结对测试算法性能优化（用例设计层面）

在《parewise算法性能优化》一文中，

对原来算法代码进行了一些优化，

对于笛卡尔积后千条数据，是能满足使用需要的。

但在实际业务中，会碰到百万数据。

比如某接口共18个参数，每个参数均可为空，其中8个只需要单个值，10个为多选项，需要多个值。

对于多选项，我的设计是，全选+随机n个多选(1<=n<=len-1)+空。

按照这个策略，笛卡尔积的结果就是38*210=6718464。

671万数据！

parewise根本处理不动。

该怎么处理？

调整用例设计。

1、为空的情况，单独一条用例，即可以为空的，全部设置为空。parewise就不考虑为空的情况了。

38*210就变成了28*110=256，一下量级骤减。

2、视需要添加特殊的参数组合。

即使这样优化了，也会产生几十种组合。

假如接口本身响应慢，那么脚本执行的耗时就比较长。

遇到上线前回归，等待，是一件很痛苦的事。

该怎么处理？

还是回到用例设计。

在开发阶段，跑几十种组合的脚本，从时间成本来看是完全可以接受的。

在上线阶段，时间紧迫，就会显得效率有些低。

而实际上，上线前回归阶段更像是一种冒烟。

是可以适当降低覆盖度，提供效率的。

于是解决方案就是，把parewise扩展为两种模式

def parewise(dx, mode=2):
    """
    :param dx:
    :param mode: 1开发 2上线
    :return:
    """

开发模式：就完完整整返回结果

上线模式：从结果当中，随机返回1条用于快速冒烟

当然，如果是回归要测修改引入，建议还是多花点时间，老老实实跑开发模式比较好。

版权申明：本文为博主原创文章，转载请保留原文链接及作者。