Pengujian automasi hos dipacu AI pengeluaran

Penterjemah |. Chen Jun

Penilai |. Dalam usaha mencapai kecekapan dan kebolehskalaan, peralihan ini selalunya melibatkan perpindahan daripada persekitaran kerangka utama tradisional kepada pengkomputeran awan yang lebih fleksibel atau penyelesaian di premis. Transformasi sedemikian membantu perusahaan mencapai ketangkasan dan inovasi yang lebih tinggi sambil mengurangkan kos dan meningkatkan keselamatan. Penghijrahan ini juga boleh membawa penggunaan sumber yang lebih baik dan tindak balas pasaran yang lebih pantas kepada perusahaan. Perusahaan perlu merancang dan melaksanakan peralihan ini dengan teliti untuk memastikan pemindahan data dan proses pembinaan semula aplikasi berjalan lancar untuk memastikan kesinambungan perniagaan dan keselamatan data. Dengan memindahkan aplikasi kerangka utama tradisional kepada seni bina teknologi moden, perusahaan boleh menyesuaikan dengan lebih baik kepada permintaan pasaran yang berubah dengan pantas dan mencapai

Namun, dengan perubahan dinamik dalam persekitaran perniagaan, proses migrasi juga akan menjadi lebih rumit. Ini bukan sahaja penempatan semula teknikal sumber, tetapi juga perubahan asas, jadi ia sering memerlukan ujian yang ketat untuk memastikan kesetaraan pelbagai fungsi, dengan itu mengekalkan integriti operasi dan prestasi aplikasi.

Pada masa yang sama, selepas penghijrahan, aplikasi sering terpaksa menjalani pengubahsuaian yang meluas didorong oleh keperluan baharu, strategi perniagaan yang berkembang dan perubahan dalam piawaian kawal selia. Dan setiap pengubahsuaian, sama ada pelarasan kecil atau "pengubahsuaian" besar, mesti menjalani ujian yang ketat. Cabaran paling kritikal ialah memastikan perubahan baharu disepadukan secara harmoni dengan fungsi sedia ada tanpa menyebabkan akibat atau gangguan yang tidak diingini. Dapat dilihat bahawa keperluan dwi untuk mengesahkan fungsi baharu dan mengekalkan fungsi sedia ada menyerlahkan kepentingan suite ujian automatik selepas penghijrahan.

Dalam beberapa tahun kebelakangan ini, AI generatif (GenAI) telah digunakan secara meluas dalam pelbagai bidang. Jika ia diperkenalkan ke dalam proses pemodenan kerangka utama, ia bukan sahaja dijangka bahawa perusahaan akan mencapai peningkatan yang ketara dalam kualiti perisian, kecekapan operasi, dll., tetapi ia juga akan membawa perubahan asas dalam pembangunan perisian dan konsep jaminan kualiti, yang membolehkan perusahaan untuk akhirnya memperoleh pulangan yang besar atas pelaburan.

Saya akan berbincang dengan anda cara memanfaatkan metodologi, alatan dan amalan terbaik ujian automatik yang sesuai untuk memastikan kualiti dan prestasi sedia ada aplikasi kerangka utama moden dikekalkan semasa peralihan teknologi yang lancar.

Konsep ujian manual tradisional

Sejak sekian lama, persekitaran hos yang besar tidak mahu menerima kaedah ujian automatik. Tinjauan Global 2019

, yang dikendalikan bersama oleh Compuware dan Vanson Bourne, menunjukkan bahawa hanya

7% responden telah menerima pakai kes ujian automatik untuk aplikasi kerangka utama, yang cukup untuk menggambarkan sikap industri terhadap perkara ini. Dilema Pengujian Manual

Sebaliknya, ujian manual ialah kaedah tradisional yang biasa digunakan oleh banyak syarikat. Walau bagaimanapun, dalam proses pemodenan kerangka utama yang kompleks, pendekatan ini menjadi semakin tidak mencukupi dan terdedah kepada ralat. Lagipun, jurutera ujian perlu mengesahkan setiap senario dan peraturan perniagaan secara manual. Proses ini penuh dengan kemungkinan kesilapan manusia. Selain itu, memandangkan sifat berisiko tinggi dan kritikal misi bagi banyak aplikasi kerangka utama, sebaik sahaja kami terlepas pandang ralat halus semasa proses ujian, ia mungkin membawa kepada masalah pengeluaran yang serius, masa henti yang besar dan juga kerugian kewangan. Oleh itu, kelemahan ini menjadi sangat ketara. Selain itu, ujian manual juga mempunyai kelemahan berikut:

1 Peninggalan dan ketidaktepatan: Memproses sejumlah besar kes ujian secara manual akan meningkatkan risiko kehilangan senario utama dan pengesahan data yang tidak tepat.

2. Memakan masa: Kaedah manual memerlukan banyak masa untuk menguji setiap aspek secara menyeluruh, jadi ia tidak cekap dalam persekitaran pembangunan pantas.

3 Isu kebolehskalaan: Apabila aplikasi berkembang dan berkembang, beban kerja yang diperlukan untuk ujian manual akan meningkat secara eksponen, menjadikannya mustahil untuk mengenal pasti ralat dengan berkesan.

Sesetengah syarikat mungkin secara intuitif berfikir untuk mengembangkan pasukan ujian manual mereka. Walau bagaimanapun, ini bukan penyelesaian yang boleh dilaksanakan. Langkah ini mewujudkan ketidakcekapan kos dan gagal menangani batasan yang wujud dalam proses ujian manual. Perusahaan perlu menyepadukan proses ujian automatik melalui kaedah moden seperti DevOps untuk meningkatkan kecekapan dan mengurangkan ralat.

Keperluan Automasi Ujian

Secara keseluruhan, dengan menyepadukan proses ujian automatik ke dalam aplikasi kerangka utama moden, perusahaan boleh meningkatkan kecekapan dan ketepatan migrasi dengan ketara. Sudah tentu, kadar penggunaan ujian automatik dalam persekitaran kerangka utama tidak tinggi. Sesetengah syarikat melihat ini sebagai satu cabaran, manakala yang lain melihatnya sebagai peluang transformasi yang besar. Lagipun, mengguna pakai automasi dalam ujian bukan sekadar peningkatan teknologi, tetapi langkah strategik untuk mengurangkan risiko, menjimatkan masa dan mengoptimumkan penggunaan sumber.

Peralihan ini penting untuk perniagaan yang ingin kekal berdaya saing dan cekap dalam persekitaran teknologi yang berkembang pesat. Menurut "Laporan Status DevOps", ujian automatik boleh memainkan peranan besar dalam mengoptimumkan aliran kerja operasi dan memastikan kebolehpercayaan aplikasi.

Apakah ujian automatik?

Menurut takrifan Atlassian, ujian automatik ialah penggunaan alatan perisian untuk melengkapkan proses semakan dan pengesahan produk perisian yang dipacu secara manual secara automatik. Kelajuan, kecekapan dan ketepatannya melepasi batasan kaedah ujian manual tradisional. Iaitu, ujian automatik membantu mempercepatkan perubahan aplikasi sambil memastikan kualiti dan kebolehpercayaannya tidak terjejas. Ujian automatik bukan sahaja memudahkan proses pengesahan perubahan baharu, tetapi juga memantau integriti kefungsian sedia ada, sekali gus memainkan peranan penting dalam peralihan yang lancar dan penyelenggaraan berterusan aplikasi moden.

Dalam usaha mengoptimumkan proses ujian perisian, penggunaan ujian automatik selalunya memerlukan pelaburan manual awal, yang melibatkan pemahaman jurutera ujian tentang logik perniagaan rumit yang mendasari aplikasi. Pemahaman ini adalah penting untuk menjana kes ujian automatik secara berkesan menggunakan rangka kerja seperti Selenium. Walaupun peringkat ini menggunakan banyak tenaga kerja, ia adalah kerja asas. Lagipun, ujian automatik seterusnya akan mengurangkan dengan ketara pergantungan pada ujian manual, terutamanya dalam senario ujian berulang dan meluas. Lebih-lebih lagi, sebaik sahaja rangka kerja automasi diwujudkan, ia menjadi mekanisme yang berkuasa untuk penilaian berterusan aplikasi. Kelebihannya ialah ia pandai mengenal pasti ralat atau pepijat yang mungkin timbul akibat perubahan aplikasi.

Kaedah ujian automatik dalam proses pemodenan kerangka utama

Dalam bidang kejuruteraan perisian, ujian automatik untuk migrasi berskala besar atau pemodenan aplikasi kerangka utama selalunya memerlukan pemahaman yang menyeluruh tentang semua peraturan perniagaan dalam aplikasi untuk Hasilkan kes ujian automatik untuk pangkalan kod besar yang selalunya terdiri daripada berjuta-juta baris kod. Ini adalah tugas yang kompleks dan agak sukar. Memandangkan sukar untuk mencapai liputan kod 100%, kami perlu mencapai keseimbangan antara kedalaman liputan ujian dan kebolehlaksanaan praktikal untuk memastikan logik perniagaan kritikal boleh menerima liputan ujian yang mencukupi.

Dalam kes ini, teknologi baru muncul seperti GenAI memberikan kemungkinan. Ia boleh menjana skrip ujian automatik secara automatik untuk memudahkan proses ujian projek pemodenan kerangka utama dan menyediakan kaedah yang lebih cekap, tepat dan berskala untuk jaminan kualiti dalam pembangunan perisian.

Penggunaan GenAI secara meluas

Sebelum mendalami cara GenAI mendayakan ujian automatik dalam pemodenan kerangka utama, mari kita lihat secara ringkas GenAI. Pada asasnya, GenAI mewakili aspek kecerdasan buatan. Ia menggunakan model generatif untuk menghasilkan pelbagai teks, imej atau media lain. Model AI generatif ini pandai mempelajari corak dan elemen struktur data latihan input dan kemudian menjana data baharu yang mencerminkan ciri tersebut. Jelas sekali, sistem sedemikian bergantung terutamanya pada model pembelajaran mesin, terutamanya dalam bidang pembelajaran mendalam.

Natural Language Generation (NLG) ialah satu bentuk GenAI yang sangat relevan dengan pemodenan kerangka utama. Ia boleh menghasilkan teks seperti manusia dengan sokongan model bahasa besar (LLM). Lazimnya, LLM dilatih mengenai korpora besar data teks, membolehkan mereka membezakan dan menghasilkan semula nuansa dan struktur bahasa. Oleh itu, latihan ini membolehkan mereka melakukan pelbagai tugas pemprosesan bahasa semula jadi, termasuk penjanaan teks, ringkasan terjemahan dan analisis sentimen. Terutama, LLM juga mahir dalam menghasilkan kod program komputer yang tepat.

Pada masa ini, kes penggunaan model bahasa besar yang terkenal termasuk: GPT-3 (Transformer Pra-terlatih Generatif 3), BERT (Perwakilan Pengekod Dua Arah daripada Transformers) dan T5 (Transformer Pemindahan Teks-ke-Teks). Model ini biasanya dibina pada rangkaian neural dalam, terutamanya yang menggunakan seni bina Transformer. Oleh itu, mereka menunjukkan keberkesanan yang sangat baik dalam memproses data berurutan seperti teks. Sejumlah besar data latihan, termasuk berjuta-juta malah berbilion-bilion perkataan atau dokumen, membolehkan model ini menguasai pelbagai bahasa pengaturcaraan. Mereka bukan sahaja cemerlang dalam menghasilkan teks yang koheren dan kontekstual, tetapi mereka juga cemerlang dalam meramal corak bahasa seperti melengkapkan ayat atau menjawab pertanyaan.

Pada masa ini, beberapa model bahasa besar juga boleh memahami dan menjana teks dalam pelbagai bahasa, meningkatkan kegunaannya di seluruh dunia, daripada menyediakan "kepintaran" untuk chatbots dan pembantu maya, kepada menyokong penjanaan kandungan, Dalam bidang aplikasi seperti terjemahan bahasa dan rumusan, kepelbagaian LLM boleh membawa prestasi cemerlang.

Cara menggunakan GenAI untuk menjana skrip ujian automatik

Dalam bidang ujian perisian, LLM boleh membantu kami mengekstrak logik perniagaan daripada kod aplikasi dan menukar peraturan ini kepada format yang boleh dibaca manusia, dan kemudian menjana skrip ujian Automatik yang sepadan. Pada masa yang sama, ia juga boleh membantu kami memilih bilangan kes ujian yang diperlukan untuk memenuhi pelbagai keperluan liputan berpotensi bagi serpihan kod.

Biasanya, menggunakan GenAI untuk menjana skrip ujian automatik untuk kod aplikasi memerlukan proses tiga langkah berstruktur seperti berikut:

1 Gunakan GenAI untuk mengekstrak peraturan perniagaan: Sebagai peringkat awal, kita perlu menggunakan GenAI untuk ekstrak peraturan perniagaan daripada aplikasi Memperhalusi peraturan perniagaan. Proses ini akan menilai peraturan yang diekstrak mengikut tahap perincian dan mentafsirnya dalam format yang boleh dibaca manusia. Di samping itu, GenAI juga membantu untuk mendapatkan pemahaman yang lengkap tentang semua hasil yang berpotensi bagi sekeping kod yang diberikan. Pengetahuan ini penting untuk memastikan penciptaan skrip ujian yang tepat dan relevan.

2 Gunakan GenAI untuk menjana skrip ujian automatik pada tahap fungsi: Berdasarkan logik perniagaan yang diekstrak, jurutera ujian boleh mempunyai pemahaman yang menyeluruh tentang fungsi aplikasi supaya mereka boleh menggunakan GenAI untuk membangunkan skrip ujian pada tahap fungsi. . Langkah ini melibatkan penentuan bilangan skrip ujian yang diperlukan dan mengenal pasti senario yang mungkin dikecualikan. Sudah tentu, liputan kod skrip ujian automatik sedemikian sering ditentukan secara kolektif oleh pasukan.

3 Pengesahan dan penambahan inferens oleh Pakar Perkara (PKS): Pada peringkat akhir, sebaik sahaja logik perniagaan diekstrak dan skrip ujian automatik yang sepadan dijana, pakar ujian mengesahkan skrip ini dan Mempunyai hak untuk melaksanakannya. operasi seperti menambah, mengubah suai atau memadam. Intervensi sedemikian menangani kemungkinan ralat kebarangkalian yang mungkin timbul daripada output GenAI dan meningkatkan kepastian kualiti skrip ujian automatik.

Proses di atas mungkin kelihatan rumit, tetapi sebenarnya ia boleh menggunakan sepenuhnya keupayaan GenAI untuk memudahkan proses penjanaan skrip ujian dan memastikan gabungan sempurna kecekapan automasi dan kepakaran manusia. Antaranya, penyertaan penguji dalam fasa pengesahan adalah amat penting. Ini akan membolehkan hasil output yang dijana oleh kecerdasan buatan berdasarkan pengetahuan aplikasi sebenar yang sebenar, dengan itu meningkatkan kebolehpercayaan dan kebolehgunaan skrip ujian dengan ketara.

Ringkasan

Ringkasnya, sebagai alat untuk meningkatkan kecekapan, GenAI boleh menjana skrip ujian automatik melalui keupayaan NLGnya, dengan itu meningkatkan ketepatan dan kebolehpercayaan proses ujian perisian untuk pemodenan kerangka utama. Pada masa yang sama, GenAI perlu menambah baik hasil output yang dijana oleh AI melalui proses tiga langkah berstruktur dan memastikan bahawa skrip automatik bukan sahaja munasabah dari segi teknikal tetapi juga boleh digunakan dalam amalan, sekali gus mencerminkan keharmonian dan perpaduan keupayaan AI dan manusia. kepakaran. Penyepaduan ini jelas penting untuk menangani kerumitan dan keperluan dinamik aplikasi kerangka utama moden.

Pengenalan penterjemah

Julian Chen, editor komuniti 51CTO, mempunyai pengalaman lebih sepuluh tahun dalam pelaksanaan projek IT, pandai mengurus dan mengawal sumber dan risiko dalaman dan luaran, dan menumpukan pada penyebaran rangkaian dan keselamatan maklumat pengetahuan dan pengalaman.

Tajuk asal: Ujian Automasi Dipacu GenAI dalam Pemodenan Kerangka Utama, pengarang: sampath amatam)

Atas ialah kandungan terperinci Pengujian automasi hos dipacu AI pengeluaran. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!