Mark，学习一下

将计算机视觉或者是深度学习引入 UI 测试是一个很好的尝试！

可以分享下在某一具体业务 APP 中实际落地的效果吗？算法鲁棒性如何，大规模检测（多系统、多机、多分辨率、多访问路径页面交互等）效率如何？

测试管理的一些思考写得挺好的，学习了！

写得很好，也很深入！

我们这边有一个离线数据的处理流程，各个业务团队 binlog-> kafka -> hive ods 层、fact 层、aggr 层 -> 计算层 -> 业务规则执行层 -> 数据库或者缓存层 -> 对外服务

我们并没有测试得如题主这样深入，但是我们在各个流转过程中做了很多监控、对仗的工作。
比如，
1，数据接入层 kafka 消费到 ods，我们会将增量数据和业务数据库 snapshot 中的数据做对比，确认数据是否在生产、kafka、消费环节出现缺数；
2，fact 层我们将数据初始化后的数据重要字段再和 snapshot 中的数据做对比，对比的粒度为行数、列数、列 sum、列 distinct 等等，确认数据是否存在重复、列缺数；
3，数据计算层的话，会监控数据的分布、波动等情况；
4，业务规则执行层，我们是一周执行一次，而且每次执行前每天都会做预计算，如果计算结果异常，则会提前给出报警；
5，其他；

这个思路也可以参考下。

相同的 SQL 在 test、live 环境中数据库数据量级不一致的情况下，explain 执行计划是有差异的，这种情况是如何解决的？