大数据下的软件质量建设实践

会议室:203AB
出品人:黄闻欣

在从源码撰写、持续集成、测试调试、发布运营,整个流程中大数据无所不在,svn的c... 展开 >

专题出品人:黄闻欣

腾讯 专项测试组组长,《Android移动性能实战》主要作者之一

黄闻欣,腾讯专家工程师,《Android移动性能实战》主要作者之一。2009年加入腾讯,先后负责腾讯微博、MAC QQ、IPad QQ的测试及终端测试工具研发工作,一直致力于移动应用测试,提升产品质量和研发效率,目前加入手Q项目,负责双终端平台的专项测试工作,带领团队开发稳定性测试产品NewMonkey,性能监控平台SNGAPM,积累了丰富的Android/iOS应用专项测试和性能调优经验。

个人是轻微偏执狂,锤子粉,两个娃的爸,一直认真执着的老鲜肉。

地点:203AB

专题:大数据下的软件质量建设实践

在从源码撰写、持续集成、测试调试、发布运营,整个流程中大数据无所不在,svn的checkin日志,来源于人工、自动化、APM系统发现的缺陷、缺陷的堆栈和日志、缺陷的解决流水、用户行为数据、App性能数据、甚至是代码本身,每个数据关联起来对软件质量中的发现、度量、定位都有着重要的价值。本次专题,我们会收集在各个公司中利用大数据来改善软件质量的最佳实践。希望听众从中能收获到,

  1. 借力大数据技术来解决软件质量中的顽固问题的思路和创意,例如重复bug要如何减少,如何识别自动重要紧急的问题,如何快速定位随机crash、卡顿、甚至是功能问题。
  2. 借力大数据的软件质量建设中遇到的难点以及解决方案,例如质量类数据如何处理才能更高校地结合到大数据工具spark、hive。
  3. 大数据带给软件质量的具体效益,例如提升大数据帮助我们发现了什么隐藏缺陷,帮助我们节约了多少人力投入和定位缺陷的耗时。

by 谭力

腾讯科技
测试开发高级工程师

随着机型碎片化、场景丰富化、功能个性化,移动APP的性能的发现、定位、解决、度量都面临着巨大的挑战。这次分享,我们通过最近一年内在QAPM的丰富实践和案例,带领听众一起思考如何利用性能大数据,解决如使用Choreographer采集掉帧数据,如何用它反馈整个外网用户的场景流畅度?卡顿时采集的大量堆栈,如何用它反馈关键性能等问题。

在解决过程中,我们踩过很多坑,遇到过很多技术难题,我们会逐一分享,让听众可以拓展思路,思考并解决如下问题:

  1. 高效跟进外网用户反馈的性能问题, 不错过任何问题场景;
  2. 指标能充分度量用户真实的性能情况,反映优化的成效;
  3. 在海量数据中找到关键的性能问题,握紧拳头提升团队效率。

by 孔祥云

京东
高级测试开发工程师

在进行测试工具开发的时候,如果碰到了海量数据,我们应该采用什么架构去处理。在实践过程中有些已经踩过的坑,将通过实战方式给大家讲述其中过程。

主要内容

  1. 接口的稳定性数据非常重要却对其利用程度有限,构建系统进行更加直观的展示;
  2. 稳定性监控系统直观展示多时间跨度、多场景下的应用的稳定性数据;
  3. 介绍稳定性监控系统在数据采集、Storm实时计算及数据存储的技术难点解决方案;
  4. 智能测试平台利用线上引流的数据进行推荐的方案介绍。

by 张春兵

华为
高级测试架构师

测试的不能穷尽性,需要依靠测试工程师的智慧,精确控制测试范围和准确评估测试质量,才能达到测试投入和产出达到一个高效平衡。每一次构建、每次发布,都会产生代码、用例、bug、日志、性能等大量的测试数据。质量是以数据为基础评估,数据与质量的内在关联性,是测试智能化的关键要素。

主要内容

  1. 历史测试数据分析与提炼,构建测试大数据与质量的关系。
  2. 自动选取和生成测试用例,测试策略与质量评估的自动化过程。
  3. 产品生命周期的质量大数据表现的学习与演进系统。

听众受益

  1. 测试效率和质量的数据的甄别;
  2. 产品整个生命周期的质量评估方法;
  3. 测试智能化平台的构建理念和方法。

by 万传奇

阿里巴巴
优酷事业部技术专家

互联网测试近些年飞速发展,自动化测试、持续集成在各大公司均已全面铺开,成为测试工程师的日常。但随着移动互联网的深入,质量标准不断提升,传统测试手段无法覆盖到全端质量验证,测试领域急待寻求突破。本次演讲围绕着优酷全客户端质量保障体系,包括优酷质量平台的技术架构、业务实现,以及围绕大数据技术(实时计算、离线技术、检索技术等),如何形成线上质量监控闭环,服务于产品改进、提升研发效率。希望通过本次优酷大数据质量平台的介绍,为大家带来一些测试领域的新思路。


听众受益

  1. 大数据在质量中的经典实践;
  2. 如何从无到有建立起基于大数据的质量平台;
  3. 线上质量监控闭环得到新思路;
  4. 智能分析定位新思路。

by 王胜

百度
质量工具与方案组大数据专项技术负责人
让数据为质量服务
所属领域: 质量

QA在质量保证活动中,会接触各种各样的数据,例如质量过程数据:bug、crash、case等;例如用户数据:用户行为、用户画像等;再例如业务数据:系统间调用日志等等,正是有了这些数据,让测试有了更大想象空间,可做的事情也越来越多。本次分享,主要聚焦2个方面:

  1. 工欲善其事,必现利其器,如何打造一个稳定高效的离线/实时数据流分析平台;
  2. 以灰度过程中的crash分析&行为分析为案例,分享数据血缘关系建立后,数据联动价值。

by 张晓杰

滴滴
资深测试开发工程师

在互联网行业,有用户的地方就有用户问题,定位解决用户问题是提升用户体验的必经之路,滴滴也不例外。其中解答司机听单量少和乘客发出的订单无司机应答这类典型问题,成为提升平台满意度的日常。随着滴滴业务的发展,订单量在不断增加,平台吸引的司机也越来越多,同时产品的丰富度和策略的复杂度也逐渐提高,这给问题定位带来了越来越多的困难。本次演讲围绕问题定位这一话题,结合大数据的能力(存储、查询、trace等),介绍滴滴的实践。希望通过本次分享,为大家打开一些问题定位的思路。

听众受益

  • 针对不同系统,问题定位方法的选型;
  • 滴滴用户问题定位的核心技术方案。

交通指南

© 2020 Baidu - GS(2019)5218号 - 甲测资字1100930 - 京ICP证030173号 - Data © 长地万方