Web面试题(一)
一:以前公司的测试流程?
(1)问题分析
面试官主要为了考察候选者对软件测试流程的理解和掌握程度。
(2)核心答案讲解
1)需求分析与评审
2)编写测试计划与测试方案
A)测试计划
-
范围与目标
-
角色与职责
-
资源与进度
-
风险与对应
-
输入输出标准
B)测试方案 -
工具
-
环境
-
方法或策略
3)设计测试用例与评审 -
等价类
-
边界值
-
判定表
-
因果图
-
正交法
-
流程图
-
错误推测法
4)执行用例与缺陷跟踪
5)编写测试报告 -
测试概要
-
缺陷测试分析
-
测试结论
二:简述C/S模式和B/S模式的区别?
(1)核心问题的讲解
C/S:客户端/服务器,C/S 架构是一种典型的两层架构,其客户端包含一个或者多个在用户的电脑上运行的程序,而服务器端有两种,一种是数据库服务端,客户端通过数据库连接访问服务器端的数据;另一种是socket服务器端,服务器端的程序是通过Socket与客户端的程序通信。
B/S:浏览器/服务器,浏览器也就是web 浏览器如微软发Internet Explorer、Safar等随着Internet技术的兴起,对C/S架构的改进,为了区别于传统的C/S模式。特意称为B/S模式。在这种模式,极少的逻辑是在前端实现,和DB端构形成三层结构,这样在极大的程度上就减轻了客户端。
简单的来说B/S 只需要有操作系统和浏览器就行,可以实现跨平台,客户端零维护,但是个性化能力比较低,响应速度较慢,C/S响应速度快,安全性强,一般应用于局域网中,因为要针对不同的操作系统,需要针对性的开发,并且维护成本高。
问题扩展:
B/S的优点:
分布性强,客户端零维护,浏览器,可以随时随地的进行查询、浏览等业务处理。业务扩展简单方便,通过增加网页即可以增加服务器功能。维护简单方便,只需要改变网页,即可实现所有用户的同步更新。开发简单共享性强。
B/S的缺点:
个性化特点明显降低,无法实现具有个性化的功能需求。不过随着HTML5的普及,这个缺点越来越弱化了。
客户端服务器端的交互是请求-响应模式,通常动态刷新页面,响应速度明显降低(Ajax可以一定程度上解决这个问题。)无法实现分页显示,给数据库访问造成较大的压力。
C/S的优点
能充分发挥客户端PC的处理能力,很多工作可以在客户端处理后在提交给服务器,所以CS客户端响应速度快。操作界面漂亮、形式多样,可以充分满足客户自身的个性化要求。
C/S的缺点
需要专门的客户端安装程序,分布功能弱,针对点多面广且不具备网络条件的用户群体,不能实现快速部署安装和配置,兼容性差,对于不同的开发工具,具有较大的局限性。若采用不同的工具,需要重新该写程序
三:什么是兼容性测试?兼容性测试侧重哪些方面?
答:兼容性测试主要是检查软件在不同的平台上是否可以正常运行,即是通常说的软件的可移植性。兼容的类型,如果细分的话,有平台兼容性,网络兼容性,数据库兼容性,以及数据格式的兼容性。
兼容测试的重点是:对兼容环境分析。通常是在运行软件的环境不是很明确的情况下,才需要做兼容。根据软件运行的需要,或者根据需求文档,,一般都能够得出用户会在什么环境下使用该软件,把这些环境整理成表单,就得出来做兼容测试的兼容环境了。
四:如果一个缺陷被提交后,开发人员认为不是问题,怎么处理? -
首先,将问题提交到缺陷管理库里面进行备案
-
然后,确认研发拒绝的原因,要获取判断的依据和标准
(1)根据需求说明书,产品说明,设计文档等确认实际结果是否与原计划有不一致的地方,提供缺陷是否确认的直接依据;
(2) 如果没有文档依据,可以根据类似的软件的一般特性来说明是否存在不一致的地方,来确认是否有缺陷;
(3)根据用户的一般使用习惯,来确认是否是缺陷。
(4)与设计人员、开发人员和客户代表等相关的人员探讨,是否为缺陷。 -
合理的论述,向测试经理说明自己判断的理由,注意客观、严谨、不参杂个人情绪。
-
等待测试经理做出最终的决定,如果仍然存在争议,可以通过公司政策所提供的渠道向上级反映,并由上级做出决定。
五:你用过的HTTP协议调试代理工具有哪些?请详细说明抓取https协议的设置过程?
Fiddler是一个HTTP协议调试代理工具
安装证书;Tools–Options–Https,配置允许抓取Https连接和解析Https流量,然后选择要解释的来源,点击action安装证书。
六:get和post的区别?
get的请求参数放在url中,post的请求参数放在请求体当中
get的参数在url 中,浏览器对url有长度限制,所以get的参数有大小的限制而post是没有的。
一般用get来获取数据,post来提交数据
相关文章:
Web面试题(一)
一:以前公司的测试流程? (1)问题分析 面试官主要为了考察候选者对软件测试流程的理解和掌握程度。 (2)核心答案讲解 1)需求分析与评审 2ÿ…...

【Crypto】一眼就解密
文章目录 前言一眼就解密解题感悟 前言 Basic写累了,写写别的 一眼就解密 一眼md5试一试 小小flag 拿下! 解题感悟 30秒搞定...

虚拟ECU:彻底改变汽车软件开发与测试
汽车开发领域有着垂直性较强的一系列需求,其中最为瞩目的需求之一就是对安全高效的软件测试方法的需求。传统的汽车开发偏向使用硬件原型与真实ECU进行软件测试,但由于硬件设备往往在开发周期的中后阶段才生产完成,给汽车开发带来了成本与时间…...

【SQL Server001】SQLServer2016常用函数实战总结(已更新)
1.熟悉、梳理、总结下SQL Server相关知识体系。 2.日常研发过程中使用较少,随着时间的推移,很快就忘得一干二净,所以梳理总结下,以备日常使用参考 3.欢迎批评指正,跪谢一键三连! 总结源文件资源下载地址&am…...

51单片机简单控制180度舵机
代码: 链接:https://pan.baidu.com/s/1K9dg2NwRhy49db_O_hqv-g?pwd1234 提取码:1234 一、路线 我在了解这个舵机之前最像想看到的是一个完全的路径。 比如我想学习b站上那个智能门锁,那就得每个模块的基本代码都会才能结合各…...
PCL 常用小知识
文章目录 一、时间计算二、实现类似`pcl::PointCloud::Ptr`和`pcl::PointCloud`的两个类相互转换三、查找点云的x,y,z的极值四、知道需要保存点的索引,从原点云中拷贝点到新点云五、从点云里删除和添加点六、对点云进行全局或局部变换七、链接两个点云字段(两点云大小必须相…...
rbd块设备数据IO流程(client端)
一、rbd内核驱动写入流程 1)初始化 首先是rbd驱动的初始化工作:包括验证libceph的兼容性,分配内存,在sysfs中创建块设备控制文件、创建工作队列rbd_wq并调用INIT_WORK初始化它 module_init(rbd_init); static int __init rbd_i…...
数据仓库、数据中台、大数据平台之间的关系
数据行业经常会出现数据仓库、数据中台、大数据平台等概念,容易产生疑问,它们中间是相等,还是包含的关系? 数据中台和数据仓库概念的关系 数据中台概念是包含数据仓库的,数据仓库是数据中台中的一部分,包含…...

python写页面自动截图
from selenium import webdriver def take_screenshot(url, file_path):driver webdriver.Chrome()driver.get(url)driver.save_screenshot(file_path)driver.quit() if __name__ __main__:take_screenshot(http://baidu.com, D:\桌面\wang.png)要安装selenium还要安装google…...

【Qt 学习笔记】Qt常用控件 | 布局管理器 | 空白项Spacer
博客主页:Duck Bro 博客主页系列专栏:Qt 专栏关注博主,后期持续更新系列文章如果有错误感谢请大家批评指出,及时修改感谢大家点赞👍收藏⭐评论✍ Qt常用控件 | 布局管理器 | 添加空白Spacer 文章编号:Qt 学…...

es问题汇总--待完善
1. 查询某个索引库中数据总量 方式一: CountRequest 鄙人喜欢这种方式 public long getTotalNum(String indexName) throws IOException {CountRequest countRequest new CountRequest(indexName);// 如果需要,你可以在这里添加查询条件// countReques…...
python 线性回归模型
教材链接-3.2. 线性回归的从零开始实现 c实现 该博客仅用于记录一下自己的代码,可与c实现作为对照 from d2l import torch as d2l import torch import random # nn是神经网络的缩写 from torch import nn from torch.utils import data# 加载训练数据 # 加载训…...
pcl::transformPointCloud()用法及注意事项
函数用法 #include <pcl/common/transforms.h> pcl::transformPointCloud(const pcl::PointCloud<PointT> &cloud_in, pcl::PointCloud<PointT> &cloud_out, const Eigen::Matrix4f &transform) 其中cloud_in, cloud_out的类型为pcl::PointClo…...

图像超分辨率重建相关概念、评价指标、数据集、模型
1、图像超分辨率概念 1.1 基本定义 超分辨率(Super-Resolution),简称超分(SR)。是指利用光学及其相关光学知识,根据已知图像信息恢复图像细节和其他数据信息的过程,简单来说就是增大图像的分辨…...
中移物联OneMO Cat.1模组推动联网POS规模应用
在第三方支付蓬勃发展和消费模式不断革新的时代背景下,新型联网POS终端以其智能化、便捷化的特点丰富人们生活便利度。在这一变革浪潮中,中移物联OneMO Cat.1模组ML307R凭借其卓越的性能和成本效益,成为推动联网POS规模应用的重要力量。 性能…...
二.常见算法--贪心算法
(1)单源点最短路径问题 问题描述: 给定一个图,任取其中一个节点为固定的起点,求从起点到任意节点的最短路径距离。 例如: 思路与关键点: 以下代码中涉及到宏INT_MAX,存在于<limits.h>中…...

LabVIEW高温往复摩擦测试系统中PID控制
在LabVIEW开发高温往复摩擦测试系统中实现PID控制,需要注意以下几个方面: 1. 系统建模与参数确定 物理模型建立: 首先,需要了解被控对象的物理特性,包括热惯性、摩擦系数等。这些特性决定了系统的响应速度和稳定性。实验数据获取…...
配置yum源
以下是在 Linux 系统中配置新的 yum 源的一般步骤和命令示例(以 CentOS 系统为例): 备份原有 yum 源配置文件:mv /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo.bak 创建新的 yum 源配置文件(…...
深入理解数仓开发(二)数据技术篇之数据同步
1、数据同步 数据同步我们之前在数仓当中使用了多种工具,比如使用 Flume 将日志文件从服务器采集到 Kafka,再通过 Flume 将 Kafka 中的数据采集到 HDFS。使用 MaxWell 实时监听 MySQL 的 binlog 日志,并将采集到的变更日志(json 格…...

MPNet:旋转机械轻量化故障诊断模型详解python代码复现
目录 一、问题背景与挑战 二、MPNet核心架构 2.1 多分支特征融合模块(MBFM) 2.2 残差注意力金字塔模块(RAPM) 2.2.1 空间金字塔注意力(SPA) 2.2.2 金字塔残差块(PRBlock) 2.3 分类器设计 三、关键技术突破 3.1 多尺度特征融合 3.2 轻量化设计策略 3.3 抗噪声…...
将对透视变换后的图像使用Otsu进行阈值化,来分离黑色和白色像素。这句话中的Otsu是什么意思?
Otsu 是一种自动阈值化方法,用于将图像分割为前景和背景。它通过最小化图像的类内方差或等价地最大化类间方差来选择最佳阈值。这种方法特别适用于图像的二值化处理,能够自动确定一个阈值,将图像中的像素分为黑色和白色两类。 Otsu 方法的原…...

相机从app启动流程
一、流程框架图 二、具体流程分析 1、得到cameralist和对应的静态信息 目录如下: 重点代码分析: 启动相机前,先要通过getCameraIdList获取camera的个数以及id,然后可以通过getCameraCharacteristics获取对应id camera的capabilities(静态信息)进行一些openCamera前的…...

《基于Apache Flink的流处理》笔记
思维导图 1-3 章 4-7章 8-11 章 参考资料 源码: https://github.com/streaming-with-flink 博客 https://flink.apache.org/bloghttps://www.ververica.com/blog 聚会及会议 https://flink-forward.orghttps://www.meetup.com/topics/apache-flink https://n…...

华为云Flexus+DeepSeek征文|DeepSeek-V3/R1 商用服务开通全流程与本地部署搭建
华为云FlexusDeepSeek征文|DeepSeek-V3/R1 商用服务开通全流程与本地部署搭建 前言 如今大模型其性能出色,华为云 ModelArts Studio_MaaS大模型即服务平台华为云内置了大模型,能助力我们轻松驾驭 DeepSeek-V3/R1,本文中将分享如何…...

推荐 github 项目:GeminiImageApp(图片生成方向,可以做一定的素材)
推荐 github 项目:GeminiImageApp(图片生成方向,可以做一定的素材) 这个项目能干嘛? 使用 gemini 2.0 的 api 和 google 其他的 api 来做衍生处理 简化和优化了文生图和图生图的行为(我的最主要) 并且有一些目标检测和切割(我用不到) 视频和 imagefx 因为没 a…...
大数据治理的常见方式
大数据治理的常见方式 大数据治理是确保数据质量、安全性和可用性的系统性方法,以下是几种常见的治理方式: 1. 数据质量管理 核心方法: 数据校验:建立数据校验规则(格式、范围、一致性等)数据清洗&…...

解析“道作为序位生成器”的核心原理
解析“道作为序位生成器”的核心原理 以下完整展开道函数的零点调控机制,重点解析"道作为序位生成器"的核心原理与实现框架: 一、道函数的零点调控机制 1. 道作为序位生成器 道在认知坐标系$(x_{\text{物}}, y_{\text{意}}, z_{\text{文}}…...

JUC并发编程(二)Monitor/自旋/轻量级/锁膨胀/wait/notify/锁消除
目录 一 基础 1 概念 2 卖票问题 3 转账问题 二 锁机制与优化策略 0 Monitor 1 轻量级锁 2 锁膨胀 3 自旋 4 偏向锁 5 锁消除 6 wait /notify 7 sleep与wait的对比 8 join原理 一 基础 1 概念 临界区 一段代码块内如果存在对共享资源的多线程读写操作…...
Shell 解释器 bash 和 dash 区别
bash 和 dash 都是 Unix/Linux 系统中的 Shell 解释器,但它们在功能、语法和性能上有显著区别。以下是它们的详细对比: 1. 基本区别 特性bash (Bourne-Again SHell)dash (Debian Almquist SHell)来源G…...