新闻详情

新闻详情

首页 / 资讯中心 / 详情

软件测试的分类

发布时间:2026/11/4 21:12:20来源:尧图网络
软件测试的分类
软件测试的分类按手段划分手工测试、自动化测试按是否运行代码划分静态测试、动态测试按技术划分黑盒测试、白盒测试、灰盒测试按阶段划分单元测试、集成测试、系统测试、验收测试性能测试冒烟测试对软件的基本功能进行简单的快速测试测试时间短。 冒烟测试开发提测后的一种验证软件是否具备可测性测试。 冒烟测试不通过则需要将软件打回让开发修复bug重新提测。回归测试为了确认新增/修改的功能是否会对已有功能的影响所以需要将程序的所有主功能进行回归测试。 回归策略 完全回归测试选择性回归测试按测试内容分类业务功能测试接口测试接口地址接口实现的功能是什么自动化测试GUI图形用户界面接口性能测试安全测试自动化测试并不是万能的目前自动化的应用回归测试测试工具性能测试静态测试指不运行被测软件而只是静态的检查程序的代码界面或文档中可能存在错误的过程。动态测试指实际运行被测程序输入相应的测试数据检查实际输出结果和预期结果是否相等的过程。只是运行代码也不是要输入数据并且比较黑盒测试 把被测试软件看做一个黑盒子不关心盒子里面的结构只关心输入的数据和输出的结果。白盒测试 也称结构测试或逻辑驱动测试。它是按照程序内部的结构测试程序通过测试来检测产品内部动作是否按照设计规格说明书的规定正常进行。性能测试包括时间性能和空间性能 时间性能具体指软件一个具体事务的响应时间(respond time) 空间性能主要指软件运行时所消耗的系统资源。 分类 一般性能测试稳定性测试负载测试:软件在承受最大极限情况下软件持续运行观察软件运行情况。压力测试软件在运行过程中持续不断地给软件增加压力直到软件崩溃检测软件的最大承受压力。设计测试用例的方法黑盒的测试方法等价类划分、边界值分析、判定表、场景法、因果图、正交试验、错误推理等白盒的测试方法将代码转化成流程图代码走查法、逻辑覆盖法语句覆盖判定覆盖条件覆盖条件判定覆盖条件组合覆盖路径覆盖语句覆盖SC: Statement Coverage在设计测试用例时使程序中的每个可执行语句至少执行一次。1判定覆盖DC: Decision Coverage也称为分支覆盖对于判定语句在设计测试用例时要使判定语句结果为真和假的两种情况至少各执行一次。2条件覆盖CC: Condition Coverage设计测试用例时使得每一个判定语句中每个逻辑条件中可能取值至少要满足一次。2让判断里每个条件的 “真 / 假” 取值都至少出现一次条件判定覆盖在设计测试用例时判断语句中每个条件表达式的真、假情况至少执行一次每个判定语句本身可能出现的结果也至少出现一次。2条件组合覆盖在设计测试用例时使得每个判定语句中表达式结果中所有可能的组合至少出现一次。条件组合覆盖包含了判定覆盖和条件覆盖。所以满足条件组合覆盖的一定满足判定覆盖条件覆盖判定条件覆盖4路径覆盖把代码流程图中每个路径进行覆盖即可。2按测试阶段划分单元测试指对软件中的最小可测试单元进行检查和验证。比如一个函数一个类。一般用白盒测试方法集成测试 用来检查单元模块结合到一起能否协同配合重点是测试不同模块的接口部分。集成的方式一次性组装增殖式组装自顶向下自底向上混合增殖。单元测试和集成测试是同步进行的。由白盒测试工程师进行测试。系统测试指将整个软件系统看做一个整体进行测试包括对功能性能的测试目前主要由黑盒测试工程师负责。一般情况下至少执行三轮系统测试系统测试结束测试通过第一轮执行全部的测试用例第二轮测试回归上一轮的bug执行全部的测试用例兼容性测试第三轮测试回归bug回归主功能测试用例。给出最终的测试报告。验收测试指的是在系统测试的后期以用户为主或有测试人员共同参与的测试它是软件正式交给用户使用的最后一道工序。验收测试又分为α测试和β测试α测试由测试人员开发人员用户参与的内部测试内测β测试内测后的公测即完全交给用户的测试。公测γ测试正式上线前的最后一轮测试。Release 版本测试
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/4 15:56:54

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/4 17:01:23

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉