当前位置: 首页 > news >正文

自动化测试牢记这6点常见误区

🍅 点击文末小卡片 ,免费获取软件测试全套资料,资料在手,涨薪更快

我经常与一些客户打交道,他们的测试自动化要么刚刚开始,要么正在努力成长,而且他们常常都犯同样的致命错误。

虽然他们可能了解测试自动化的基础知识,但是他们仍然认为脚本化测试的价值在于通过自动执行脚本而不是手工执行来节省时间。他们的理由是,如果自动化脚本执行速度比人类执行速度快,那么最大的效率收益应该来自于自动化运行时间最长的测试。

如果执行时间是衡量价值的唯一时间,那么他们是对的。

但是测试执行时间只是一个与时间相关的问题,还需要考虑编写自动化测试所需的时间,以及学习如何编写测试所需的时间。当团队将大型测试简化为更小、更短的测试时,他们更容易取得成功,你可以从这个非常识性的想法中获益。

留时间学习

蹒跚学步的孩子在学会站立之前先学会平衡,他们先站后走。程序员每次学习一门新的编程语言时都要会写“Helloworld”。

学习自动化的团队可能同时通过几个学习曲线:编程语言、编程概念、测试自动化工具或框架、源代码管理,以及软件项目上的协作。

每次您添加并行学习目标时,就需要花费更多的时间来熟练掌握。最近,当我负责的一家大型保险公司计划向测试自动化过渡时,我意识到仅仅是“条件”这个概念就可能需要人们几天或几周的时间来消化。

回想大学时,我们花了整整一周的时间在条件反射上,现在很难相信。这个概念对我来说太基础了,看起来很简单,但对那些从未接触过它的人来说并不是这样。

请记住,学习一个概念所花的时间比您想的要难得多。

很多时候,公司希望人们在一周内学会编码并立即开始产生良好的测试自动化。

对我来说这太疯狂了!为什么我要花一周的时间来学习大学中的“ifs”和“elses”,但对是一个没有背景的人来说,只要一个星期的时间于就要让他们学习进行基本编程所需的所有工具,简直是天方夜谭!

这里的教训是:保持测试简短,以便您的员工被迫学习更少的概念,这将加快学习和工作效率。

增长势头

这是强大的测试自动化工作中最容易被忽视的因素。一个团队要么停滞不前要么动弹,如果前进,哪怕只有一点点,您的情况都会更好。

为什么不先迈出一小步呢?从一个小测试开始,作为你的人写的第一个脚本,作为新功能的第一个小测试。比如在你的API测试中,一个简单的GET请求到一个新的端点等等。

等待完美的工具选择、完美的用例、完美的资源集合是不会进步的。“完美”常常是“足够好”的敌人,“足够好”在前进、在一个方向上增加动力;一个“几乎正确”的小测试,即使是在一个稍微错误的方向上,也可以修改和纠正。

让您的团队通过先编写小测试来增加动力、实现进展并获得胜利。

建立心智分享

当您的人员处理长时间运行测试用例时,这些测试用例可能包含更复杂的场景。当刚接触自动化的人们花费精力学习复杂的场景而不是创建测试自动化时,他们的大脑会因为有限的精力而波动。

当您将您的思想集中在测试自动化的机制上时,您将更快地学习测试自动化;同样,当我们将注意力集中在复杂的业务逻辑时,您也将更快地学习复杂的业务逻辑。

做测试自动化的团队应该首先关注学习测试自动化。当您学习自动化技能时,不要让复杂的业务逻辑支配您的思维,把那些长而复杂的测试留给那些更有技巧的人。

我们不会要求新音乐家和其他人一起演奏,在舞台上表演,同时学习一首新曲子。我们不会要求一年级的学生做代数运算来计算出他们在排队等午餐时的变化。因此,让我们对那些测试自动化的新手进行同样的思考:让他们编写简短的测试。

不要一次学习多种技能

测试人员必须一次学习多种技能。测试用例越长,编写它的人就越有可能需要自动化工具中更复杂的功能。学习时,必须首先学习基础概念(语法),然后在这些基础上实现更复杂的功能,以学习更多高级技能(逻辑和修辞)。

测试用例越长,您的新自动化人员就越有可能需要学习更多技能来完成测试,这减慢了进度,也延迟了人们在完成测试用例时所获得的精神满足。

精神满足很重要,这就是许多程序员继续进行编程的原因,即使他们正在从事的工作很困难。因此,请缩短测试时间以减少自动化程序必须学习的技能。我们的确要学习很多技能,但不需要一次全部学习。

自动化是一种软件开发活动

测试自动化是一项软件开发活动,要学习很难编程,即使使用无代码工具,测试人员也可以迅速找到工具的局限性,并且必须学习更困难的概念。

从小处开始,收获好处

编写较小的测试有很多好处:更快地学习、更快地做出贡献、创造前进的动力并获得更频繁的反馈,也更有趣。

因此,从小处着手,从微末之处开始。

最后感谢每一个认真阅读我文章的人,礼尚往来总是要有的,虽然不是什么很值钱的东西,如果你用得到的话可以直接拿走:

这些资料,对于做【软件测试】的朋友来说应该是最全面最完整的备战仓库,这个仓库也陪伴我走过了最艰难的路程,希望也能帮助到你!凡事要趁早,特别是技术行业,一定要提升技术功底。

http://www.cnnetsun.cn/news/151442.html

相关文章:

  • 当AI实现想法易如反掌时,洞见真正的需求成为关键——某知名密码分析工具的用户反馈挖掘
  • 【干货收藏】企业AI架构实战指南:从框架搭建到场景落地的底层逻辑
  • 收藏这份2025AI高薪指南!大厂抢人大战开启,小白程序员学习大模型正当时
  • 13、FPGA更新与可编程性:安全与应用解析
  • 18、多核心可重构嵌入式系统的安全设计与实现
  • 双非本科生的AI行业逆袭之路:我的经验与心得分享!
  • 运维岗位这么多,你适合哪一个
  • 基于微信小程序的在线家庭娱乐系统毕业设计源码
  • 为什么90%的企业用不好Open-AutoGLM?:硬件选型不当成最大瓶颈(附行业适配白皮书)
  • 模型体积缩小80%仍保持95%精度?Open-AutoGLM量化策略深度拆解
  • 2026年AI产品经理终极学习路线:传统产品经理的转型指南,超详细攻略,不容错过!
  • 【AI Agent可靠性突围】:Open-AutoGLM 7类错误恢复方案实测数据曝光
  • FaceFusion如何优化夜间低光环境下的人脸处理?
  • Open-AutoGLM接入成本大曝光:4个维度评估你的适配级别
  • Open-AutoGLM接口开放度实测:8项关键指标评分,你的项目适合接入吗?
  • 主流AutoGLM框架错误恢复能力对比,哪个真正提升任务成功率?
  • 【AI框架二次开发新标杆】:Open-AutoGLM 4大可扩展性设计,为何被头部企业争相采用?
  • FaceFusion镜像每日下载量突破5000次
  • 从零基础转行渗透测试到如今20k,我经历了什么?
  • 土木人“提桶跑路”零基础转行网络安全,成功实现月入过万
  • HGDB如何提升批量导入数据的速度
  • 11、加勒比与北美地区房地产投资指南
  • 42、太赫兹通信与可见光通信:5G 及未来的前沿技术
  • 46、5G及未来通信中的协同网络技术解析
  • 47、协同网络:过去、现在与未来
  • 50、5G及未来的灵活认知无线电接入技术与频谱感知
  • 58、5G及未来的物理层安全设计
  • 文献综述期末项目的撰写方法与实践研究
  • 【Open-AutoGLM硬件适配终极指南】:揭秘2024年主流行业GPU/CPU兼容性排行榜
  • 从零到部署有多难?Open-AutoGLM使用门槛全景透视