最近收到了一个数据下载重构的测试需求，数据指标大概有400多个，其中包含一些简单指标（数据库透传）以及复杂指标（需要计算的），测试过程需要我们将指标以csv的形式下载下来，逐一验证指标的准确性。本文将对数据下载重构项目测试过程中的测试计划和效率化方案展开介绍。

学习自动化设计框架的小伙伴稍微总结一下就会发现线性测试有大量的重复代码，新人上手学习成本高， 元素定位信息过于分散，概括为：开发成本、维护成本高。所以使用起来小项目还可以，大项目特别是测试人员需要共同维护一套的时候就比较吃力。

那我们以模块化驱动设计框架发现就会好很多，假如是简单的模块那我们就把重复代码独立成公共模块来设计。如果模块比较多，那我们以页面工厂模式PageFactory，也就是非常强大的 PO（PageObject）模式来设计，PageObject设计模式定义：将测试对象及单个的测试步骤封装在每个Page对象中，以page为单位进行管理。换句话说就是每个页面就是一个类，这个页面里面的元素定位信息是以类的属性存在，页面上的操作是以方法提供的 ，以页面为单位对用例进行管理和分层。

实际项目中，需要验证打点数据在各个系统中收集是否一致，而部分节点打点数据收集是通过异步任务实现的，等待时间比较久。为应对业务异步操作处理，实现异步数据的收集，经过调研后，选择了APScheduler框架。

软件测试是伴随着软件开发一同诞生的，随着软件规模大型化，结构复杂化，软件测试也从最初的简单“调试”，发展到当今的自动化测试。

自动化测试是什么呢？自动化测试是把以人为驱动的测试行为转化为机器执行的一种过程，自动化测试通常会借助某些工具或者框架。虽然不能完全取代手工测试，但相比手工测试来讲，自动化测试可以减少人力成本，降低重复工作，从而更快速、高效的进行测试活动。

测试金字塔是一种自动化测试过程的金字塔形策略结构，用来指导软件开发过程中各层测试投入的工作量比例，其最早由Mike Cohn在2009年的著作《Scrum敏捷软件开发》中提出。Mike Cohn在书中指出：测试金字塔从上到下分为三层，分别是UI测试、服务/接口测试、单元测试，越接近金字塔底部的测试活动，投入的工作量应该越多，即单元测试投入工作量最多，接口测试次之，UI测试投入最少。

图片检索在生活中应用广泛，常见的图片检索包括基于文本内容搜索和基于图片内容搜索。基于文本内容搜索图片是通过给图片打标签，然后通过搜索标签来实现对图片的搜索；而基于图片内容搜索即以图搜图，用户通过输入图片在海量的图片库中快速找到同款或者相似图片，这种搜索方式被广泛应用于电商、设计、媒体咨询、智能监控以及搜索引擎等热门领域。

本文基于Milvus和图片特征提取模型VGG，借助SQL快速搭建了一套以图搜图端到端解决方案，为本地化进行海量图片相似度量实施工作提供可能。

APP自动化打包常见的主流工具有Jenkins、fastlane。Jenkins功能强大，但是需要的配置也比较多，团队较大的可以优先考虑，fastlane是用Ruby语言编写的一套自动化工具集，比较轻便，配置简单，使用起来也很方便。本文会详细的介绍fastlane从安装到上传APP到蒲公英的整个流程。

对长文本进行总结和概括一直以来都是一项繁琐的任务，需要工作人员耗费大量的时间和精力去理解文本内容再对重要信息进行提炼和整合。尤其是针对一些晦涩难懂且专业性较强的文本，更是只有经验丰富的工作人员才能对文本进行正确的理解和总结。因此，我们渴望用一种自动化的方式来实现对文本进行准确的总结和概括。

随着神经网络和自然语言处理技术的发展，为自动化生成摘要、总结提供了有效的方法，并在一定程度提高了人们的工作效率。本文将从当下比较热门、效果较好的技术来为大家进行介绍。

react-router-dom是一个处理页面跳转的三方库。

阅读本文你将获得以下知识：了解视频的基本原理。了解 FFmpeg 是什么，和一些常用的用法。用 FFmpeg 搭建简单的视频直播推流。FFmpeg 在 NodeJS 中的一些用法。

我们日常测试中存在大量重复的造数操作，且流程较长，为了提升测试效率，我们搭建了数据构造平台。平台采用了前端+脚本分离的形式，数据构造脚本独立存在，页面和脚本的关联关系通过页面配置进行绑定。页面配置中，包含了脚本的路径以及启动命令，因此，运行脚本的时候需要在服务器上启动子进程中去执行脚本命令。为了能够了解脚本的执行情况，还需要获取脚本的执行状态以及执行日志。平台后端语言是Python，因此，选择了Python中的subprocess模块，本文重点阐述subprocess模块在项目实战中遇到的问题以及解决方案。

Appium是移动端自动化测试非常有力的工具，那么对于在鸿蒙设备上自动化测试鸿蒙应用的支持情况如何呢？

今天我们将讨论一个容易被忽略却很重要的话题：CSS国际化。

UUID(universally unique identifier) 长度是128 bit，也就是由32个16进制数值组成。其中 M 表示 version，N 表示 Variants xxxxxxxx-xxxx-Mxxx-Nxxx-xxxxxxxxxxxx。例如：5aadc328-8d5e-11ec-8a00-acde48001122。

随着网络技术的发展，各种各样的音视频产品应接不暇，应用场景也越来越多样，使人们的生活更加丰富多彩。与此同时，人们对音频的质量也有越来越高的要求，而如何准确评估音频质量好坏成为了相关行业的研究热点。音频质量评估方法主要分为主观和客观两类。主观方法是通过人根据听觉感受来打分。客观的方法是通过算法来计算评估的，主要分为有参考和无参考两种。有参考的方法在评估音频时需要一个对应的高质量无损音频作为参考，代表算法如PESQ（Perceptual evaluation of speech quality）；而无参考的方法直接对音频进行打分，代表算法如P.563。

目前大多数客观的音频质量评估方法属于无参考这一类，这类方法往往更准确。而在现实生活中，人类在没有参考的情况下能直接分辨出音频质量的好坏，这意味着存在一种评价机制来直接对音频质量进行评估而不需要参考。设想一下，如果我们通过神经网络模型来训练学习这种机制，那么这个模型不就能准确评估任何语音的质量吗？基于这样的思路，我们探索和实践了基于LSTM深度学习模型的音频质量检测方案。

在开发过程中，我们经常会遇到需要显示或隐藏View视图的情况，如果在隐藏或显示View的过程中加上动画，能让交互更加的友好和动感，本文将介绍如何使用圆形揭露动画巧妙地隐藏或显示View。

本文主要介绍前端项目进行服务端渲染的开发和原理，以及如何解决开发期间性能问题的通用解决方案。