软件测试面试题(5)——二面(游戏测试)
没想到测试题做完等了会儿就安排面试了,还以为自己会直接挂在测试题,这次面试很刺激。测试题总体来说不算太难,主要是实操写Bug那里真没经历过,所以写的很混乱。
我复盘一下这次面试的问题,这次面试是有两个面试官,在测试方面,一个是感觉我没有明白他是要问我对应什么答案的问题,导致我不明白回答他什么,当然主要我感觉是我测试基础知识不扎实的原因。不过这几次面试下来,我感觉测试的实操不难,主要是你得清楚流程并且在每一个部分都描述的清晰准确。面试我的是两个人,一个是QA另一个估计是项目负责人或者开发。主要我目前搜索没有查询到过测试的具体实操流程,都是一些很笼统的理论知识。
1、首先这家很侧重实操
你就算没有进行过实操(我目前就属于这种情况),也要对测试进行的操作有一个设想和比较具体的方法内容。我在回答的时候比较混乱,无论过没过这都是一次面试经验,我目前理出来的一个流程大概是这样的:
首先是测试环境,不论测什么,你要准备好测试需要的设备材料。(比如说一种材料,操作文档,包括了测试的目的方法步骤注意事项等关键信息)
其次,明确测试的目的和标准。清楚的知道自己要测什么以及什么样的结果算是怎么样算是测试成功。(比如软件测试,就是软件在各种预设场景下都能稳定运行,没有出现崩溃、错误提示或功能异常,所有功能都符合设计要求,响应时间在可接受范围内等等)
接着开始测试,按照具体步骤和程序操作,在测试记录中记录下任何观察到的现象和数据。怎样记录呢?用测试软件和表格文档,描述现象并记录数据,要进行编号标记和备份。
完成测试后,分析测试结果。将其与预期结果相比较,找出任何差异和需要改进的地方。
最后,把整个测试结果和过程记录下来,供日后参考。
2、问的问题很深很细
我们学校有软件测试这个课程,并且是必修课,这一点面试官问了我很多遍,并且另一个面试官还问我这门主修课是否有实操过程,但是我们这里纯理论课。还问到我们这门课的作业是怎么布置的,布置的内容是什么?这个我是真忘记了,只能说布置的也都是一些理论,黑盒白盒什么的。后面下来之后我想起来,这门课的老师特别爱在上课叫我们回答问题,并且有加分,和最后的课程考核相关,所以我也经常在课上回答问题。布置的作业我比较有印象的就是做决策表之类的还有各种覆盖。
决策表是一种工具,通常用来设计测试用例,决策表通常由条件桩(Conditions)、条件项(Condition Alternatives)、动作桩(Actions)和动作项(Action Entries)4部分组成。决策表是一种黑盒测试设计技术。动态白盒测试——逻辑覆盖测试法(就是我们常说的:语句覆盖、判定覆盖(分支覆盖)、条件覆盖、判定-条件覆盖、条件组合覆盖、路径覆盖六种。)语句覆盖要求设计足够多的测试用例,运行被测程序,使得程序中每条语句至少被执行一次。判定覆盖,又称”分支覆盖“;要求设计足够多的测试用例,运行被测程序,使得程序中每个判断的”真“和”假“都至少被执行一次。条件覆盖要求设计足够多的测试用例,运行被测程序,使得判定中的每个条件获得各种可能的结果;即每个条件至少有一次为真,有一次为假。路径覆盖要求设计足够的测试用例,运行被测程序,覆盖程序中所有可能的路径。覆盖能力最强的是路径覆盖,最弱的是条件覆盖。
测试的方法有什么?这个问题我当时一时没想到回答什么,说来说去说的是单元测试系统测试那些,这次我一定会记清。方法通常是等价类划分、流程分析法、边界值分析、判定表、案例说明、因果图、正交试验、状态迁移。详细参考:软件测试常用的七大方法_测试方法-CSDN博客
3、问到了Unitu3D相关的一些问题,也挺细的
因为我们学校也有这门必修课,之前跟着书上和自己上网查做了挺多不同种类的小游戏,当时做的还挺好的,现在都忘的差不多了。问到了我做的一个射击游戏,让我讲一下,后面还问了这个敌人是怎么做的,子弹打中敌人怎么实现的,子弹没打中怎么办呢。我就大概说了一下,只记得就是给敌人做一个触发,使得子弹打中敌人后敌人消失,玩家就可以获得积分,在一定时间内达到一定积分后获得游戏胜利。把敌人做成了一个预制体,可以随机生成出现多个敌人。子弹没打中敌人就会飘向远方,又问我是无线飘向远方还是怎样呢,我回答是有边界,就是到达地图城市的边界就会消失。还问了我C#脚本编写这里用了什么方法和函数,这个是真不记得了,当时也是根据书上和网上搜索敲的。可能是看到我测试题的英语作文,不过那个确实是乱写,写的我想当一个游戏设计师,感觉写起来比较容易也和游戏公司相符合,不过其实游戏设计师也挺好的。
4、游戏方面
问了你最近玩的游戏碰到的一些Bug,你觉得应该怎么解决它已达到一个什么样的效果,怎么他样去汇报这个Bug呢,我讲了最近玩一个小程序游戏的,现在想想我当时应该当场打开演示一下,刚好我最近玩的那个游戏作者还在开发中,每天都会更新,所以也有很多Bug。
还有就是问到了你玩的最久的游戏是什么,我回答的是王者荣耀,还问了段位,我是刚上王者,问了游戏位置,还问了是自己打上这个段位的吗。我确实比较喜欢单排,偶尔跟朋友一起玩的话,一半时间是我带别人,1/4是别人带我,1/4是相差不大。自我感觉我在玩各种游戏上还是挺有天赋的。不过近一两年几乎没有玩游戏了,一个是学校课程多,我还有各种活动参加,还有就是面临考研就业,就没有关注这方面的信息了。
问到了对他们公司的了解,我之前有查过,但是查到的都挺片面的,我就记得参与了一个我玩过游戏的角色的皮肤制作,又问我是哪个角色,你玩过这个角色这个皮肤吗,这个不清楚,这个有些人物名真的很难记,毕竟都是西方名。
————————————
这次面试进行蛮久的,近一个小时,问的都挺全面细致的,还有一点就是每次面试官问你还有什么问题我除了问面试结果就有点不知道问什么了,毕竟实习生你也不需要谈薪酬结构之类的,基本问题HR也都有沟通到。这里我又想了几点,实习岗位的日常职责大概是什么?我参与什么类型的测试项目呢?团队的人员结构?面试结果?是否有转正机会?(我面的这家是短期实习2-3个月,没有转正机会,内部人员饱和没有这个职位的空缺)
相关文章:
软件测试面试题(5)——二面(游戏测试)
没想到测试题做完等了会儿就安排面试了,还以为自己会直接挂在测试题,这次面试很刺激。测试题总体来说不算太难,主要是实操写Bug那里真没经历过,所以写的很混乱。 我复盘一下这次面试的问题,这次面试是有两个面试官&…...
C#基于SkiaSharp实现印章管理(8)
上一章虽然增加了按路径绘制文本,支持按矩形、圆形、椭圆等路径,但测试时发现通过调整尺寸、偏移量等方式不是很好控制文本的位置。相对而言,使用弧线路径,通过弧线起始角度及弧线角度控制文本位置更简单。同时基于路径绘制文本时…...
信通院发布首个《大模型媒体生产与处理》标准,阿里云智能媒体服务作为业界首家“卓越级”通过
中国信通院近期正式发布《大模型驱动的媒体生产与处理》标准,阿里云智能媒体服务,以“首批首家”通过卓越级评估,并在9大模块50余项测评中表现为“满分”。 当下,AI大模型的快速发展带动了爆发式的海量AI运用,这其中&a…...
AI学习指南深度学习篇-Adam的Python实践
AI学习指南深度学习篇-Adam的Python实践 在深度学习领域,优化算法是影响模型性能的关键因素之一。Adam(Adaptive Moment Estimation)是一种广泛使用的优化算法,因其在多种问题上均表现优异而被广泛使用。本文将深入探讨Adam优化器…...
08_React redux
React redux 一、理解1、学习文档2、redux 是什么吗3、什么情况下需要使用 redux4、redux 工作流程5、react-redux 模型图 二、redux 的三个核心概念1、action2、reducer3、store 三、redux 的核心 API1、getState()2、dispatch() 四、使用 redux 编写应用1、求和案例\_redux 精…...
2024华为杯研究生数学建模竞赛(研赛)选题建议+初步分析
难度:DE<C<F,开放度:CDE>F。 华为专项的题目(A、B题)暂不进行选题分析,不太建议大多数同学选择,对自己专业技能有很大自信的可以选择华为专项的题目。后续会直接更新A、B题思路&#…...
001.从0开始实现线性回归(pytorch)
000动手从0实现线性回归 0. 背景介绍 我们构造一个简单的人工训练数据集,它可以使我们能够直观比较学到的参数和真实的模型参数的区别。 设训练数据集样本数为1000,输入个数(特征数)为2。给定随机生成的批量样本特征 X∈R10002 …...
Relations Prediction for Knowledge Graph Completion using Large Language Models
文章目录 题目摘要简介相关工作方法论实验结论局限性未来工作 题目 使用大型语言模型进行知识图谱补全的关系预测 论文地址:https://arxiv.org/pdf/2405.02738 项目地址: https://github.com/yao8839836/kg-llm 摘要 知识图谱已被广泛用于以结构化格式表…...
2024年中国研究生数学建模竞赛D题思路代码分析——大数据驱动的地理综合问题
地理系统是自然、人文多要素综合作用的复杂巨系统[1-2],地理学家常用地理综合的方式对地理系统进行主导特征的表达[3]。如以三大阶梯概括中国的地形特征,以秦岭—淮河一线和其它地理区划的方式揭示中国气温、降水、植被、土壤及生态环境在水平和垂直方向…...
全国31省对外开放程度、经济发展水平、政府干预程度指标数据(2000-2022年)
旨在分析2000-2022年间中国31个省份的对外开放程度、经济发展水平和政府干预程度,探讨其背后的动因与影响。 2000年-2022年 全国31省对外开放程度、经济发展水平、政府干预程度指标数据https://download.csdn.net/download/2401_84585615/89478612 数据概览 对外…...
计算机网络传输层---课后综合题
线路:TCP报文下放到物理层传输。 TCP报文段中,“序号”长度为32bit,为了让序列号不会循环,则最多能传输2^32B的数据,则最多能传输:2^32/1500B个报文 结果: 吞吐率一个周期内传输的数据/周期时间…...
【homebrew安装】踩坑爬坑教程
homebrew官网,有安装教程提示,但是在实际安装时,由于待下载的包的尺寸过大,本地git缓存尺寸、超时时间的限制,会报如下错误: error: RPC failed; curl 92 HTTP/2 stream 5 was not closed cleanly…...
反游戏学(Reludology):概念、历史、现状与展望?(豆包AI版)
李升伟 以下是关于“反游戏学(Reludology):概念、历史、现状与展望”的综述: 一、概念 反游戏学(Reludology)是一个相对较新且不太常见的概念,目前尚未有统一明确的定义。一般来说…...
【C/C++语言系列】实现单例模式
1.单例模式概念 定义:单例模式是一种常见的设计模式,它可以保证系统中一个类只有一个实例,而且该实例易于外界访问(一个类一个对象,共享这个对象)。 条件: 只有1个对象易于外界访问共享这个对…...
A. Make All Equal
time limit per test 1 second memory limit per test 256 megabytes You are given a cyclic array a1,a2,…,ana1,a2,…,an. You can perform the following operation on aa at most n−1n−1 times: Let mm be the current size of aa, you can choose any two adjac…...
业务安全治理
业务安全治理 1.账号安全撞库账户盗用 2.爬虫与反爬虫3.API网关防护4.钓鱼与反制钓鱼发现钓鱼处置 5.大数据风控风控介绍 1.账号安全 撞库 撞库分为垂直撞库和水平撞库两种,垂直撞库是对一个账号使用多个不同的密码进行尝试,可以理解为暴力破解&#x…...
HelpLook VS GitBook,在线文档管理工具对比
在线文档管理工具在当今时代非常重要。随着数字化时代的到来,人们越来越依赖于电子文档来存储、共享和管理信息。无论是与团队合作还是与客户分享,人们都可以轻松地共享文档链接或通过设置权限来控制访问。在线文档管理工具的出现大大提高了工作效率和协…...
docker面经
docker面经在线链接 docker面经在线链接🔗: (https://h03yz7idw7.feishu.cn/wiki/N3CVwO3kMifLypkJqnic9wNynKh)...
Python 中的 Kombu 类库
Kombu 是一个用于 Python 的消息队列库,提供了高效、灵活的消息传递机制。它是 Celery 的核心组件之一,但也可以单独使用。Kombu 支持多种消息代理(如 RabbitMQ、Redis、Amazon SQS 等),并提供了消息生产者和消费者的功…...
safepoint是什么?有什么用?
在JVM中,safepoint(安全点)是一个非常重要的概念,特别是在垃圾回收(GC)和其他需要暂停所有应用线程的操作中。 什么是safepoint Safepoint是JVM执行过程中一个特定的位置,在这个位置上&#x…...
(二)TensorRT-LLM | 模型导出(v0.20.0rc3)
0. 概述 上一节 对安装和使用有个基本介绍。根据这个 issue 的描述,后续 TensorRT-LLM 团队可能更专注于更新和维护 pytorch backend。但 tensorrt backend 作为先前一直开发的工作,其中包含了大量可以学习的地方。本文主要看看它导出模型的部分&#x…...
C++.OpenGL (10/64)基础光照(Basic Lighting)
基础光照(Basic Lighting) 冯氏光照模型(Phong Lighting Model) #mermaid-svg-GLdskXwWINxNGHso {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-GLdskXwWINxNGHso .error-icon{fill:#552222;}#mermaid-svg-GLd…...
Spring AI 入门:Java 开发者的生成式 AI 实践之路
一、Spring AI 简介 在人工智能技术快速迭代的今天,Spring AI 作为 Spring 生态系统的新生力量,正在成为 Java 开发者拥抱生成式 AI 的最佳选择。该框架通过模块化设计实现了与主流 AI 服务(如 OpenAI、Anthropic)的无缝对接&…...
实现弹窗随键盘上移居中
实现弹窗随键盘上移的核心思路 在Android中,可以通过监听键盘的显示和隐藏事件,动态调整弹窗的位置。关键点在于获取键盘高度,并计算剩余屏幕空间以重新定位弹窗。 // 在Activity或Fragment中设置键盘监听 val rootView findViewById<V…...
在WSL2的Ubuntu镜像中安装Docker
Docker官网链接: https://docs.docker.com/engine/install/ubuntu/ 1、运行以下命令卸载所有冲突的软件包: for pkg in docker.io docker-doc docker-compose docker-compose-v2 podman-docker containerd runc; do sudo apt-get remove $pkg; done2、设置Docker…...
SpringAI实战:ChatModel智能对话全解
一、引言:Spring AI 与 Chat Model 的核心价值 🚀 在 Java 生态中集成大模型能力,Spring AI 提供了高效的解决方案 🤖。其中 Chat Model 作为核心交互组件,通过标准化接口简化了与大语言模型(LLM࿰…...
从物理机到云原生:全面解析计算虚拟化技术的演进与应用
前言:我的虚拟化技术探索之旅 我最早接触"虚拟机"的概念是从Java开始的——JVM(Java Virtual Machine)让"一次编写,到处运行"成为可能。这个软件层面的虚拟化让我着迷,但直到后来接触VMware和Doc…...
Java 与 MySQL 性能优化:MySQL 慢 SQL 诊断与分析方法详解
文章目录 一、开启慢查询日志,定位耗时SQL1.1 查看慢查询日志是否开启1.2 临时开启慢查询日志1.3 永久开启慢查询日志1.4 分析慢查询日志 二、使用EXPLAIN分析SQL执行计划2.1 EXPLAIN的基本使用2.2 EXPLAIN分析案例2.3 根据EXPLAIN结果优化SQL 三、使用SHOW PROFILE…...
RLHF vs RLVR:对齐学习中的两种强化方式详解
在语言模型对齐(alignment)中,强化学习(RL)是一种重要的策略。而其中两种典型形式——RLHF(Reinforcement Learning with Human Feedback) 与 RLVR(Reinforcement Learning with Ver…...
【汇编逆向系列】六、函数调用包含多个参数之多个整型-参数压栈顺序,rcx,rdx,r8,r9寄存器
从本章节开始,进入到函数有多个参数的情况,前面几个章节中介绍了整型和浮点型使用了不同的寄存器在进行函数传参,ECX是整型的第一个参数的寄存器,那么多个参数的情况下函数如何传参,下面展开介绍参数为整型时候的几种情…...
