统计测试

分析测试用例对场景的覆盖度 使用环境对软件的影响

软件测试的管理就像给整个测试流程装上了导航仪。测试管理控制对象的编辑功能挺丰富，像测试计划、用例、缺陷报告这些，界面友好，操作顺。你要是习惯用工具来统筹测试资料，这一块儿真是省心不少。 测试流程控制这块儿蛮有意思，整个流程都有规范，像是从立项到提交 Bug 再到回归测试，全程都能追踪。嗯，设计和测试之间还能在线沟通，比如 Bug 逾期了系统会自动提醒，挺贴心的。 到了统计这部分，就更像一个数据参谋了。你能看到问题集中在哪个模块，团队的修复效率咋样，项目进度也一目了然。再结合Bug LifeCycle的管理，整个质量闭环就跑得挺稳的。 对了，想深入了解的话，下面这些资源还不错：软件测试管理的综述

Hadoop 的日志用起来还挺香的，尤其是你想按日期统计访问次数的时候。这篇资源手把手教你怎么搞定，从预日志，到写 MapReduce 程序，再到测试数据验证，流程讲得比较清楚，而且用的还是常见的网站访问日志例子，落地性强。代码结构也简单，逻辑不绕，你稍微有点基础就能跟上。配套测试数据也挺实用，拿来一跑就知道结果对不对，省了不少试错时间。如果你正在折腾 Hadoop 访问日志，强烈建议收藏一下。

在测试阶段，我们发现了一些BUG，并展示了它们的详细情况。同时，我们对以下SQL进行了数值统计。测试阶段还涉及BUG的处理情况，我们为此制作了相应的图表。此外，我们还考虑了历史遗留的BUG问题，其中一些延期处理。

基于统计的弱变异测试路径生成工具挺实用的，尤其对搞单元测试或自动化测试的你来说，能省不少功夫。它不走传统变异测试那条高成本路线，而是利用统计手段，挑出那些更出错的程序路径，再搞定覆盖，效率高得多。 变异测试应该都听过吧，原理不复杂——改点程序代码，看测试能不能发现问题。但常规做法太费资源，变异体一多，生成覆盖路径就是灾难。嗯，这篇研究的厉害之处在于它不硬刚，而是先用把路径过滤、分组，再走已有的路径覆盖方法，走得挺聪明。 它引入的是“弱变异”的概念，不是非得杀死所有变异体，只看能不能检测到变化。这听起来像打折，其实反而效率高——测试数据更容易命中目标，生成快、覆盖也还不错。如果你平时测试项目代码

基于 Linux 进行 TPCC 测试，结果详见以下总结。

提供已修改和测试可用的 SQLite 开源代码。

武汉理工大学软件测试课程实验一题目：测试隔一日问题的功能性测试方法。程序有三个输入变量month、day、year（均为整数值，1≤month≤12，1≤day≤31，1900≤year≤2050），输入日期的月、日、年，输出隔一天的日期。例如，输入为2004年11月29日，输出为2004年12月1日。编写问题的需求规格说明书，并完成程序设计。使用功能性测试技术设计两套测试用例集，考虑等价类划分和边界值分析测试技术。根据设计的两套测试用例集进行测试，编写实验报告。

使用 test.bak 文件即可恢复 SQL Server 数据库。

jedis 的测试包jedis-1.0.0-tests.jar，用来配合你调试 Redis 相关逻辑还挺顺手的。测试类全、结构清晰，不少模拟场景都提前写好了，省得你自己搭测试框架。 Jedis本身就是个老牌的 Java Redis 客户端，这个包算是它早期版本的一个测试补充。别看版本号老，其实挺适合初学者或者想快速验证连接逻辑的朋友用。比如你想测个连接池失效怎么，直接跑一遍测试就行，响应也快。 使用的时候记得把它单独放进测试目录里，别和正式代码混着打包，避免带进生产环境。路径最好写清楚，比如放在src/test/resources底下。 如果你还在找 Redis 的 JAR 资源，顺带推荐你看