MaxCompute优化是一个多样而又重要的过程,优化过程需要能够深入理解ODPS的工作原理和内部机制,本文总结了以下几个日常优化案例,最终优化手段可能非常简单,但其中的分析过程较为重要,希望对大家有所启发。
策略是为目的/目标服务的,且策略是自带背景/特定情况的,一定要识别到背景形势的发展和变化,然后才能制定针对性的谋略、计策。 测试策略有两层背景叠加:业务大背景和项目小背景。下文提到的测试策略有时指代业务级测试策略,有时指代项目级测试策略,如果无特指强调,则是在探讨两类测试策略的共同特点。
十多年前刚从学校毕业,去了一家创业公司,在这家公司做了不少软件,可以说完成了职业发展的启蒙。 2012 年左右,互联网发展方兴未艾,开发速度和快速发布是软件开发中的第一优先级。 测试? 哪有什么测试,自己点两下没报错就行了,反正上线后用户就是公司的测试。“互联网公司不需要测试人员,用户就是测试”这是老板的原话。 没有质量部门,也没有测试人员,三五个程序员几台笔记本,就是一家互联网公司,这是当时的常态。使用的技术一般也是类似于 Cake PHP、Ruby on Rails 之类的快速开发框架。 这样的产品的质量可想而知。甚至有时候不能当作产品,只能算一种高级的玩具,使用稍微复杂的功能就能遇到大量报错。在很多年后,得知 Martin fowler 还给这类项目取了一个名字——献祭项目。
最近科技圈的两个热点,一个是微软的AI搞崩了电网,让大家担心未来电不够用;另一个是小米发布了纯电SU7,再一次掀起了人们对电动汽车的兴趣。这两件事的共同点是,都与人工智能和电密切相关,而从更深层次去探讨,后者可能还真是前者的解药。 马斯克和黄仁勋最近都提出“算力的尽头是电力”等观点,还没几天,就一语成谶:微软的算力中心搞崩了电网。 所以这是不是一个在我国也会很快发生的大问题呢?网上有很多说法,有的过于乐观,而有的又过于悲观,这里简单分析一下。
得物自动化从最开始由各域自建到质量平台统一搭建自动化测试基础服务中台发展过程,目前在质量平台的支撑下实现了全域自动化的统一管理和维护,进一步降低了自动化测试的成本同时也提高了自动化测试效率。在质量平台的支撑下如何进一步快速、高效实现自动化用例开发和维护提高ROI也是值得探索和创新的。我们都知道自动化用例的开发和维护成本一直是自动化测试领域老生常谈的话题,本次分享结合了低代码思想和Java代码模型快速的生成质量平台自动化测试用例方案与实践,主要是为了解决: 提升自动化用例开发效率 降低自动化用例维护成本 “重设计,轻实现”设计驱动
第一次听到“设计思维”是在2016年,那时我刚加入Thoughtworks。我总能在各种场合听到这个词,似乎它在Thoughtworks具有不可撼动的地位。然而,作为QA角色,我并没有机会深入了解它。 我曾感到疑惑,Thoughtworks作为一家全球性的IT咨询与服务公司,合作的客户不可胜举,有的是互联网公司,有的则是正处于数字化转型中的传统企业。客户的业务和组织形态千差万别,有的为了推动业务发展而研发新产品,有的为了推动组织变革而进行敏捷或数字化转型。然而,即使这些客户多年来在自己的业务和产品上进行了大量研究,依然存在各种无法解决的问题。那么,Thoughtworks凭什么能在短时间内深入其中,并为他们提供专业的解决方案呢? 后来,我转型从事需求分析与产品设计相关的工作,才有机会揭开其中的秘密。原来,Thoughtworks拥有许多科学创新方法,设计思维(Design Thinking)就是其中一个。通过设计思维,我们能够更深入地了解客户的需求,挖掘潜在的问题,并为他们提供专业的解决方案。