• 楼主可以了解一下 to b 企业中动辄数百甚至数千的 UI 自动化的 case 体量下, 你这套理论还管用不管用。 UI 自动化的难点从来都不在工具上。而是代码设计能力,在 to b 企业中,面对复杂的业务逻辑,海量的测试用例,大量的异步调用和异构系统中。 如何能使用代码把业务逻辑组织起来,稳定,高效,简洁的运行下去才是难点。 并且 to b 企业中产品维护多个版本。我以前的公司同时维护 50 个版本。 50 个 UI 自动化的 daily run,并且还要对一些重要环境进行 UI 自动化的巡检。 试问构建这个级别的 UI 自动化测试,谁敢用录制回放。 都是自己哭哈哈的写代码,一个 case 的不稳定都会带来巨大的人力成本。海量的 case 下, 如果代码设计的不好,一个需求变动对测试来说都是灾难级的影响。 大量的异步调用和异构系统。需要写代码轮询数据库,中间件,各种集群来判断任务执行状态和结果。所以楼主有机会去大的 to b 企业做做看,就会有不同的收获的

  • 什么情况?

  • 负责用户的模块会提供 API 对用户进行 CURD 的, 其他模块是不准许直接访问其他模块的数据库的

  • 我们使用 mysql,一个服务一个数据库。 微服务么, 应该都这么玩把

  • 怎么说呢, 每个人成长的方式不太一样, 也可以说每个阶段的成长方式可能都是不一样的。但是土壤这个东西是在每个阶段都需要的, 即便是大牛,也需要一个土壤来发挥自己的价值。 只是对于每个人来说,土壤是不太一样的,有的人需要好的平台好的师傅来带自己,有的人需要完善流程,架构,业务来让自己专心的攻坚技术和业务。有的人则相反需要什么都不完善的情况下,为自己争取到更多了机会,因为什么都完善了,机会就相应的变少了,所以你给他特别完善的平台他反而不开心。 所以有些时候是不是好的土壤,可能在不同的人眼里看法是不一样的。

    如我来说,正因为当初没有运维和研发做 k8s 的事情, 我才争取到了这个机会,虽然我之前没玩过 k8s,但是从 0 开始自学我坚持下来了。 而且自己从头一步一个坑的学来的东西和在有一个完善的体制下从别人学来的东西是不一样的。 相同的还有深度学习方向的测试 owner, 也是我花了数个月的学习后才拿到了这个机会,当初只是看到 tensorflow 的一个 roudmap 我就跑去开始学习了,但是直到提测的时候我也只是能写一个简单的 DNN 而已,是又花了近一个礼拜的时间才写出来 CNN。 如果之前就有这方面成熟的测试体系和人才的话,还轮的到我么? 如我来说,虽然当初来这的时候这里一穷二白的,没人教没人带,连 QA 也只有两个 (包括我)。但这里就是我比较好的土壤。而我也习惯了没人教没人带,靠自己学习的环境了。

  • 在没有实际应用的前提下, 深度掌握 是不太可能的。 技术的深度取决于遇到问题的复杂度。 如果连问题都没有遇到过~~ 那就没什么深度造诣了

  • 这个是 selenide 的方法, 就是个以 $ 命名的方法,然后用 static import 引入过来的而已

  • 我们公司自己机房,自己搭建的服务

  • 8.14 为了联盟 at August 13, 2018

    这是什么梗,有电影要上映还是?

  • 我在第四范式工作, 有兴趣加我微信 ycwdaaaa

  • 暂时没有这种强需求,但是正在调研中

  • 个人准备加机会吧。 我当初也是没机会碰整个 CI 系统的。 但是我来公司早, 我是 28 号原来。我来的时候还没有运维呢。 然后我自己学习了一段时间以后就把活接了。 对于 QA 来说, 有些时候真的是个人努力加机遇。

  • 就是避免环境冲突的。 有产品给客户用来演示的 demo 环境, 有给公司内部试用的环境, 有培训用的环境。 有给不同的研发团队搭建的环境。有给技术支持用来复现问题和做验证的环境。 在测试组内部也会针对不同的目的搭建不同的环境。 有做性能测试的, 有做兼容性测试的,有做功能测试的, 也有针对不同的产品版本搭建不同的环境。

  • 加我微信,ycwdaaaa。或者 qq 号 446051551

  • 现在大部分都是用开源的。哪有几家公司像我们一样还自研算法的。就算我司现在不也是开始集成像 tensorflow 这种来源框架来满足客户对开源算法的需求么。 针对于开源的机器学习库,他们只是给你提供一个可以训练模型的框架。远远达不到商用的程度,机器学习要商用首先要有数据闭环,为算法提供数据流,时序特征,流式计算等。有了这些能力然后才是模型训练,同时为了达到在大数据下的训练性能。才会扩展出了了类似 mllib on Hadoop, tensorflow on k8s 的各种技术站。要依托于各种分布式集群来扩展机器学习能力,然后上线之后还要保证高可用,负载均衡等等,所以各种云技术或者 open stack 也是要用到的。 这些都不是原声开源框架能做的,但都是商用机器学习场景必须要用到的。 当然如果我只是个学生在实验室搞搞实验。 随便单机跑跑怎么地都行

  • 30 而立。爱发火算性格缺陷吧。平时其实也容易暴躁。只不过一般我都能压下去。 但是面临高压的时候就控制不住自己

  • 我尽量多更更

  • 其实没必要总结一个职位的技能树,因为每个行业的测试开发应用的技能是不一样的。 我们也只是总结出自己所处环境的技能树。 代表不了所有人

  • 有一句话叫:广度是深度的副产品。 我们都为此而努力吧

  • 主要就看你要外派去的公司是什么,项目是什么。 工作内容是什么。

  • 恩,项目组很重要。 碰见好的项目就能学到东西。

  • 外包公司么? 现在很少有公司还区分执行和写用例的人了

  • 可以当跳板吧。 我是从外包跳出去的。 那时候我啥也不会, 没有像样的甲方公司要。 就去了外包。 后来才跳槽去了 58,后来又是现在的第四范式

  • 不同的场景都有一些经典网络结构。 上网查查就好了。