深圳二线厂

学习算法可以锻炼几种能力:

• 对常用的数据结构更了解，知道他们应用的场景，可以更有底气跟开发 battle
• 要考虑非常全面的边界值情况，这点对于设计测试用例来说帮助很大
• 养成写单元测试的习惯

tps 的时间统计，在代码中有体现，是单个请求维度的。
locust 没有 tps 的概念，是 rps。
另外本次压测最关注的点是消息是否有丢失，和最大并发量。至于响应时间，并不是最重要的。

每天都有这个弹窗，我明明已经取消了自动更新。

有 Mac 阻止升级提示吗？
现在是 10.15.7，不想升级 bigsur，但又天天提醒，挺烦的。

不支持。
但我想，YAPI 的用例集已经一个成熟的用例，它应该学会自动跑过来才行。

说说我做的吧

• 目前测试组有二十多个人，日活大概 2/3 的样子。因为有部分是硬件童鞋，用不上，平台主要是 HTTP 接口测试。
• 收益最明显的是那种没有界面，纯接口的项目，有个新项目，近 300 个接口。没用平台之前，每次回归要用 3h 左右，在 postman 一个个发送。用了平台后，回归就 1min，时间大大缩短。
• 其次就是造数据。在大数据实时计算过程中，都是依赖发送 kafka 来生成数据，写 redis 来做基础信息，最后断言就靠消费 kafka 和读 redis。通过测试平台配合数据工厂（提供各种 http 造数接口），可以非常方便的完成这些工作。重点是界面化，比脚本的可读性高很多。并且测试和开发都能用，一个人写完，其他人就能直接使用。不像脚本那样，测试童鞋写好了，开发童鞋想借用一下，结果发现并没有 python 环境，运行不了。
• 打通 YAPI，快速编写接口自动化。因为所有请求相关的参数都已经自动生成，包括登录。支持一个用例在多环境运行，且无需要做任何用例改动，通过切换配置实现。
• 打通 Gitlab-CI，构建就自动跑用例，且支持不同环境对应不同任务。
• 历史数据持久化，可以统计出各种各样维度的数据，这对于写 PPT 很有帮助，嘻嘻

自动化产生的数据是要清理，但立刻清理的做法我认为不妥。定期清理可能会更好。

新数据我觉得不算偏门，我们也是这么做。
teardown 删除我觉得并不是很好，不利于排查问题。

好东西，还差一个 Flink

可以讲一下 postman 的 mock

懂大数据常用的组件 hbase hive kafka es redis 这些就差不多啦，再高级的就是理解 Flink Spark 这些程序原理，遇到问题能够看代码定位，再再高级可能就是对 Flink 算子进行分析，提出优化建议等等

大数据可以分为两种，实时计算和离线计算，你用到这两个组件是大数据很常用的。
具体算不算，我也不知道怎么定义比较好。

不一致性真的是生产者生产了消息，但是由于一些原因，比如说网络波动，导致消费者消费不到吗，也就说消息丢失了？
如果是这样的话，拿 kafka 举例，生产者发送消息到 Brooker，可以设置等待所有副本都全部确认了，才认为是消息发送成功。这样就算是 master 挂掉，有副本的保障，也不会出现丢失消息。最后消费者也就能正常的消费到消息。

前置和后置有例子吗~~

我几乎天天都有登录耶，还不够活跃呀

怎么样才能成为高级会员

可以参考 httprunner 的实现
先遍历所有的 step，把变量和函数全部提取出来，去 build_in 里面匹配，
然后运行的时候，再维护一个 run_time_varable_function 的映射

大佬辛苦了！

可能还有其他服务依赖这个 dubbo 服务，不能随便切换协议。
我也是几个月前也做了一个 http 转 dubbo 的。

运维管理，测试负责把 Gitlab-CI 和测试平台打通，测试是流水线中的一个 stage。

是的，取代 Jenkins。
我们还没完全自动化，上生产还是运维来处理。dev 和 qa 可以自动部署，目前还没遇到什么问题，用起来挺方便的。

知道就知道吧

• 文档地址 https://www.yuque.com/lihuacai/sggdx7/cn5ncg
• 站内地址 https://testerhome.com/opensource_projects/another-fasterrunner
• GitHub 地址 https://github.com/lihuacai168/AnotherFasterRunner