数，为了便于说明，假设特征参数为第二筛选数据中的年龄、年收入以及家庭人口数，结果参数为第二筛选数据中的投保金额。构建完成后，将基础数据集与预设的数据处理模型进行拟合，以训练数据处理模型，最后将拟合完成的数据处理模型作为预测模型进行输出。举例来说，假设第二筛选数据存在N个，构建的基础数据集为(Parametercha1，Parameterresult1)，(Parametercha2，Parameterresult2)……(ParameterchaN，ParameterresultN)，其中，Parameterchai表示第i个第二筛选数据中的特征参数，Parameterresulti表示第i个第二筛选数据中的结果参数。在将基础数据集与数据处理模型进行拟合的过程中，首先设定结果参数可能属于K个分类，对于基础数据集中一个特征参数为ParameterchaX的数据，根据K个分类对与ParameterchaX对应的结果参数ParameterresultX进行分类。举例来说，若K＝3，且投保金额小于或等于1000为第一个分类，投保金额大于1000且小于或等于3000为第二个分类，投保金额大于3000为第三个分类。若ParameterresultX的值为2500，则对ParameterresultX进行分类，可得到ParameterresultX位于K个分类下的预期值分别为ParameterresultX1＝0，ParameterresultX2＝1，ParameterresultX3＝0。
另外，设置ParameterresultX位于第K个分类的预期值分别由F1(ParameterchaX)，F2(ParameterchaX)，……，FK(ParameterchaX)K个函数计算出，上述预期值在第一次计算时自定义。在数据处理模型中，假设ParameterresultX属于分类k的概率为pk(ParameterchaX)，则计算概率的公式如下：
在上述公式中，exp()是指以自然常数e为底的指数函数。
并且，定义偏差函数如下：
将基础数据集与数据处理模型进行拟合的过程，即是通过计算使得偏差函数的值尽可能小的过程。将基础数据集内的所有数据输入至数据处理模型后，最终计算出的F1(ParameterchaX)，F2(ParameterchaX)，……，FK(ParameterchaX)即构成了数据预测模型。
在S304中，通过所述数据预测模型生成预测数据，并将所述预测数据存储至所述预测数据源对应的数据介质。
在数据预测模型生成后，将与特征参数格式相符的输入参数
ParameterchaInput输入至数据预测模型，则根据数据预测模型计算出数值最大的预期值，具体分别计算F1(ParameterchaInput)，F2(ParameterchaInput)，……，FK(ParameterchaInput)，并将数值最大的预期值对应的分类作为数据预测模型的输出参数所在分类(即计算出输出参数)。在本发明实施例中，通过数据预测模型生成预测数据，其中，可将基础数据集中的特征参数作为数据预测模型的输入参数，也可将测试人员录入或上传的数据作为数据预测模型的输入参数，并将输入参数和数据预测模型输出的输出参数组合为预测数据。在预测数据生成后，将预测数据存储至预测数据源对应的预测数据介质，在存储完毕后，预测数据介质中包括有第二筛选数据和预测数据。
通过图3所示实施例可知，在本发明实施例中，获取预测数据介质中的历史数据，对历史数据进行大数据分析，筛选出历史数据中与目标业务种类相关的第一筛选数据，并对第一筛选数据进行预处理，清除存在异常数据的第一筛选数据，将保留下的第一筛选数据作为第二筛选数据，基于第二筛选数据构建基础数据集，将基础数据集与数据处理模型进行拟合，将拟合完成的数据处理模型作为数据预测模型进行输出，最后通过数据预测模型生成预测数据，将预测数据存储至预测数据介质，本发明实施例通过训练数据预测模型，实现了数据的衍生，提升了数据覆盖度和预测数据的可靠性。
图4所示，是在本发明实施例一的基础上，并在填充数据源对应的数据介质存储有与目标业务种类相关的多个现有数据记录，并且每个现有数据记录包含数据标识以及多个现有数据属性的基础上，对存在缺失的现有数据记录进行补全的过程进行细化后得到的一种实现方法。本发明实施例提供了基于大数据分析的自动测试方法的实现流程图，如图所示，该基于大数据分析的自动测试方法可以包括以下步骤：
在S401中，遍历多个所述现有数据记录以查找出目标数据记录，所述目标数据记录在目标数据属性下的数据存在缺失，所述目标数据属性为所述多个现有数据属性中的一个或多个。
现有数据记录与上述的历史数据的概念相同，在命名上不同只是为了区分不同的数据介质以及数据源。同样地，在数据录入和数据存储的过程中，有可能因出错导致填充数据源对应的填充数据介质中存储的数据出现缺失。而通常来说，现有数据记录包括多个现有数据属性，比如保险业务对应的多个现有数据属性可包括年龄、年收入、家庭人口数以及投保金额，故在本发明实施例中，遍历填充数据介质中的多个现有数据记录，以查找出目标数据记录，该目标数据记录在目标数据属性中的数据存在缺失，目标数据属性可为多个现有数据属性中的一个或多个。
在S402中，获取所述目标数据记录的所述数据标识，从多个所述现有数据记录的多个所述数据标识中查找出与所述目标数据记录的所述数据标识最接近的所述数据标识，并将所述最接近的所述数据标识对应的所述现有数据记录在所述目标数据属性中的数据作为所述目标数据记录中缺失的数据。
现有数据记录中包括的数据标识可以根据实际应用场景进行设定，数据标识也可以为多个现有数据属性中的一个或多个。在确定出目标数据记录后，获取目标数据记录的数据标识，并从除开目标数据记录的多个现有数据记录的多个数据标识中查找与目标数据记录的数据标识最接近的数据标识。其中，最接近的数据标识即是与目标数据记录的数据标识之间的差异值最小的数据标识，若数据标识为多个现有数据属性中的一个，比如为年龄，则直接将数据标识下数据的差值作为差异值，举例来说，目标数据记录的数据标识下的数据为17，某个现有数据记录的数据标识下的数据为20，则差异值为3；若数据标识为多个现有数据属性中的多个，比如为年龄和家庭人口数，则可预先对数据标识设置多个权值，并将数据标识下数据的差值根据多个权值进行加权求和，得到差异值，举例来说，预先设定的年龄的权值为2，家庭人口数的权值为1，目标数据记录的年龄下的数据为21，家庭人口数下的数据为4，某个现有数据记录的年龄下的数据为17，家庭人口数下的数据为3，则差异值为2*(21-17)+1*(4-3)＝9，值得一提的是，在计算出数据标识下数据的差值后，可对差值进行取绝对值，再进行加权求和，以防止差值的正负符号对差异值的准确性造成影响。
值得一提的是，若数据标识与目标数据属性相同，则输出更改提示，提示测试人员对数据标识进行重新设定。在查找到与目标数据记录的数据标识最接近的数据标识后，确定最接近的数据标识对应的现有数据记录，并将该现有数据记录在目标数据属性中的数据填充为目标数据记录中在目标数据属性缺失的数据。
通过图4所示实施例可知，在本发明实施例中，遍历预测数据介质中的多个现有数据记录，以查找出在目标数据属性下的数据存在缺失的目标数据记录，并获取目标数据记录的数据标识，从除目标数据记录外的多个现有数据记录的多个数据标识中查找出与目标数据记录的数据标识最接近的数据标识，并将最接近的所述数据标识对应的现有数据记录在目标数据属性中的数据作为目标数据记录中缺失的数据，本发明实施例通过查找存在缺失的现有数据记录，并对缺失的数据进行填充，提升了现有数据记录的完整性。
图5所示，是在本发明实施例一的基础上，并在选择结果指示多个数据源的基础上，对提取所述选择结果对应的所述数据源指向的数据，作为标准数据，并基于所述标准数据组建标准数据案例的过程进行细化后得到的一种实现方法。本发明实施例提供了基于大数据分析的自动测试方法的实现流程图，如图所示，该基于大数据分析的自动测试方法可以包括以下步骤：
在S501中，获取预设的优先级序列，所述优先级序列存储有与已配置的多个所述数据源一一对应的多个优先级。
在本发明实施例中，可对多个数据源预先配置优先级序列，优先级序列中包含有与多个数据源一一对应的多个优先级，其中每个数据源对应一个优先级。
在S502中，从所述选择结果指示的多个所述数据源中，按照所述优先级序列依次提取所述优先级从高到低的所述数据源指向的数据作为所述标准数据，并组建多个所述标准数据案例。
在本发明实施例中，确定选择结果指示的多个数据源，并按照优先级序列中的优先级顺序依次提取多个数据源指向的数据，并按照所属数据源的不同组建多个标准数据案例。举例来说，选择结果指示的多个数据源为业务数据源和预测数据源，业务数据源在优先级序列中的优先级高于预测数据源，故提取业务数据源指向的数据并组建一个标准数据案例，然后提取预测数据源指向的数据并组建另一个标准数据案例。
在S503中，将所述待测试数据按照所述优先级序列依次与多个所述标准数据案例中的所述标准数据进行比对，若所述待测试数据与其中一个所述标准数据案例中的所述标准数据比对成功，则输出所述测试成功的提示。。
在组建了多个标准数据案例后，将待测试数据与标准数据案例中的标准数据进行比对，实质上是将待测试数据按照优先级序列的优先级顺序依次与多个标准数据案例中的标准数据进行比对，即当与一个标准数据案例中的标准数据比对完成后，继续与下一个标准数据案例中的标准数据比对。如果待测试数据与其中一个标准数据案例中的标准数据比对成功，则输出测试成功的提示；如果待测试数据与多个标准数据案例中的标准数据都比对失败，则输出测试失败的提示。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图6示出了本发明实施例提供的终端设备的结构框图，该终端设备包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1与图1所对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。
参见图6，所述终端设备包括：
生成单元61，用于基于已配置的多个数据源生成全量数据源选项，所述多个数据源包括与目标业务种类相关的业务数据源、预测数据源、填充数据源以及自制数据源；
确定单元62，用于获取测试人员关于所述全量数据源选项的选择结果，并确定与所述选择结果对应的所述数据源；
组建单元63，用于提取所述选择结果对应的所述数据源指向的数据，作为标准数据，并基于所述标准数据组建标准数据案例；
比对单元64，用于获取待测试数据，并将所述待测试数据与所述标准数据案例中的所述标准数据进行比对，若比对成功，则输出测试成功的提示。
可选地，所述生成单元61，还包括：
确定单元，用于确定与所述目标业务种类对应的办理页面，所述办理页面用于被操作以办理所述目标业务种类对应的业务；
插入单元，用于在所述办理页面插入监控组件，通过所述监控组件获取通过所述办理页面输入的业务数据，并将所述业务数据存储至所述业务数据源对应的数据介质。
可选地，所述预测数据源对应的数据介质存储有与多个业务种类相关的历史数据，所述生成单元61，还包括：
获取单元，用于获取所述历史数据，并对所述历史数据进行大数据分析，筛选出所述历史数据中与所述目标业务种类相关的第一筛选数据；
预处理单元，用于对所述第一筛选数据进行预处理，清除存在异常数据的所述第一筛选数据，得到第二筛选数据；
构建单元，用于基于所述第二筛选数据构建基础数据集，将所述基础数据集与预设的数据处理模型进行拟合，并将拟合完成的所述数据处理模型作为数据预测模型进行输出；
存储单元，用于通过所述数据预测模型生成预测数据，并将所述预测数据存储至所述预测数据源对应的数据介质。
可选地，所述填充数据源对应的数据介质存储有与所述目标业务种类相关的多个现有数据记录，每个所述现有数据记录包含数据标识以及多个现有数据属性，所述生成单元61，还包括：
遍历单元，用于遍历多个所述现有数据记录以查找出目标数据记录，所述目标数据记录在目标数据属性下的数据存在缺失，所述目标数据属性为所述多个现有数据属性中的一个或多个；
查找单元，用于获取所述目标数据记录的所述数据标识，从多个所述现有数据记录的多个所述数据标识中查找出与所述目标数据记录的所述数据标识最接近的所述数据标识，并将所述最接近的所述数据标识对应的所述现有数据记录在所述目标数据属性中的数据作为所述目标数据记录中缺失的数据。
可选地，所述选择结果指示多个所述数据源，所述组建单元63，包括：
序列获取单元，用于获取预设的优先级序列，所述优先级序列存储有与已配置的多个所述数据源一一对应的多个优先级；
组建子单元，用于从所述选择结果指示的多个所述数据源中，按照所述优先级序列依次提取所述优先级从高到低的所述数据源指向的数据作为所述标准数据，并组建多个所述标准数据案例；
所述比对单元64，包括：
依次比对单元，用于将所述待测试数据按照所述优先级序列依次与多个所述标准数据案例中的所述标准数据进行比对，若所述待测试数据与其中一个所述标准数据案例中的所述标准数据比对成功，则输出所述测试成功的提示。
因此，本发明实施例提供的终端设备通过生成全量数据源选项，使得测试人员能够自由选择标准数据的来源，提升了测试操作在不同场景的适用性。
图7是本发明实施例提供的终端设备的示意图。如图7所示，该实施例的终端设备7包括：处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72。所述处理器70执行所述计算机程序72时实现上述各个基于大数据分析的自动测试方法实施例中的步骤，例如图1所示的步骤S101至S104。或者，所述处理器70执行所述计算机程序72时实现上述各终端设备实施例中各单元的功能，例如图6所示单元61至64的功能。
示例性的，所述计算机程序72可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器71中，并由所述处理器70执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序72在所述终端设备7中的执行过程。例如，所述计算机程序72可以被分割成生成单元、确定单元、组建单元以及比对单元，各单元具体功能如下：
生成单元，用于基于已配置的多个数据源生成全量数据源选项，所述多个数据源包括与目标业务种类相关的业务数据源、预测数据源、填充数据源以及自制数据源；
确定单元，用于获取测试人员关于所述全量数据源选项的选择结果，并确定与所述选择结果对应的所述数据源；
组建单元，用于提取所述选择结果对应的所述数据源指向的数据，作为标准数据，并基于所述标准数据组建标准数据案例；
比对单元，用于获取待测试数据，并将所述待测试数据与所述标准数据案例中的所述标准数据进行比对，若比对成功，则输出测试成功的提示。
所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是终端设备7的示例，并不构成对终端设备7的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器70可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述终端设备7的内部存储单元，例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备，例如所述终端设备7上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元完成，即将所述终端设备的内部结构划分成不同的功能单元，以完成以上描述的全部或者部分功能。实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的终端设备和方法，可以通过其它的方式实现。例如，以上所描述的终端设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据分析的自动测试方法，其特征在于，包括：
基于已配置的多个数据源生成全量数据源选项，所述多个数据源包括与目标业务种类相关的业务数据源、预测数据源、填充数据源以及自制数据源；
获取测试人员关于所述全量数据源选项的选择结果，并确定与所述选择结果对应的所述数据源；
提取所述选择结果对应的所述数据源指向的数据，作为标准数据，并基于所述标准数据组建标准数据案例；
获取待测试数据，并将所述待测试数据与所述标准数据案例中的所述标准数据进行比对，若比对成功，则输出测试成功的提示。
2.如权利要求1所述的自动测试方法，其特征在于，所述基于已配置的多个数据源生成全量数据源选项之前，还包括：
确定与所述目标业务种类对应的办理页面，所述办理页面用于被操作以办理所述目标业务种类对应的业务；
在所述办理页面插入监控组件，通过所述监控组件获取通过所述办理页面输入的业务数据，并将所述业务数据存储至所述业务数据源对应的数据介质。
3.如权利要求1所述的自动测试方法，其特征在于，所述预测数据源对应的数据介质存储有与多个业务种类相关的历史数据，所述基于已配置的多个数据源生成全量数据源选项之前，还包括：
获取所述历史数据，并对所述历史数据进行大数据分析，筛选出所述历史数据中与所述目标业务种类相关的第一筛选数据；
对所述第一筛选数据进行预处理，清除存在异常数据的所述第一筛选数据，得到第二筛选数据；
基于所述第二筛选数据构建基础数据集，将所述基础数据集与预设的数据处理模型进行拟合，并将拟合完成的所述数据处理模型作为数据预测模型进行输出；
通过所述数据预测模型生成预测数据，并将所述预测数据存储至所述预测数据源对应的数据介质。
4.如权利要求1所述的自动测试方法，其特征在于，所述填充数据源对应的数据介质存储有与所述目标业务种类相关的多个现有数据记录，每个所述现有数据记录包含数据标识以及多个现有数据属性，所述基于已配置的多个数据源生成全量数据源选项之前，还包括：
遍历多个所述现有数据记录以查找出目标数据记录，所述目标数据记录在目标数据属性下的数据存在缺失，所述目标数据属性为所述多个现有数据属性中的一个或多个；
获取所述目标数据记录的所述数据标识，从多个所述现有数据记录的多个所述数据标识中查找出与所述目标数据记录的所述数据标识最接近的所述数据标识，并将所述最接近的所述数据标识对应的所述现有数据记录在所述目标数据属性中的数据作为所述目标数据记录中缺失的数据。
5.如权利要求1所述的自动测试方法，其特征在于，若所述选择结果指示多个所述数据源，则所述提取所述选择结果对应的所述数据源指向的数据，作为标准数据，并基于所述标准数据组建标准数据案例，包括：
获取预设的优先级序列，所述优先级序列存储有与已配置的多个所述数据源一一对应的多个优先级；
从所述选择结果指示的多个所述数据源中，按照所述优先级序列依次提取所述优先级从高到低的所述数据源指向的数据作为所述标准数据，并组建多个所述标准数据案例；
所述将所述待测试数据与所述标准数据案例中的所述标准数据进行比对，若比对成功，则输出测试成功的提示，包括：
将所述待测试数据按照所述优先级序列依次与多个所述标准数据案例中的所述标准数据进行比对，若所述待测试数据与其中一个所述标准数据案例中的所述标准数据比对成功，则输出所述测试成功的提示。
6.一种终端设备，其特征在于，所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：
基于已配置的多个数据源生成全量数据源选项，所述多个数据源包括与目标业务种类相关的业务数据源、预测数据源、填充数据源以及自制数据源；
获取测试人员关于所述全量数据源选项的选择结果，并确定与所述选择结果对应的所述数据源；
提取所述选择结果对应的所述数据源指向的数据，作为标准数据，并基于所述标准数据组建标准数据案例；
获取待测试数据，并将所述待测试数据与所述标准数据案例中的所述标准数据进行比对，若比对成功，则输出测试成功的提示。
7.如权利要求6所述的终端设备，其特征在于，所述基于已配置的多个数据源生成全量数据源选项之前，还包括：
确定与所述目标业务种类对应的办理页面，所述办理页面用于被操作以办理所述目标业务种类对应的业务；
在所述办理页面插入监控组件，通过所述监控组件获取通过所述办理页面输入的业务数据，并将所述业务数据存储至所述业务数据源对应的数据介质。
8.如权利要求6所述的终端设备，其特征在于，所述预测数据源对应的数据介质存储有与多个业务种类相关的历史数据，所述基于已配置的多个数据源生成全量数据源选项之前，还包括：
获取所述历史数据，并对所述历史数据进行大数据分析，筛选出所述历史数据中与所述目标业务种类相关的第一筛选数据；
对所述第一筛选数据进行预处理，清除存在异常数据的所述第一筛选数据，得到第二筛选数据；
基于所述第二筛选数据构建基础数据集，将所述基础数据集与预设的数据处理模型进行拟合，并将拟合完成的所述数据处理模型作为数据预测模型进行输出；
通过所述数据预测模型生成预测数据，并将所述预测数据存储至所述预测数据源对应的数据介质。
9.如权利要求6所述的终端设备，其特征在于，所述填充数据源对应的数据介质存储有与所述目标业务种类相关的多个现有数据记录，每个所述现有数据记录包含数据标识以及多个现有数据属性，所述基于已配置的多个数据源生成全量数据源选项之前，还包括：
遍历多个所述现有数据记录以查找出目标数据记录，所述目标数据记录在目标数据属性下的数据存在缺失，所述目标数据属性为所述多个现有数据属性中的一个或多个；
获取所述目标数据记录的所述数据标识，从多个所述现有数据记录的多个所述数据标识中查找出与所述目标数据记录的所述数据标识最接近的所述数据标识，并将所述最接近的所述数据标识对应的所述现有数据记录在所述目标数据属性中的数据作为所述目标数据记录中缺失的数据。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述自动测试方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810915913.4A CN109324960A (zh) | 2018-08-13 | 2018-08-13 | 基于大数据分析的自动测试方法及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810915913.4A CN109324960A (zh) | 2018-08-13 | 2018-08-13 | 基于大数据分析的自动测试方法及终端设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109324960A true CN109324960A (zh) | 2019-02-12 |
Family
ID=65263499
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810915913.4A Pending CN109324960A (zh) | 2018-08-13 | 2018-08-13 | 基于大数据分析的自动测试方法及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109324960A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109829096A (zh) * | 2019-03-15 | 2019-05-31 | 北京金山数字娱乐科技有限公司 | 一种数据采集方法、装置、电子设备及存储介质 |
| CN110162459A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 测试案例生成方法、装置及计算机可读存储介质 |
| CN110278201A (zh) * | 2019-06-12 | 2019-09-24 | 深圳市腾讯计算机系统有限公司 | 安全策略评价方法及装置、计算机可读介质和电子设备 |
| CN112749190A (zh) * | 2019-10-31 | 2021-05-04 | 中国移动通信集团重庆有限公司 | 数据查询方法、装置、计算设备及计算机存储介质 |
| CN112765044A (zh) * | 2021-04-06 | 2021-05-07 | 上海钐昆网络科技有限公司 | 异常数据检测方法、装置、设备及存储介质 |
| CN114253514A (zh) * | 2020-09-24 | 2022-03-29 | 腾讯科技（深圳）有限公司 | 大数据应用开发方法、装置、计算机设备和存储介质 |
| CN114968408A (zh) * | 2022-05-31 | 2022-08-30 | 中国船舶重工集团公司第七0七研究所 | 一种可配置的船用多源多通道信息筛选的系统及方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060174174A1 (en) * | 2005-02-02 | 2006-08-03 | International Business Machines Corporation | Method, system, and storage medium for estimating and improving test case generation |
| CN101984416A (zh) * | 2010-11-02 | 2011-03-09 | 中兴通讯股份有限公司 | 一种测试用例的生成方法及装置 |
| CN102999320A (zh) * | 2011-09-15 | 2013-03-27 | 阿里巴巴集团控股有限公司 | 测试用例自动生成方法和系统 |
| CN104331366A (zh) * | 2014-10-30 | 2015-02-04 | 北京思特奇信息技术股份有限公司 | 一种测试用例设计效率提升方法及系统 |
| CN105302718A (zh) * | 2015-10-26 | 2016-02-03 | 浪潮电子信息产业股份有限公司 | 一种面向复用软件的测试模型的设计方法 |
| US20160246705A1 (en) * | 2015-02-23 | 2016-08-25 | International Business Machines Corporation | Data fabrication based on test requirements |
| CN106484605A (zh) * | 2015-08-28 | 2017-03-08 | 中兴通讯股份有限公司 | 一种实现软件自动化测试的方法和系统 |
| CN106991140A (zh) * | 2017-03-17 | 2017-07-28 | 国网江苏省电力公司扬州供电公司 | 监控信息表审核方法及体系 |
| CN107291582A (zh) * | 2017-06-13 | 2017-10-24 | 常熟天合信电子科技有限公司 | 基于标准大数据的智能化集成测试方法 |
| CN107885660A (zh) * | 2017-10-31 | 2018-04-06 | 平安科技（深圳）有限公司 | 基金系统自动化测试管理方法、装置、设备及存储介质 |
| CN108319719A (zh) * | 2018-02-12 | 2018-07-24 | 腾讯科技（深圳）有限公司 | 数据库数据校验方法、装置、计算机设备和存储介质 |
-
2018
- 2018-08-13 CN CN201810915913.4A patent/CN109324960A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060174174A1 (en) * | 2005-02-02 | 2006-08-03 | International Business Machines Corporation | Method, system, and storage medium for estimating and improving test case generation |
| CN101984416A (zh) * | 2010-11-02 | 2011-03-09 | 中兴通讯股份有限公司 | 一种测试用例的生成方法及装置 |
| CN102999320A (zh) * | 2011-09-15 | 2013-03-27 | 阿里巴巴集团控股有限公司 | 测试用例自动生成方法和系统 |
| CN104331366A (zh) * | 2014-10-30 | 2015-02-04 | 北京思特奇信息技术股份有限公司 | 一种测试用例设计效率提升方法及系统 |
| US20160246705A1 (en) * | 2015-02-23 | 2016-08-25 | International Business Machines Corporation | Data fabrication based on test requirements |
| CN106484605A (zh) * | 2015-08-28 | 2017-03-08 | 中兴通讯股份有限公司 | 一种实现软件自动化测试的方法和系统 |
| CN105302718A (zh) * | 2015-10-26 | 2016-02-03 | 浪潮电子信息产业股份有限公司 | 一种面向复用软件的测试模型的设计方法 |
| CN106991140A (zh) * | 2017-03-17 | 2017-07-28 | 国网江苏省电力公司扬州供电公司 | 监控信息表审核方法及体系 |
| CN107291582A (zh) * | 2017-06-13 | 2017-10-24 | 常熟天合信电子科技有限公司 | 基于标准大数据的智能化集成测试方法 |
| CN107885660A (zh) * | 2017-10-31 | 2018-04-06 | 平安科技（深圳）有限公司 | 基金系统自动化测试管理方法、装置、设备及存储介质 |
| CN108319719A (zh) * | 2018-02-12 | 2018-07-24 | 腾讯科技（深圳）有限公司 | 数据库数据校验方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 胡蓉 等: "一种新的基于Web服务超市平台的QoS测试方法", 电子设计工程, no. 03, 5 February 2011 (2011-02-05), pages 104 - 107 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109829096A (zh) * | 2019-03-15 | 2019-05-31 | 北京金山数字娱乐科技有限公司 | 一种数据采集方法、装置、电子设备及存储介质 |
| CN109829096B (zh) * | 2019-03-15 | 2021-11-26 | 北京金山数字娱乐科技有限公司 | 一种数据采集方法、装置、电子设备及存储介质 |
| CN110162459A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 测试案例生成方法、装置及计算机可读存储介质 |
| CN110278201A (zh) * | 2019-06-12 | 2019-09-24 | 深圳市腾讯计算机系统有限公司 | 安全策略评价方法及装置、计算机可读介质和电子设备 |
| CN112749190A (zh) * | 2019-10-31 | 2021-05-04 | 中国移动通信集团重庆有限公司 | 数据查询方法、装置、计算设备及计算机存储介质 |
| CN112749190B (zh) * | 2019-10-31 | 2023-04-11 | 中国移动通信集团重庆有限公司 | 数据查询方法、装置、计算设备及计算机存储介质 |
| CN114253514A (zh) * | 2020-09-24 | 2022-03-29 | 腾讯科技（深圳）有限公司 | 大数据应用开发方法、装置、计算机设备和存储介质 |
| CN112765044A (zh) * | 2021-04-06 | 2021-05-07 | 上海钐昆网络科技有限公司 | 异常数据检测方法、装置、设备及存储介质 |
| CN114968408A (zh) * | 2022-05-31 | 2022-08-30 | 中国船舶重工集团公司第七0七研究所 | 一种可配置的船用多源多通道信息筛选的系统及方法 |
| CN114968408B (zh) * | 2022-05-31 | 2024-10-29 | 中国船舶重工集团公司第七0七研究所 | 一种可配置的船用多源多通道信息筛选的系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109324960A (zh) | 基于大数据分析的自动测试方法及终端设备 | |
| CN108363602B (zh) | 智能ui界面布局方法、装置、终端设备及存储介质 | |
| CN109522746A (zh) | 一种数据处理方法、电子设备及计算机存储介质 | |
| CN103930887B (zh) | 使用行‑列数据存储的查询汇总生成 | |
| CN106682097A (zh) | 一种处理日志数据的方法和装置 | |
| CN103593336B (zh) | 一种基于语义分析的知识推送系统及方法 | |
| CN110336838B (zh) | 账号异常检测方法、装置、终端及存储介质 | |
| CN1664810A (zh) | 辅助表格填充 | |
| CN110334274A (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
| CA2646362A1 (en) | Report generation with integrated quality management | |
| CN110347561A (zh) | 监控告警方法及终端设备 | |
| CN103646049B (zh) | 自动生成数据报表的方法及系统 | |
| CN110134845A (zh) | 项目舆情监控方法、装置、计算机设备及存储介质 | |
| CN106708965A (zh) | 一种数据的处理方法和装置 | |
| CN110134844A (zh) | 细分领域舆情监控方法、装置、计算机设备及存储介质 | |
| CN106294825A (zh) | 一种excel数据管理方法及系统、客户端、服务端 | |
| CN108460068A (zh) | 报表导入导出的方法、装置、存储介质及终端 | |
| CN101976394A (zh) | 数据采集和统计系统及方法 | |
| CN110532359A (zh) | 法律条文查询方法、装置、计算机设备和存储介质 | |
| CN110489142A (zh) | 设备软件升级的评估方法及装置、存储介质、终端 | |
| CN112163017A (zh) | 一种知识挖掘系统及方法 | |
| CN110737432A (zh) | 一种基于词根表的脚本辅助设计方法及装置 | |
| WO2022186932A1 (en) | Decision tree native to graph database | |
| CN113779261A (zh) | 知识图谱的质量评价方法、装置、计算机设备及存储介质 | |
| EP3211573A1 (en) | Systems and methods for generating strategic competitive intelligence data relevant for an entity |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |