APIAuto 2.0.0 發布,機器學習自動化測試、自動生成代碼和注釋...

2020-12-06 開源中國

更新內容

1.新增機器學習測試;

2.新增及增強各種其它功能;

3.兼容多種資料庫。

具體內容見 Releases

APIAuto

機器學習測試、自動生成代碼、自動靜態檢查、自動生成文檔與注釋等,做最先進的接口管理工具。
支持 HTTP POST 提交 JSON 參數的 API。針對 APIJSON 做了靜態檢查、生成代碼、格式化等大量優化。

特點功能

  • 自動生成接口文檔,清晰可讀永遠最新
  • 自動校驗與格式化,支持高亮和收展
  • 自動生成各種語言代碼,一鍵下載
  • 自動管理與測試接口用例,一鍵共享
  • 自動給請求JSON加注釋,一鍵切換
  • 自動保存歷史請求記錄,一鍵恢復

自動化接口測試

https://gitee.com/TommyLemon/APIAuto/blob/master/apijson/JSONResponse.js

前後對比測試 compareWithBefore

不用寫任何代碼,只需要點一下 回測測試的圖標按鈕 (左區域右上角,類似刷新的圖標),就會自動測試所有測試用例(除了登錄和退出登錄),並對比每一個測試用例前後兩次請求的結果,然後給出結論:結果正確、新增欄位、缺少欄位、值改變、值類型改變、狀態碼改變等。每一個測試用例測完後都會有 左側按鈕用於顯示測試結果和切換前後的請求結果,右側按鈕用於 糾錯,中間的是下載按鈕用於下載兩次的請求,背景色用於標記接口變更的嚴重程度。如果這次的結果是對的,可以點擊 [對的,糾錯] 按鈕來上傳新的正確結果作為後續的對比標準。

機器學習測試 compareWithStandard, updateStandard

 

在 前後對比測試 的基礎上,通過 簡單統計 + 場景優化提取返回結果 Response JSON 的校驗模型,包括每一層的所有鍵值對的名稱、類型、長度、取值範圍等,它還能精準定位到數組內的數據,例如 []/7/Comment/id,原來的 前後對比測試 只能到 []。在第一次會生成校驗模型,這時就已經比前後對比測試有約 20% 的準確度提升,隨著糾錯次數增加,模型會更新地越來越精準,一般一個測試用例達到 12 次後,就會相當於高級測試工程師對每個接口根據具體的業務需求來編寫測試代碼所能達到的效果。

開啟和使用機器測試:
1.點擊右區域 第 3 個圖標按鈕(點擊查看共享),會進入測試用例界面;
2.點擊 切換機器學習的按鈕(機器學習:已關閉),會開啟機器學習;
3.點擊左區域 最右側的圖標按鈕(回歸測試)。

打開 在線工具 試試

http://apijson.org:8000/auto/

還可以看 視頻演示 

https://i.youku.com/i/UNTg1NzI1MjQ4MA==/videos?spm=a2hzp.8244740.0.0

總結

以前編寫測試代碼來實現自動化測試,解決手動測試的繁瑣、無聊、易出錯;

APIAuto 的自動化接口回歸測試連代碼都不用寫了,點點按鈕就能完成整個自動化測試過程。

不僅能節約大量的測試代碼開發成本,省去接口測試與接口開發人員的溝通時間,避免各種原來導致的誤會、爭吵等;

還能通過每次改動代碼後跑一遍測試,及時且提前(在同事、領導、用戶發現前)發現 bug,

減少後續發現甚至在線上發生問題導致大量損失的風險。

https://gitee.com/TommyLemon/APIAuto

相關焦點

  • uliweb_apijson 0.1.2 發布,自動化接口和文檔 Python 實現
    -0.1.2 更新內容: 新增自動化權限管理,支持 UNKNOWN, LOGIN, OWNER, ADMIN 4 種角色; 新增自動化數據和結構校驗,支持 ADD, DISALLOW, NECESSARY 3 中操作方法; 新增條件 與或非 組合方式的關鍵詞 @expr,例如 "@expr":[["username$","
  • 自動化接口和文檔 APIJSON 3.0.0 發布
    APIJSON 3.0.0 更新內容:新增Function,啟動時自檢;join等功能兼容PostgreSQL
  • 調包俠神器2.0發布,Python機器學習模型搭建只需要幾行代碼
    蕭簫 發自 凹非寺量子位 報導 | 公眾號 QbitAIPython開源機器學習建模庫PyCaret,剛剛發布了2.0版本。這款堪稱「調包俠神器」的模型訓練工具包,幾行代碼就能搞定模型編寫、改進和微調。從數據預處理到模型效果對比,PyCaret都能自動實現。所以,PyCaret長啥樣,2.0的版本又做了什麼改進?
  • APIJSON 3.1.0 發布,Star 超第 2 大 ORM 庫 Hibernate
    為什麼 APIJSON 從 2016 年 11 月開源後短短 2 年就超過它了呢?因為 APIJSON 是自動化的,後端不用寫代碼,就能自動解析前端傳的 JSON 參數,自動轉為 SQL 語句並連接資料庫執行,然後返回對應的 JSON 結果,期間自動校驗權限、數據、結構,自動防 SQL 注入。
  • 分離硬體和代碼、穩定 API,PyTorch Lightning 1.0.0 版本正式發布
    Lightning 能確保自動完成部分的正確性,對於核心訓練邏輯的提煉非常有優勢。今日,PyTorch Lightning 在推特宣布,1.0.0 版本現在可用了,並發布新的博客文章詳細描述了 PyTorch Lightning 的運行原理和新的 API。William Falcon 表示自己非常期待有一天,當用戶查看 GitHub 上的複雜項目時,深度學習代碼不再那麼令人望而生畏。
  • GitLab 11.0 發布,一鍵 CI/CD、自動識別 License 依賴
    而在 GitLab 11.0 中,帶來了 Auto DevOps 機制,Auto DevOps 是一個預先構建的全功能 CI/CD 管道,可自動執行整個交付流程。這使得現在交付工具鏈不僅是內置在 GitLab 中,而且還變成自動化的。用戶只需提交代碼,Auto DevOps 就可以完成交付的其它任務。目前 Auto DevOps 已經進入通用狀態(GA,Generally Available)。
  • 騰訊首個 AI 開源項目 Angel 發布 3.0 版本:邁向全棧機器學習平臺
    2018年9月,Angel 2.0 版本發布,支持千億級模型維度訓練,同時算法庫也更加豐富,首次引入了深度學習算法和圖算法。同年,Angel 加入 Linux 旗下深度學習基金會(現已更名為 LF AI 基金會(LF AI Foundation)),結合基金會成熟的運營,全面升級的 Angel 2.0 與國際開源社區繼續深入互動,致力於讓機器學習技術更易於上手研究及應用落地的目標。下面繼續看看 Angel 3.0 裡程碑版本值得關注的新特性。
  • smart-doc 1.9.7 發布,Java 零註解文檔生成工具
    smart-doc完全基於接口源碼分析來生成接口文檔,完全做到零註解侵入,你只需要按照java標準注釋編寫,smart-doc就能幫你生成一個簡易明了的markdown 或是一個像GitBook樣式的靜態html文檔。如果你已經厭倦了swagger等文檔工具的無數註解和強侵入汙染,那請擁抱smart-doc吧!
  • LayaAir 2.0 正式版發布了,重要特性全面介紹
    在這4個多月的測試期間,根據開發者的反饋,陸續推出了4個2.0 beta版本,其中修復BUG若干,2D引擎與IDE優化與新增功能37項,3D引擎與插件優化與新增功能26項。在此,也感謝大量參與測試和反饋BUG的開發者。
  • jboot 2.0.9 發布,升級分布式事務 fescar 到 seata
    同時完美支持在 idea、eclipse 下多 maven 模塊,對java代碼、html、css、js 等資源文件進行熱加載,爽爽的開發。這個版本的發布,最大的變化是升級了 Fescar 到 Seata 最新版本,由於 Fescar 和 Seata 的包名修改,倘若您在使用 Jboot 的過程中,調用到了 Fescar 底層的 API,需要自行切換為 Seata。
  • APIJSON 3.4.9 發布,已入選碼雲最具價值項目 - OSCHINA - 中文...
    自動生成封裝請求JSON的Android與iOS代碼、一鍵下載自動生成的JavaBean自動保存請求記錄、自動生成接口文檔一鍵自動接口回歸測試,不需要寫任何代碼(註解、注釋等全都不要)對於前端 不用再向後端催接口、求文檔 數據和結構完全定製,要啥有啥 看請求知結果,所求即所得 可一次獲取任何數據、任何結構
  • 機器學習算法基礎(使用Python代碼)
    介紹谷歌的自動駕駛汽車和機器人受到了很多媒體的關注,但該公司真正的未來是在機器學習領域,這種技術能使計算機變得更聰明,更個性化。-Eric Schmidt(Google董事長)我們可能生活在人類歷史上最具決定性的時期。從大型的電腦主機到個人電腦再到雲計算的時代。
  • zuihou-admin-boot 2.4 發布,SaaS 腳手架 - OSCHINA - 中文開源...
    新增批量替換項目名&包名&前綴的Shells腳本(支持Linux&Mac)2. 錄製了完整的項目講解視頻教程3. 優化代碼若干 & 刪除無用代碼和注釋掉的代碼若干 & 完善代碼注釋若干4.
  • 與TensorFlow 功能互補的騰訊 angel 發布 3.0 :高效處理千億級別...
    新版本功能特性覆蓋了機器學習的各個階段,包括:特徵工程、模型訓練、超參數調節和模型服務。自 2017 年 angel1.0 在 Github 上開源以來,angel 共獲得星標數超過 4200、fork 數超 1000。騰訊發布了相關文章介紹了 angel3.0 更新細節等內容,雷鋒網(公眾號:雷鋒網) AI 開發者將其整理編輯如下。
  • 輸入示例,自動生成代碼:TensorFlow官方工具TF-Coder已開源
    那麼,除了直接對張量操縱進行編碼以外,如果僅通過一個說明性示例進行演示,就能自動獲取相應的代碼呢?這個想法聽起來很誘人,而 TensorFlow Coder(TF-Coder)使這成為可能!TF-Coder:通過示例進行 TensorFlow 編程假如你想將包含 M 個元素的向量(下例中指『rows』)和包含 N 個元素的向量(下例中指『cols』)依次進行相加,生成一個包含所有成對和的 M x N 矩陣。
  • 亞馬遜 re:Invent 邀您玩轉人工智慧和機器學習
    屆時,您將獲得來自 Amazon Web Services (AWS) 專家以及眾多 AWS 客戶的大量資訊,包括來自體育、金融、零售、自動駕駛、製造等行業的 NASCAR、Intuit、麥當勞、Mobileye、NFL 以及西門子能源等等。為了幫助大家為今年的盛會做好攻略,我們整理出這份亞馬遜 re:Invent 2020 大會人工智慧與機器學習領域的發布要點。
  • 獨家 | 機器學習中的四種分類任務(附代碼)
    分別是二分類、多類別分類、多標籤分類、不平衡分類,並提供了實戰代碼。 標籤:機器學習機器學習是一個研究領域,其涉及到從示例中學習的算法。分類是一項需要使用機器學習算法去學習如何根據問題域為示例分配類標籤的任務。一個簡單易懂的例子是將電子郵件分為「垃圾郵件」或「非垃圾郵件」。在機器學習中,你可能會遇到許多不同類型的分類任務,並且每種模型都會使用專門的建模方法。
  • Java 時間工具包 xk-time 3.0.1 發布,中國工作日計算問題修復
    4.代碼優化,增加注釋和文檔等。詳細使用可以查看相關測試代碼。詳細使用可以查看相關測試代碼。4.日曆工具類 CalendarUtil包括:(1)生成指定時間的日曆(包含年、月和日層級關係的日曆)方法,generateCalendar* 比如generateCalendar(int year, int month) 生成指定年月的日曆。
  • ML.NET 0.7 發布,微軟開源的跨平臺機器學習框架
    微軟發布了 ML.NET 0.7,此版本側重於為基於推薦的機器學習任務提供更好的支持,主要實現了異常檢測、增強了機器學習 pipeline 的可定製性,並且支持在 x86 應用程式中使用等。
  • Spring Boot 2.2.0 發布,性能提升、支持 Java 13
    Spring Boot 2.2.0 正式發布了,可從 repo.spring.io 或是 Maven Central 獲取。