ab（Apache Bench）是啥？
ab是Apache自带的一个压力测试软件，可以通过ab命令和选项对某个URL进行压力测试。ab建议在linux环境下使用。
为啥要压力测试工具？
因为你不给你的网站压力，你不知道项目的最大的容量是多少，自己的知识有多少。 在一定范围里，压力达到一定程度，动力和容量也就达到顶峰 。所以说没有最大的容量，只有极致的性能优化。
压力测试工具，另一方面也为测试提供一个标准，为当前需要优化提供基础数据。
ab有什么能力？
ab作为Apache自带的软件，虽然性能不是最强，但是作为一般的压力测试已经足够了。
ab的安装
一般已经安装了Apache就不需要安装，需要安装的话可以自行搜索。
ab的主要命令
ab主要使用的两个选项就是-n和-c。其他选项使用命令 ab -h 进行查看。
命令格式是： ab -n10 -c10 URL
命令解说：
自带的命令选项说明如下
上图所示，-n指的是请求URL的数量，-c是指每次请求的并发数。展示的命令格式的意义就是：对URL进行10次请求，每次并发数是10个，总共请求了100次。
注：URL最后一定要补充一个"/"，如： > AB测试则是中国英语考试制度A级难度与B级难度。 1、在这个教育，科技，经济高速发展的时代，教育问题是国民一直关注的焦点，少年强则国强，英语也在很多年前就已经成为我国教育体系中必不可少的一项科目。但是在英语的考试和等级制度上是有着严格规定的。 2、专业英语等级制度在中国分为B级、A级、4级、6级（按照难度从左至右排序）有一些职业和专业对于英语等级是有着相关规定的，比如英语翻译，外国企业的员工，在应聘外企的时候，外语水平则异常关键，这将关系到你是否会被录用。
# 非功能测试
app测试的一个重要方面是app的非功能需求。移动app在推出市场或进行进一步开发前，测试人员有一定的职责做该类需求的跟踪工作。
早期开发阶段要进行的第一个测试应该是实用性测试。通常是由alpha用户或同事进行的。走进一家咖啡馆或餐厅，问问里面的人他们的app使用情况。让他们看看现阶段开发的第一个版本并收集反馈，看看用户是否能很好地使用新功能，以便得出第一印象。
# 功能测试
每项开发的新功能都需要进行测试。app测试中功能测试是一个重要方面。测试人员应该要进行手动测试和后期的自动化测试维护。刚开始测试时，测试员必须把app当作"黑盒"一样进行手动测试，看看提供的功能是否正确并如设计的一样正常运作。除了经典软件测试，像点击按钮、提交订单看看会发生什么，测试员还必须执行更多功能的app测试。
除了整个手动测试过程，测试自动化对移动app也很重要。每个代码变化或新功能都可能影响现存功能及它们的状态。通常手动回归测试时间不够，所以测试员不得不找一个工具去进行自动化回归测试。现在市面上有很多自动化测试工具，有商业的也有开源的，面向各个不同平台。根据开发策略和结构，品质管理测试专家需找出最适合他们环境的自动化工具。
# 客户端性能测试
一个App做得好不好，不仅仅只反应在功能上。被测的app在中低端机上的性能表现也很重要。比如：一个很好玩的 游戏 或应用，只能在高端机上流畅运行，在中低端机上卡得不行，也不会取得好的口碑。
# 适配兼容测试
App在经过功能测试后，也需对其进行适配兼容测试需要检查的项主要有以下几点：
(a) 在不同品牌的机型上的安装、拉起、点击和卸载是否正常；
(b) 在不同的 *** 作系统上的安装、拉起、点击和卸载是否正常；
我们在实际测试中，常常会遇到下列问题：
(a) 在某个品牌某个系统上，app安装不上；
(b) 在某个品牌某个系统上，app无法拉起；
(c) 在某个品牌某个系统上，app拉起后无响应或拉起后黑屏、花屏；
(d) 在某个品牌某个系统上，app无法顺利卸载；
# 弱网络测试
App在使用的过程中，难免会遇到弱网络环境，例如在公车上、在地铁里。在这种情况下，常常会出现网络抖动、上行或下行超时，导致应用中出现丢包。
作为一个测试人员，要对app在上线前做一定场景的弱网络环境模型，并查看app在弱网络环境下是否存在某些未知的问题。下面是常用的弱网络环境场景：
(a) 弱网络信号场景模拟；
(b) 市区低速移动场景模拟；
(c) 郊区高速移动场景模拟；
(d) 请求回应超时_上行超时场景模拟；
(e) 请求回应超时_下行超时场景模拟；
(f) 网络抖动场景模拟。
# 耗电量测试
# 协议测试
模拟客户端直接发送协议包给服务器，看看服务器是否有一定的校验，认不认客户端发过来的数据。协议测试，主要是为了处理用户发送恶意协议到服务器，骗过服务器的校验。
# 安全测试
App在上线前，都需要做详细的安全测试。安全测试主要为了检测应用是否容易被外界破解；是否存在被恶意代码注入的风险；上线后外挂的风险高不高等。
# 服务器性能测试
服务器性能测试，主要包含单机容量测试和24小时稳定性测试。单机容量测试，可以检测到单机服务器在90%的响应时间和成功率都达标的前提下，能够承载多少用户量。使用特定 游戏 模型压测24小时，服务无重启，内存无泄漏，并且各事务成功率达标。
# 服务器容灾测试
服务器容灾测试，主要指某个服务进程崩溃掉后，是否具有自行恢复能力。比如 游戏 逻辑进程消失后，是否会自动拉起；memcached崩溃时，是否会重新启动，是否会对所有玩家有影响。这些都是app测试过程中需要考虑的因素。
ABtest指的是将多个版本在同一时间维度下随机选择具有相似性的几组用户进行测试，收集数据并分析哪个版本效果更佳。
先验性：不同于后验结论
并行性：试验组与对照组同时实验，消除了因节假日、季节性的影响
科学性：科学流量分配，将相似用户均匀分配到试验组中，实验结果具有代表性
注意：不要只看整体表现，还要区分细分场景下实验结果的偏差。
UI设计，产品新功能，页面布局，文案内容，个性化推荐，
现状分析提出假设——设定目标制定方案——设计与开发——分配流量进行测试——采集分析数据——发布新版本/改进设计方案/调整流量继续测试
1现状分析提出假设
电商网站想要提高用户转化率，即用户购买产品的数量
2设定目标制定方案
设计新页面，通过AB测试评估新旧页面的效果
3设计与开发
4 分配流量
如何分配流量？可以通过专门分量的网站实现
不影响用户体验 ：UI设计、文案调整等，均匀分配。文案1，文案2，文案3-对照组；
不确定性较强的试验 ：新功能，小流量测试，减少用户体验影响。新版本小流量，老版本大流量对照组。要保证小流量特征具有代表性，因为要将小流量推广至100%；
希望收益最大化试验 ：运营活动。活动1大流量，活动2大流量，无活动小流量对照组；
采集分析数据
python实现
数据集共有5列：
userid是用户唯一标识，需要看下是否有重复
timestamp是发生行为的时间
group分为对照组和实验组
landing_page分为新页面实验组和旧页面对照组，需要看下两者是否对应
converted有两个值true和false，true代表页面转化了，false代表页面未转化
说明试验组与对照组转化率并没有明显变化，下面进行假设检验判断这个结论的显著性
零假设：新页面-旧页面<=0
备择假设：新页面-旧页面>0
假设零假设为真，看显著性
通过中心极限定理可知，抽样分布得到的均值差符合正态分布，构建一个正态分布模型。通过找出零假设分布中大于实际差异的那部分比值，从而计算出了 p 值。 模拟样本中模拟差异值大于检测样本中观察差异值比例为90%+，也就是说p值是即新页面-旧页面<=0零假设成立的概率，由于p值远大于
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）