本文首先列举了Dojo应用UI自动化测试所面临的挑战,进而引出设计Dojo应用UI自动化测试的框架时应考虑的一些原则。对于正从事WebUI自动化测试工作的读者(即便所测试的应用不是Dojo应用)或者对这方面感兴趣的读者,本文都有一定的参考价值。随着富Internet应用(RIA)的不断兴起,各种JavaScript开发工具包的功能也在不断增强,Dojo正是其中的佼佼者。Dojo提供了一套完整的开发
2014-07-08/3186 人阅读/0 人点赞
腾讯科技讯(Eloise)北京时间2月17日消息,据国外媒体报道,创业者经常会花费数百万美元巨资和大量时间来开发某款产品,结果却发现吃力不讨好无法吸引到目标用户。然而,Google主管AlbertoSavoia认为,有一个办法可以让创业者避免这种局面的出现。他把这种方法叫做Pretotype(即产品可用性原型模拟测试法),即通过创建一种尽量简单的产品版本来快速测试创新产品的一种方法。以此来判断用户
2014-07-07/3377 人阅读/0 人点赞
Sheepdog是一个分布式对象存储系统,专为虚拟机提供块存储,号称无单点、零配置、可线性扩展(省略更多优点介绍)。本文主要关注其性能究竟如何,测试版本为目前的最新稳定版0.7.4。测试环境节点数量:6个磁盘:各节点都配备7200转SATA硬盘,型号WDCWD10EZEX-22RKKA0,容量为1TB,另外测试节点(即用于启动虚拟客户机的宿主机)多配置一块SSD硬盘,型号INTELSSDSA2CW
2014-07-04/3060 人阅读/0 人点赞
GoogleChrome的历史和指导原则【译注】这部分不再详细翻译,只列出核心意思。驱动Chrome继续前进的核心原则包括:Speed:做最快的(fastest)的浏览器。Security:为用户提供最为安全的(mostsecure)的上网环境。Stability:提供一个健壮且稳定的(resilientandstable)的Web应用平台。Simplicity:以简练的用户体验(simpleus
2014-07-04/2860 人阅读/2 人点赞
Sahi是TytoSoftware旗下的一个基于业务的开源Web应用自动化测试工具。Sahi运行为一个代理服务器,并通过注入JavaScript来访问Web页面中的元素。Sahi支持HTTPS并且独立于Web站点,简单小巧却功能强大。它相对于Selenium等自动化测试工具,在动态ID元素查找和隐式页面等待处理等方面具有一定的优势。选择Sahi工具来实现具体Web项目的自动化测试是一个很不错的选择
2014-07-03/8234 人阅读/159 人点赞
不要以为大数据只是个概念,彭博新闻整理十大与大数据息息相关的生活行为,让读者顺便一窥这些硅谷巨头们为何汲汲营营渗入我们的日常生活,随着这些点点滴滴的信息累积,大数据的实际应用早已不是遥远的距离。传统邮件美国邮政为了防止含有蓖麻毒素的信件寄给总统奥巴马,已经合法将所有纸质邮件数字化建档,并送往情报数据库,即便最古老的信息传递方式都逃不出大数据掌心。汽车驾驶美国审计总署公布一份报告指出,汽车制造商和导
2014-06-25/2865 人阅读/0 人点赞
在PC客户端软件测试中,稳定性测试是必不可少的一项测试内容。一般在功能测试已经测试完成,缺陷完全修复完成以后进行。稳定性测试是在保证客户端功能完整正确的前提下,通过对软件稳定性的测试可以观察在一个运行周期内、一定的压力条件下,软件的出错机率、性能劣化趋势等。进而大大减少软件上线后的崩溃卡死等现象,为软件的逐步优化提供方向及验证。测试方法:通过自动化脚本,长时间运行客户端某些功能或长时间开关客户端,
2014-06-24/3834 人阅读/3 人点赞
摘要互联网行业的产品大多要求快速更新迭代,为保证产品的质量,单测越来越受到了开发和测试人员的重视。对于一个非全新的项目,补全原有代码的单测成本非常大,并且收效不明显。目前,对于非全新项目,开发人员一般只会对增量(新增修改)代码做单测。现有的覆盖率统计工具只能够统计出单测用例对所有代码的覆盖程度,而开发人员和测试人员往往关注的是增量代码的覆盖率信息(增量行覆盖率和增量函数覆盖率)。本文将介绍一种针对
2014-06-17/3492 人阅读/0 人点赞
自谷歌提出云计算概念之后,大数据领域的发展就逐渐加速日新月异,云计算具体到实例,可以归纳为调度、均衡、容错、监控、运维等一整套操作海量数据的方案。有别于传统小规模或孤立体系产品,云计算生态圈存在错综复杂的系统级别关联,并行其中的不同架构和模块流转于超大规模的分布式软硬体资源中,很难划分出明显的界限。对于这样的产品体系,传统领域的测试方案要么逐渐失效,要么作用域缩减到仅能覆盖体系末端。为了保证大数据
2014-06-17/2971 人阅读/1 人点赞
引言众所周知,MapReduce编程框架(以下简称MR)一直是大并发运算以及海量数据读写应用设计的利器。在MR编程体系下,一个job通常会把输入的数据集切分为若干块,由maptask以完全并行的方式处理消化这些数据块。框架会对map的输出先进行排序,然后把结果作为输入提交给reduce任务。通常作业的输入和输出都会被存储在文件系统中。整个框架负责任务的调度和监控,以及重新执行已经失败的任务。典型的
2014-06-16/2845 人阅读/0 人点赞