软件测试模型-其他模型(W模型|H模型|X模型)
W 模型
W 模型:相对于 V 模型更科学,开发和测试基本并行开展,有利于及时发现问题;增加了软件各开发阶段中应同步进行的验证和确认活动,明确表示了测试和开发的并行关系。
缺点:
仍然把开发看成是从需求开始到编码结束的串行活动,只有上一阶段完成后,才开始下一阶段的活动,不能支持迭代,自发性以及变更调整
H 模型
H 模型:将测试活动分离出来,形成一个完全独立的流程,将测试准备活动和测试执行活动清晰地体现出来
特点:
1、测试是一个独立的过程;
2、测试达到准入条件,才可以执行;
3、测试对象是整个产品包,而不仅仅是程度、需求或相关说明书;
缺点:
对测试造成人力、物力、财力的浪费,对测试员的熟练程度要求比较高
X 模型
X模型:左边描述的是针对单独程序片段所进行的,相互分离的编码和测试,此后将进行频繁的交接,通过集成最终形成可执行的程序,再对这些可执行程序进行测试。
其中,己通过集成测试的成品,可以进行封装并提交给用户,也可以作为更大规模和范围内集成的一部分。多条并行的曲线表示变更可以在各个部分发生。
除此之外,X模型还定位了探索性测试,这是不进行事先计划的特殊类型的测试,这一方式,往往能帮助有经验的测试人员在测试计划之外发现更多的软件错误。
缺点:
可能对测试造成人力、物力和财力的浪费,对测试员的熟练程度要求比较高。
以上就是本篇文章所要分享的内容,欢迎各位大牛指正。你的指正,能让我在测试之路上快速成长。
Leo Never Stop Fighting!
软件测试模型-其他模型(W模型|H模型|X模型)相关推荐
- 软件测试V、W和H模型的优缺点
软件测试有三种模型,分别是V模型,W模型和H模型.每种模型都有自己的优点和缺点. V模型 V模型如下图所示: V模型的优点 V模型明确地标识出了在开发过程中一般应完成的测试级别,以及这些测试级别与代码 ...
- TF:利用TF的train.Saver将训练好的W、b模型文件保存+新建载入刚训练好模型(用于以后预测新的数据)
TF:利用TF的train.Saver将训练好的W.b模型文件保存+新建载入刚训练好模型(用于以后预测新的数据) 目录 输出结果 代码设计 输出结果 代码设计 import tensorflow as ...
- 无线电能传输LCL-S拓扑/WPT MATLAB/simulink仿真模型 (模型左边为两电平H桥逆变器,LCL-S串联谐振,右边不可控整流结构)
无线电能传输LCL-S拓扑/WPT MATLAB/simulink仿真模型 (模型左边为两电平H桥逆变器,LCL-S串联谐振,右边不可控整流结构) [控制方法]:有用滑模控制移相控制和用PI控制的两种 ...
- 一个简洁的小H车调运模型
一个简洁的小H车调运模型 不久前, 帝都B城市到处都是小H车, 理想的小H车应该是布朗运动\均匀分布,可是现实上它们就是不均匀.于是有如下问题: 观察帝都 HD区SY村区域,将其划分成10个用车点,用 ...
- 精算模型1 一元生存分析2 参数生存模型
精算模型1 一元生存分析2 参数生存模型 均匀分布 (de Moivre 1724) 指数分布 Gompertz分布 (1825) Makeham分布 (1860) Weibull分布 (Freche ...
- 逻辑斯谛回归模型( Logistic Regression,LR) 最大熵模型(Max Entropy,ME)
文章目录 1. Logistic Regression 模型 1.1 logistic 分布 1.2 二项逻辑斯谛回归模型 1.3 模型参数估计 1.4 多项逻辑斯谛回归 1.5 Python代码 2 ...
- Keras 之 LSTM 有状态模型(stateful LSTM)和无状态模型(stateless LSTM)
目录 1. 区别 2. 例子 3. 疑问解答 4. 实战 1. 实例1:官方的example--lstm_stateful.py 2. 实例2:用Keras实现有状态LSTM--电量消费预测 3. ...
- 在线部分:werobot服务、主要逻辑服务、句子相关模型服务、BERT中文预训练模型+微调模型(目的:比较两句话text1和text2之间是否有关联)、模型在Flask部署
日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) 智能对话系统:Unit对话API 在线聊天的总体架构与工具介绍 ...
- 憨批的语义分割4——pspnet模型详解以及训练自己的pspnet模型(划分斑马线)
憨批的语义分割4--pspnet模型详解以及训练自己的pspnet模型(划分斑马线) 注意事项 学习前言 模型部分 什么是pspnet模型 pspnet模型的代码实现 1.主干模型Mobilenet. ...
- 从DSSM语义匹配到Google的双塔深度模型召回和广告场景中的双塔模型思考
▼ 相关推荐 ▼ 1.基于DNN的推荐算法介绍 2.传统机器学习和前沿深度学习推荐模型演化关系 3.论文|AGREE-基于注意力机制的群组推荐(附代码) 4.论文|被"玩烂"了的协 ...
最新文章
- 提高智能家居设备的兼容性
- LeetCode: 387. First Unique Character in a String
- 生成和合入patch的两种方式
- 你真的了解低代码平台吗?
- VMWare虚拟系统上网设置及VMWare虚拟机三种工作模式详解
- 技术·融合·治理|众享链网试运行总结暨正式运行发布会预告
- linux如何压缩磁盘,Linux初级运维(十二)——磁盘及文件系统管理
- 数据分析数据可视化(三)
- visio2007序列号
- 主机安全加固终端安全管理
- HDLBits学习------Problem 106~114
- java工作描述怎么写,太厉害了!
- 柯洁预言AI绘画会替代大部分画师,网友:初代AI受害者现身说法
- mac 完全卸载android,Mac彻底卸载Android Studio
- 叮咚,ps术语请查收~
- 编译原理复习四:编译器结构 消除左递归、左公因子 最右推导 寻找句柄讲解(附题目和答案)
- bravado哺乳内衣 这款哺乳胸罩,越早买越好,别等到下垂涨奶才知道后悔!
- w10计算机怎么恢复出厂设置路由器,Windows10系统重置无线wifi出厂设置的方法
- Android解耦库EventBus的使用和源码分析
- 微信小程序:全新独家云开发微群人脉
热门文章
- Docker学习总结(37)——Dockerfile编写的八条准则
- 项目管理学习总结(5)——产品开发过程中各角色职责说明和技能要求
- 计算机行业深度分析,广发证券计算机行业深度分析
- python编程技巧1002python编程技巧_总结Python编程中三条常用的技巧
- python企业微信特定用户_python3调用企业微信api!开发一款属于自己的企业微信...
- 线程打印_经典面试题——两个线程交替打印奇数和偶数
- HNOI2019退役记
- SpringBoot之使用(一)
- 《PIC微控制器项目设计:C语言》一第2章 mikroC Pro for PIC编程语言
- C++菱形继承逆向分析