Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >寻找完美平台App测试方案

寻找完美平台App测试方案

作者头像
BestSDK
发布于 2018-02-26 10:41:33
发布于 2018-02-26 10:41:33
3.2K0
举报
文章被收录于专栏:BestSDKBestSDK

移动应用App的测试,往往是非常繁琐、而又重复性的工作,很多开发者在测试工作过程中浪费了大量的时间和精力,而且还得不到满意的结果。大的公司一般都会配备专业的测试人员,可是专业测试人员的成本相对较高,创业公司往往负担不起。

本文是我们收集到一些第三方的移动App测试服务,通过合理的使用这些第服务,可以有效地降低测试成本,提供工作效率。对于广大创业狗来说,真是再合适不过了。

1.TestFlight

地址:https://developer.apple.com/testflight/

TestFlight是一个老牌的iOS App测试分发服务,它在国内应用也很多,网上有不少教程,有人甚至用它来部署企业应用。它主要解决的是iOS应用测试分发困难问题,可向指定的人分发应用,双方需要注册TestFlight账号,以及下载TestFlight App,即可在App里测试应用。可惜的是,TestFlight被苹果收购后,就关闭了Android测试服务,同时,因为服务器在国外,国内访问速度也很慢。

2.HockeyApp

地址:http://hockeyapp.net/

‘HockeyApp 是一个用来分发内测App、并收集崩溃报告的测试平台,支持 Mac OS X 、iOS 和 Android 平台。同样,因为身处美国,访问速度也很慢。自从被微软收购后,好像改进就不多了。

3.UserTesting

地址:http://www.usertesting.com/

UserTesting 测试的是产品的可靠性,也是依靠人工来进行测试,其每一位测试人员需要49美元,可以在移动设备上测试网站、App甚至是原型。在测试申请提交后大约一小时左右,你就会收到来自测试用户的回馈,包括一段记录测试过程的视频和一份完整的文字报告。开发者可以通过这些内容详细地了解用户的使用习惯,以及产品在使用过程中遇到的各种问题。

4.TestObject

地址:https://testobject.com/

TestObject 服务是柏林一家公司创立,其所提供的云服务能够让应用开发商在一系列Android设备上自动远程测试其应用。开发商只需要上传其应用,并模拟用户与应用交互来生成一项测试。系统将会自动跟踪该交互,并以该交互为基础创建一个测试脚本。然后该脚本将会在云端中不同的设备上自动执行。测试结束后,TestObject 会发送一份详细 的测试结果报告。该服务的计费方式主要是依据测试所花费的时间和测试设备的数量。

5.Testdroid

地址:http://testdroid.com/

Testdroid 是一项帮助开发者从事手机应用测试的云端服务,由 Bitbar 公司推出。开发者们可以将开发完毕等待测试的应用上传到 Testdriod ,该服务提供了 200 多种不同移动端设备,以供测试,包括智能手机、平板电脑甚至是相机。

6.UTest

地址:http://www.utest.com/

UTest 主要的业务是通过自己构建的一个全球测试员网络为开发人员和技术公司提供软件测试以帮助这些开发者们更好的找到并解决软件中的问题。通过这个平台早期创业公司可以相对较为廉价的为其推出的移动应用获得真实世界的专业测试。

7.蒲公英内测平台

地址:www.pgyer.com

蒲公英是专为 iOS、Android 开发者提供的免费用应用内测、托管的平台,旨在解决开发者将应用分发给内测用户时的繁杂、低效的问题。

蒲公英拥有 Web、iOS、Android、Mac、Windows 多平台客户端和开放 的API 接口。通过客户端,开发者可以直接上传、管理自己的应用,测试用户也可以通过客户端直接提交反馈、上传问题截图。通过开放 API,开发者可以直接在自己的程序中上传 App、获取平台数据信息。这些功能,很大程度的帮助开发者们更容易的分发、测试应用。

蒲公英 SDK 为开发者提供应用内测数据收集分析、版本更新提示、数据分析统计、应用内提交用户反馈等强大的功能,帮助开发者不漏掉内测中任何一个问题,轻松开发出完美应用。

相比较之下,蒲公英可能是目前国内功能最完善的 App 内测、分发平台。

8. Testin 云测

地址:http://www.testin.cn/

Testin 云测试平台是一个基于真实终端设备环境,基于自动化测试技术的云端服务。Testin 在云端部署了多部测试终端, 用户上传 App 后,就可以用这些云端的终端进行测试,生成结果。Testin主要是针对 Android App 进行兼容性测试,解决碎片化问题。

9. 易测云手机APP测试平台

地址:http://www.yiceyun.com/

易测云和 Testin 有点类似,也提供 Android 兼容性测试,不过,它还提供了功能性的自动化测试。有点遗憾的是目前尚不支持 iOS。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2015-09-07,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 BestSDK 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
0883-7.1.6-Queue Manager控制单个用户的超配资源
1.文档编写目的 在CDP集群中Yarn的资源池调度策略由CDH版本的FairScheduler转变为CapacityScheduler。在集群的使用过程中,如何更好的给各个租户分配集群资源?如何确保集群的资源可以更合理的使用? 在集群资源空闲时,如果租户还按照分配的资源大小运行作业,则会导致集群的资源闲置浪费,本篇文章主要通过介绍通过调整资源池的User Limit Factor参数来使租户可以超用分配的资源。 文档概述 1.测试环境说明 2.测试方案 3.User Limit Factory场景测试 4
Fayson
2022/07/27
7090
0883-7.1.6-Queue Manager控制单个用户的超配资源
hadoop之yarn(优化篇)
最近一直在学习hadoop的一些原理和优化,然后也做了一些实践,也有没有去做实践的,反正个人观点都记录下来
huofo
2022/03/01
1.8K0
{Submarine} 在 Apache Hadoop 中运行深度学习框架
作者:Wangda Tan、Sunil Govindan、Zhankun Tang
大数据文摘
2019/01/23
1.8K0
{Submarine}  在 Apache Hadoop 中运行深度学习框架
大数据平台:计算资源优化技术&作业诊断
大数据平台的资源管理组件主要针对存储资源与计算资源进行分析优化。前文《大数据平台:资源管理及存储优化技术》主要介绍了存储资源优化,本文主要介绍大数据平台构建过程中,计算资源相关的优化技术。
Yiwenwu
2024/05/03
7380
大数据平台:计算资源优化技术&作业诊断
Spark on Yarn资源配置
工作期间,我提交spark任务到yarn上,发现指定的资源(使用内存大小。使用core的个数)总是与yarn的UI页面显示的资源使用量不一致,写本文说明一下这个问题,以及介绍一下spark on yarn的资源配置。
CoderJed
2019/05/15
2.4K0
Yarn资源调度器
Yarn是一个资源调度平台,负责为运算程序提供服务器运算资源,相当于一个分布式的操作系统平台,而MapReduce等运算程序则相当于运行于操作系统之上的应用程序。
ha_lydms
2023/09/07
3790
Yarn资源调度器
Hive 调优,先掌握这几种优化模式
Hive和MapReduce中拥有较多在特定情况下优化的特性,如何利用好相关特性,是Hive性能调优的关键。本文就介绍那些耳熟但不能详的几种Hive优化模式。
大数据技术架构
2020/03/25
5770
0499-如何使用潜水艇在Hadoop之上愉快的玩耍深度学习
Hadoop是时下最流行的企业级开源大数据平台技术,你可以将它部署在本地,也可以部署在云端。而深度学习,对于企业用户来说举几个简单的例子,常见的场景包括语音识别,图像分类,AI聊天机器人或者机器翻译。为了训练深度学习/机器学习模型,我们可以利用TensorFlow/MXNet/Pytorch/Caffe/XGBoost等框架。有时这些框架也会被一起使用用于解决不同的问题。
Fayson
2019/11/27
9250
Apache Spark 1.5新特性介绍
Apache Spark社区刚刚发布了1.5版本,大家一定想知道这个版本的主要变化,这篇文章告诉你答案。 DataFrame执行后端优化(Tungsten第一阶段) DataFrame可以说是整个Spark项目最核心的部分,在1.5这个开发周期内最大的变化就是Tungsten项目的第一阶段已经完成。主要的变化是由Spark自己来管理内存而不是使用JVM,这样可以避免JVM GC带来的性能损失。内存中的Java对象被存储成Spark自己的二进制格式,计算直接发生在二进制格式上,省去了序列化和反序列化时间。同时
CSDN技术头条
2018/02/09
8760
Apache Spark 1.5新特性介绍
YJango:TensorFlow高层API Custom Estimator建立CNN+RNN的演示
该文是YJango:TensorFlow中层API Datasets+TFRecord的数据导入的后续。
YJango
2018/04/03
2.6K3
YJango:TensorFlow高层API Custom Estimator建立CNN+RNN的演示
【Dr.Elephant中文文档-6】度量指标和启发式算法
我们将作业的资源使用量定义为任务容器大小和任务运行时间的乘积。因此,作业的资源使用量可以定义为mapper和reducer任务的资源使用量总和。
一条老狗
2019/12/26
1.3K0
Hadoop3.0扩展Yarn资源模型详解2:资源Profiles说明
问题导读 1.Resource profiles解决了什么问题? 2.使用profile的好处是什么? 3.配置文件的简洁模式如何配置? 上一篇hadoop3.0扩展Yarn资源模型详解1 h
用户1410343
2018/03/26
1.2K0
戳破 | hive on spark 调优点
微信交流群里有人问浪尖hive on spark如何调优,当时浪尖时间忙没时间回答,这里就给出一篇文章详细聊聊。强调一下资源设置调优,这个强经验性质的,这里给出的数值比例仅供参考。
Spark学习技巧
2018/08/20
1.9K0
《算法竞赛进阶指南》0x18 总结与练习
这一天,刚刚起床的达达画了一排括号序列,其中包含小括号 ( )、中括号 [ ] 和大括号 { },总长度为
一只野生彩色铅笔
2022/10/31
9690
《算法竞赛进阶指南》0x18 总结与练习
进击大数据系列(五):Hadoop 统一资源管理和调度平台 YARN
Apache Yarn(Yet Another Resource Negotiator的缩写)是hadoop集群资源管理器系统,Yarn从hadoop 2引入,最初是为了改善MapReduce的实现,但是它具有通用性,同样执行其他分布式计算模式。
民工哥
2023/08/22
1.3K0
进击大数据系列(五):Hadoop 统一资源管理和调度平台 YARN
搭建Hadoop3集群
强烈建议再搭建hadoop集群之前体验一下单机模式和伪分布式模式的搭建过程,可以参考以下链接:
职场亮哥
2020/10/10
1.2K0
[kubectl-resource-view]: 一款用于查看k8s资源使用情况的插件
一款自己编写的k8s 命令行插件,用于查看k8s node和pod资源的 cpu、 memory、 gpu的request 和limit 使用情况。
没有故事的陈师傅
2024/12/02
1350
[kubectl-resource-view]: 一款用于查看k8s资源使用情况的插件
北航提出 PTQ4SAM | 一种高效的分割任何模型训练后量化框架,实现了无损精度,速度提高了3.9 倍 !
具有卓越的零样本能力和用户友好的灵活提示技术,Segment Anything Model(SAM)最近已成为一系列通用视觉应用中的新型基础模型,包括图像分割、目标检测、跟踪和其他下游任务。然而,SAM中的 Transformer 架构需要密集的计算和内存占用,这阻碍了在资源受限的边缘设备上的实际部署。
AIGC 先锋科技
2024/07/08
5960
北航提出  PTQ4SAM  |  一种高效的分割任何模型训练后量化框架,实现了无损精度,速度提高了3.9 倍 !
【工具】Apache Spark 1.5发布了!!!
Apache Spark社区刚刚发布了1.5版本,大家一定想知道这个版本的主要变化,这篇文章告诉你答案。 DataFrame执行后端优化(Tungsten第一阶段) DataFrame可以说是整个Spark项目最核心的部分,在1.5这个开发周期内最大的变化就是Tungsten项目的第一阶段已经完成。主要的变化是由Spark自己来管理内存而不是使用JVM,这样可以避免JVM GC带来的性能损失。内存中的Java对象被存储成Spark自己的二进制格式,计算直接发生在二进制格式上,省去了序列化和反序列化时间。同
小莹莹
2018/04/20
6160
【工具】Apache Spark 1.5发布了!!!
Trio-ViT | 专门针对高效 ViTs 的卷积 Transformer混合架构的加速器!
感谢自注意力机制强大的全局信息提取能力,Transformers在各种自然语言处理(NLP)任务中取得了巨大成功。这一成功催生了视觉Transformers(ViTs)[4, 5]的快速发展,它们在计算机视觉领域受到了越来越多的关注,并且与基于卷积的对应物相比显示出优越的性能。
集智书童公众号
2024/05/17
4890
Trio-ViT | 专门针对高效 ViTs 的卷积 Transformer混合架构的加速器!
推荐阅读
相关推荐
0883-7.1.6-Queue Manager控制单个用户的超配资源
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档