WINGFUZZ SaaS：在线智能模糊测试平台

关于WINGFUZZ SaaS WINGFUZZ SaaS是水木羽林推出的智能模糊测试在线服务，可以在不需要用户上传源代码的情况下利用云端资源开展覆盖率引导的模糊测试。 作为国内首个模糊测试SaaS服务平台，当前已开放beta版免费注册使用，支持C/C++程序内存问题等安全漏洞的自动化测试。 注册使用 平台注册地址是：https://wingfuzz.com/ 注册后即可登入平台查看demo项目与相关功能，等待审核激活后就可以跑测试了。 覆盖率引导的模糊测试，或灰盒模糊测试、智能模糊测试，是一种动态测试技术。工具会自动生成大量带有随机性的测试用例，触发软件异常，最终发现软件缺陷。 WINGFUZZ架构与功能 WINGFUZZ SaaS平台整体采用“平台+SDK”架构，SDK可通过平台下载。 SDK提供了命令行工具，支持项目编译插桩、本地验证测试、远程测试Job提交等功能。

基于 Jmeter 生态的智能化性能测试平台

02 智能化性能平台的设计思路 对于理想的智能化性能测试平台，我们认为应该具备以下能力： 自动化测试需求识别能力，包括自动风险识别和测试需求生成，提高风险识别的全面性和准确性。 一个完整的智能化性能测试平台应具备全面的智能化能力，可帮助测试人员提高测试效率、降低测试成本和提高测试质量，以支持应用程序的性能优化和改进。 通过 Prometheus 监控和定制诊断分析模型实现智能执行、监控和预警，结合自定义组件实现功能、协议、场景扩展等，逐步构建智能化性能测试平台。 目前，平台已基本覆盖前文中提到的十个方向的能力，平台架构如下图所示： 03 智能化性能平台的实现 下面我们展开看看具体实现的原理： 1 需求/风险识别 我们使用决策树算法识别服务接口的风险级别，决策因子包括 04 智能化性能平台的未来展望 我们已经实现了智能化性能测试平台的建设，为智能化性能测试迈出了坚实的一步。随着不断有新的测试应用和场景接入，我们也发现了围绕智能化性能测试平台的丰富想象空间。

测试平台化

测试平台化刚好可以解决该问题，帮助团队跨过这个鸿沟，迈入高效团队的阵营。 在绝大分团队中，有负责工具组的团队，团队成员会为整个持续测试提供测试工具从而实现测试平台化。 如果团队中没有专门负责测试平台的人，那么在代码扫描部分可以使用SonarQube，在接口自动化测试平台部分可以使用Yapi，单元测试和UI自动化部分目前没有成熟的开源解决方案，使用SonarQube代码扫描平台 、Yapi接口测试平台至少能够满足测试平台化的基础需求。 推行测试平台化不再需要兼顾各种技术栈，只需要按照自己设计测试平台的技术栈在团队内进行提升就可以。 降低高级测试技能的学习成本。 对于测试行业中的高级测试类型（如性能测试），通过测试平台化降低学习成本，让所有人都可以完成。 ... ...

大数据平台测试

来源：http://www.uml.org.cn 一.大数据平台测试简述 大数据平台测试包括2部分：基础能力测试和性能测试 Ⅰ).基础能力测试 大数据平台的基本功能和数据的导入导出对SQL任务、NoSQL Ⅲ).测试指标 主要从性能、能耗、性价比和可用性4个维度来测试对比平台性能 ? 三.大数据平台测试工具 Ⅰ).平台单组件测试 测试应用单一、效率高、成本低，但无法全面衡量大数据平台性能 ? Ⅱ).综合平台测试 覆盖面广，可以较全面测试衡量大数据平台不同类型任务的性能，通用性好 ? b).测试领域：零售商 c).负载类型：离线分析 d).数据类型：结构化、半结构化、非结构化 四.大数据平台测试用例 Ⅰ).平台基准测试用例 主要是从性能的角度衡量大数据平台，包括数据生成、负载选择和明确测试指标等内容 Ⅱ).平台性能测试用例 在基准测试的基础上扩展测试内容，增加SQL任务测试比重 ? Ⅲ).平台基础能力测试用例 ?

Artillery - 负载测试平台

根据行业报告，随着云计算、物联网及人工智能技术的普及，企业对性能测试的需求已从传统的服务器扩展至移动端、分布式系统乃至云原生架构。然而，性能测试的复杂性也在增加，如何高效模拟大规模用户行为？ 这些问题催生了各类负载测试工具的迭代与创新。 本篇将介绍一款负载测试平台– Artillery，可进行分布式负载、可扩展、支持多种协议，并可以使用Playwright进行负载测试等特点。 2、简介 Artillery是一个可扩展、灵活和易于使用的平台，包含生产级负载测试所需的一切。 可扩展且成本效益高：Artillery在你自己的AWS或Azure账户中执行测试，这比在托管平台上运行测试便宜几个数量级，它是无服务器的，因此你只需为使用的资源付费，并且无需管理基础设施。 2、使用Artillery Cloud Artillery Cloud是一款软件即服务（SaaS）平台，它提供了一个集中式的仪表盘，用于管理和分析负载测试结果。

国产软件测试平台崛起：关键领域软件测试困局的智能化解决方案

智能化测试平台构建全生命周期质量防线Gitee Test的用例管理中枢彻底改变了传统测试文档的碎片化状态。 平台还内置了军用标准测试用例模板库，可根据项目特征智能推荐适用用例组合。在测试执行维度，Gitee Test构建了计划-执行-监控的闭环管理体系。 其智能调度算法可根据测试优先级、资源占用率等参数自动优化测试任务序列。特别值得关注的是其实时质量看板功能，能够多维呈现缺陷分布、修复进度等关键指标。 技术创新持续赋能关键领域数字化转型作为国内领先的企业级测试平台，Gitee Test正在将人工智能技术深度融入测试全流程。 其最新研发的智能模糊测试引擎，通过深度学习算法可自动生成异常测试数据，将边界条件测试覆盖率提升至95%以上。在国产操作系统适配测试中，该技术帮助发现了17个深层次兼容性问题。

LLM+RAG：AI生成测试用例智能体平台 (保姆级教程)

一、系统概述 AI生成测试用例智能体平台是一款基于人工智能技术的测试用例自动生成工具，利用RAG（检索增强生成）技术，能够结合项目相关知识文档和历史用例，智能生成高质量的测试用例。 本平台适用于测试团队快速创建测试用例，提高测试效率和质量。 创新的结果 使用知识库和历史用例增强：勾选此选项结合已有知识库和历史用例生成更贴合场景的测试用例 4.3 生成测试用例 1、确认输入和参数后，点击" 生成测试用例"按钮 2、系统首先会从知识库中搜索相关信息 格式文件 3、可在"Markdown预览"中查看导出效果 Markdown格式包含： 需求描述 测试用例列表（带编号和链接） 每个测试用例的详细信息（优先级、前置条件、测试步骤和预期结果） 4、导出md 在团队间共享和复用知识库，避免重复工作 通过本文档，相信你应能够快速上手LLM+RAG的生成测试用例智能体平台，高效地生成和管理测试用例。

开源测试平台RunnerGo分析

作为一名工作3年的测试工程师，一直以来对于测试工具都是非常不满意的。 最近试用了一款开源测试平台RunnerGo，个人觉得它更像是所有测试工具的一个发展方向：一款可以覆盖整个测试流程的测试平台，下面给大家介绍一下推荐他的原因，先附上RunnerGo的官网和开源地址。 平台化：团队协作一定是互联网工具的发展方向，平台化才能更好的推动协作。全栈式：支持从接口调试-场景管理-性能测试-自动化测试。一个平台覆盖全测试周期。 RunnerGo相较于传统测试工具的优势RunnerGo作为web平台能在线做到接口管理，脚本编辑，场景编辑，报告管理这是传统测试工具不具备的。 个人觉得RunnerGo的设计理念非常领先，作为一个刚刚发布的平台已经有了未来测试工具的雏形，也希望随着版本迭代RunnerGo的功能越来越完善。

打造最强移动测试平台

笔者今年换掉了服役N年的旧手机，新手机12G的RAM，比自用的本子内存都大，如果只是玩游戏感觉不能完全发挥出全部机能，但又因为怕影响日常使用没有进行root，经过一番折腾，发现即使不root也不影响把它变成一款测试利器 安卓虚拟机 移动应用测试肯定是需要一个root环境，很多人选择用安卓模拟器，笔者为了使用WSL2启用了Hyper-V，导致与绝大多数的安卓模拟器冲突，从此告别安卓模拟器。 后来发现安卓平台也有虚拟机，目前共有VMOS、光速虚拟机、X8沙箱三款产品。其中VMOS分普通版和Pro版，Pro版非会员支持选择ROM，也可以导入网友提供的ROM，其他虚拟机皆内置ROM无法修改。 想一下手机里跑个虚拟的安卓系统，带root环境且与本机隔离，简直是移动测试的最佳方式。 下图是笔者四个虚拟机同时小窗开启的，独立互不冲突，加起来内存占用可能还不到1G，毫无压力。 ? 详细使用可参考作者写的系列文章https://juejin.im/post/6844903745562607624 结束 到这里本文就结束了，希望能起到抛砖引玉的效果，如果你还有更好用的移动平台安全工具

接口测试平台演进思考

很多小伙伴都比较关心如何构建一个接口自动化平台，笔者恰好有从零开始搭建自动化测试平台直到产品商业化的过程经验，可以和大家分享下。 技术上基本没什么大问题，都是基于底层框架原生的能力，做了前端的封装，降低测试人员的使用门槛，让测试人员理解、接受接口测试思想，并指导他们使用平台，设计接口测试用例，让接口测试真正落地并产生效果。 什么是好用，用户说了算，所以团队花了比较多的时间去落地平台，去分析测试人员的痛点和难点，结合自身的经验和能力，一点点的补充平台功能。 NO.5 个人与平台 我们回到最初的那个话题，当我们采用平台化来做专项测试时，封装好功能，降低对测试人员的要求，只要通过页面编排就能够执行相关的测试。那么，测试人员如何提升自己呢？ 如果只会依赖公司平台开展专项测试，那是平台的能力，而不是个人的能力。

开放平台接口调用测试

遇到的问题：Node.js JSON parsing error，syntax error unexpect end of input 测试代码 //测试/statuses/public_timeline json.loads(data) print data['statuses'][0]['source'] conn.close() nodejs sdk只有对接口输出的示例代码，没有重新解析为json对象的测试

花椒测试平台 - 接口篇

背景 先来说说花椒测试平台的由来： 目的1，降低接口测试对测试人员代码能力的要求。 既然接口的测试已经有case的信息了，对接口进行压测的请求其实也类似一个case，只不过是有很多人在同时执行这个case，所以有了压力测试和接口测试平台的整合。 在平台建压测任务的时候选定一个测试用例为载体，多并发的执行case，统计压测数据，实时展示。以往接口测试和压力测试都是分别写一个方法，里面有很多重复的部分。 花椒测试平台整个框架 说了这么多，先来看看花椒测试平台的整个框架： ? 该框架主要由三大部分组成，今天主要介绍接口部分的一体化（接口测试+压力测试）： Web平台 Web平台是花椒测试平台的核心部分，主要是给测试开发人员提供可视化的界面操作，并封装为参数信息，调用后端的接口服务处理

异常测试平台搭建方案

作者|陈俊华、刘琳琳 异常测试是有别于功能测试和性能测试的一种测试类型，通过异常测试，可以发现由系统异常、依赖服务异常、应用本身异常等原因引起的问题，提高系统的稳定性。 目的 在日常测试中，由于排期紧张以及异常情况难以模拟，异常测试通常被大家忽略或者放弃。只要功能没问题，就可以上线。 但是线上情况千奇百怪，服务器宕机、用户走到代码的犄角旮旯、三方服务挂掉等情况无可避免，因此对于系统的健壮性和稳定性，异常测试不可或缺，但异常测试往往是通过让研发预留bug、注释代码、到测试机上杀死服务等方法进行 异常测试平台搭建的目的就是降低异常测试的门槛。 工具选型 目前异常测试工具有很多，比如模拟网络异常的tc（Traffic Control）、netem和iptables，模拟代码注入故障的jvm-sandbox，以及在生产环境随机模拟故障的Chao

混沌测试平台 Chaos Mesh

混沌测试平台 Chaos Mesh Chaos Mesh 是PingCap团队研发的一款用于测试kubernetes环境的工具。通过人为地在集群中注入故障来检测集群对故障的处理以及恢复能力。 混沌测试与针对某个应用测试的区别为：前者更倾向于在现有大规模集群中进行测试，影响因素可能来自集群中的方方面面；而后者更专注于对应用本身功能的测试。 目前支持的混沌测试如下： # kubectl get crd NAME CREATED AT iochaos.chaos-mesh.org cron: "@every 5m" 总体来说，混沌测试更像是集成验证的一部分，通过在现有运行环境中注入故障来发现系统或应用的兼容性问题，故障恢复能力问题等。

爱测智能平台揭秘：接口文档如何一键生成测试用例

这次，我们通过一个实际功能演示视频，完整展示了爱测智能测试平台如何基于接口文档，自动生成结构化、可直接使用的接口测试用例。 1 平台能力概览：接口文档，不只是“看一眼”爱测智能测试平台的核心能力之一，是需求 / 接口文档的自动分析与测试用例生成。 在接口测试场景下，平台支持两种常见输入方式：1 标准 Swagger 接口文档（推荐） 2 Word 格式的需求或接口说明文档（文件上传）本次演示中，我们以一份标准 Swagger 格式的宠物医院接口文档作为示例 1 基础设置将 Swagger 接口文档地址配置到平台选择 DeepSeek 模型选择「接口测试用例生成」智能体指定对应的执行节点2 精准限定生成范围（可选）如果接口文档很大，但只想生成某一个接口的测试用例 4 生成效果展示：不只是“正常流程”从生成结果来看，平台生成的接口测试用例并不是只覆盖 happy path，而是覆盖了多个关键测试方向。

CarEye 智能云平台升级

在发布CarEye车辆管理云平台2.0以后，我就开始在考虑下一代智能云平台架构问题。其实在2年前，我就做了一个功能架构图。目前看除了生态没做好，我们的功能基本上已经实现。

全屋智能交互平台

UML软件建模——全屋智能交互平台 二、问题描述 目前全屋智能家居产品，主要为安防套件，以智能门锁、监控摄像头、感应组件作为全屋智能的基本配置，而这种智能无法满足用户对全屋智能场景的体验需求，不同的用户场景下 ，不仅有智能家居产品还有智能家电可为用户打造针对不同场景下的体验模式，通过不同产品的组合联动，重新定义全屋智能交互系统，让家电联动场景更符合用户的真实使用场景。

数据智能平台建设方案

python执行测试用例_平台测试用例

前言 通常我们认为每个测试用例都是相互独立的，因此需要保证测试结果不依赖于测试顺序，以不同的顺序运行测试用例，可以得到相同的结果。 app 测试里面有个 monkey 测试，随机在页面点点点，不按常理的点点点能找到更多的不稳定性 bug。 通过传递先前测试运行中报告的种子值，可以按特定顺序重新运行测试。 parent 如果使用的是不属于任何模块的自定义测试项，则可以使用此项将测试项的重新排序限制在它们所属的父级中。对于正常测试函数，父级是声明它们的模块。 ：–random-order-seed 随机种子 如果由于重新排序测试而发现测试失败，则可能希望能够以相同的失败顺序重新运行测试。

teprunner测试平台测试计划批量运行用例

本文开发内容 上一篇文章已经把pytest引入到测试平台中，通过多线程和多进程的方式，运行测试用例。有了这个基础，做批量运行用例的功能就很简单了，只需要前端传入一个CaseList即可。 具体开发内容如下： 测试计划增删改查 测试计划动态添加移除测试用例 运行测试计划，批量运行用例 计划运行结果、用例运行结果 编写后端代码 编辑teprunner/urls.py文件，添加测试计划的路由： 重写destroy方法，判断必须先删除关联测试用例，才能删除测试计划。 PlanCaseView类似： ? 添加add方法： ? 在添加用例时写入plan_case表。添加remove方法： ? 点击取消按钮后，返回上一级路由：测试计划主页面。 新增或修改后，返回测试计划主页面，需要立即展示新数据： ? 通过watch来监测，每次路由跳转到plan时，就查询一次表格数据。 小结 本文进一步完善了测试平台的功能，除了单条用例运行，还能批量用例运行（催更的小伙伴可以拉代码尝试下哦）。