We just cannot stop learning!

7 月,热情似火,参加完 TesterHome 主办的 MTSC2021 上海大会,马上又迎来和众安合办的外滩测试技术沙龙!意犹未尽的同学有福了!

感谢众安保险为我们提供的场地和礼品!科技驱动金融,做有温度的保险。

本次沙龙有 5 个议题:

活动报名

公益沙龙,报名沙龙收取的费用,仅用于线下沙龙的茶点、水等

报名链接: https://www.bagevent.com/event/7612494

活动安排

时间 内容
12:30 - 13:00 签到
13:00 - 13:10 主办方致辞
13:10 - 14:00 Z“全家桶” 助力科技中台测试最佳实践
14:00 - 14:50 DIFF 测试在自动化中的探索及应用
14:50 - 15:00 休息
15:00 - 15:50 亚马逊混沌工程的实践与探索
15:50 - 16:40 质量体系建设——打破测试价值被质疑的局面
16:40 - 17:30 数据测试在阅文的实践

议题介绍

Z“全家桶” 助力科技中台测试最佳实践

徐锦,众安科技测试部测试专家。先后就职于唯品会、阅文以及众安等。目前在众安负责保险中台、大运维业务线测试工作,将近 13 年的软件开发及测试经验。

围绕着众安质量平台生态体系,以 pipeline 流水线为纽带,从静态、安全扫描,到协议管理、接口自动化、UI 自动化等全方位的测试手段来构筑完整的测试生命周期内的质量 “防火墙”。

DIFF 测试在自动化中的探索及应用

李强,8 年工作经验,曾就职华为担任移动端测试框架开发,现就职于字节跳动担任教育算法平台开发负责人,擅长移动端自动化、服务端自动化、测试工具及平台开发,对测试效率提升及测试流程自动化有丰富经验。

DIFF 测试在自动化测试中的应用越来越广泛,本议题将结合具体的自动化场景,介绍自动化接口 DIFF,图像 DIFF,以及算法效果评测 DIFF 的原理、实现逻辑及应用效果。

亚马逊混沌工程的实践与探索

黄帅,在软件研发领域有十多年架构设计和运维以及团队管理经验,对云上分布式架构设计和优化、XOps、微服务治理、云原生运维、大规模分布式系统的可观测性构造与混沌工程企业实践等有深入的研究和丰富的案例经验。近年来,持续在混沌工程企业实战领域,受到海内外大会的多次邀请,分享有关亚马逊混沌工程实践的经验和案例,引起强烈共鸣。自 2019 年奔走西雅图总部,力主推动新的亚马逊 AWS 混沌工程服务 (FIS:FaultInjectionSimulator) 设计与功能落地,该服务于 2021 年 3 月成功发布。

随着敏捷交付加速,如何在跑得快的基础上又能跑得稳,成为了云原生时代可靠性工程和系统测试的新难题。特别是今年以来,业界对混沌工程的关注越发热情,混沌工程已经成为云原生时代系统可靠性的必备品。我们将从亚马逊十年实践演进案例出发,分享对混沌工程的深入思考、核心技术难点和组织推广模式,具体包括:GameDay 实践 - 志愿消防员的创新原型,实时对照实验 - 测试右移和可观测性助力,FMECA 组合策略 - 场景的随机化和优选模式,灰度黑洞与一键暂停 - 无人值守的生产实验,韧性分数与组织建设 - 效果量化和排名等混沌工程的核心领域。

质量体系建设——打破测试价值被质疑的局面

杨靖,花名木易,PerfMa 解决方案专家,目前担任 PerfMa-解决方案专家,负责全国行业客户解决方案架构及项目落地。擅长领域: 质量效能、性能分析、根因定位、全链路压测、生产压测能力建设等领域。曾演讲经历:MTSC2020 深圳站,iSQE 重庆站。

在快速迭代的业务系统下,多样化的开发模式,对质量的挑战越来越高,原有的软件测试关注的更多是如何进行验收测试,意味着过去的单点工具加人海战术的模式已无法实现持续交付和高质量交付要求,同时较多技术测试工具还增加了工作量和从业人员的门槛,最终测试团队的价值甚至被质疑。在这样的背景之下,质量团队开始从功能验收测试回归到软件质量本身,渗透到软件全生命周期去做过程质量把控,建设测试基础技术能力、提升全员质量意识、完善质量控制体系,从而有效保障系统的正确性、性能容量及可靠性等,最终为快速迭代的 IT 系统带来持续价值。

数据测试在阅文的实践

王丽,阅文集团测试经理,从台企到欧美企业再到国内互联网企业,从事软件测试工作 16 年,4 次组建团队经验,11 年测试团队管理经验、3 年测试架构师经验,负责过自动化相关工作包括测试平台、自动化测试框架、持续集成、DevOps 等, 一直信奉 “质量从来都不只是 QA/Tester 的职责,而是整个研发团队的职责”。

背景:越来越多大数据所提供的数据用于运营和商业分析甚至间接影响运营效果和收入。
目标:为了避免因数据质量问题导致的运营事故,除了数据开发自测,在没有专职大数据测试人员的情况下,如何利用现有测试技能,对大数据输出数据的准确性和及时性两方面进行有效保证。


↙↙↙阅读原文可查看相关链接,并与作者交流