行業動態
-
蘋果頭顯鎩羽而歸
- 6 月 18 日，蘋果暫停頭戴虛擬顯示器 Vision Pro 的研發，專注製造更便宜的型號，相較於 3500 美元的 Vision Pro，“親民版” 頭顯約為 1500 美元，接近高階 iPhone 的價
- 影響蘋果 VR 的關鍵問題不是價格，而是缺乏實用性或者可玩性，Vision Pro 今年的出貨量僅僅不超過 50 萬臺
-
一週相關行業動態
- 抖音小遊戲使用者規模增長 100％：巨量引擎在抖音小遊戲行業峰會上公佈最新資料，2023 年小遊戲市場規模快速增長，2023 年 Q2 至 2024 年 Q1，抖音小遊戲使用者規模增長 100%，產品數量增長 70%，廣告消耗更是猛增 530%
- 廣州市遊戲行業釋出 2024 年 6 月網路生態治理月報：本月清理違規賬號 33 萬個，攔截違規內容 18 萬條
測試技術
-
貨拉拉大資料測試質效提升之路
- 貨拉拉內部的資料測試的難點：需要熟練寫 SQL、無平臺沉澱用例、靠手工執行
- 複雜度
- 資料問題發現難：海量資料不可能人工逐條檢查，大資料非結構化的方式，結合不同業務場景，使得其準確性、完整性、一致性、時效性等多方面保障難度高
- 資料質量保障難：建設包括資料校驗、資料監控、資料治理和建立資料質量標準等步驟
- 效率
- 測試用例管理難：缺少平臺支撐，測試用例無法沉澱管理，難以複用
- 迴歸效率低：訴業務擴充套件用例增加，耗時也增加
- 平臺化方
- 測試過程簡單化：用例模型、模版、業務場景靈活可配置，平臺自動生成對應指令碼，無需測試人員手工編寫，標準化用例編寫流程的同時，也降低用例編寫成本和門檻，提高測試效率（核心：基於 SQL 語句定義了一套 DSL，以支援模板化、引數化的用例編寫，其他建設圍繞這個展開）
- 資料測試自動化：支援根據場景靈活配置資料測試自動化用例和場景，同時可一鍵將測試用例轉為自動化用例，降低資料測試自動化編寫成本及迴歸測試成本，提高測試效率（上述用例直接選中沉澱為自動化用例，應用在迴歸階段）
- 資料質量監控告警：建設定時線上巡檢監控及異常告警的能力，從被動跟著暴露的資料質量問題走，轉變為主動發現攔截問題（不同驗證方向的用例 + 自動化 + 報警）
測試基礎
-
大模型技術及趨勢總結
一篇科普文粗略瞭解大模型本質和相關重要概念，不長，力薦
-
酷家樂的測試委員會運作機制
內部測試專業性培養的參考
- 主測試委員會，一個測試專業性虛擬組織，主旨是提高培養 “專案測試負責人（主測試）”，支援公司重要專案的質量把控和提升，最佳化測試流程規範
- 有展開介紹委員會的籌建、日常事項運作、主測試任命等內容
如果覺得我的文章對您有用，請隨意打賞。您的支援將鼓勵我繼續創作！
打賞支援
暫無回覆。