DEVOPSdigest

DevOps的未來是光明的,機會利用前沿的人工智能(AI)和機器學習(ML)應用程序采用這些技術隻會進一步增強。最近,Tricentis與Techstrong合作小組調查了超過2600個世界各地的DevOps人員檢查人工智能被杠杆如何跨各種DevOps實踐。在受訪者,大多數受訪者表示,他們已經看到偉大的結果從AI-powered DevOps實踐——一個正確方向的一步向釋放艾未未的最大潛力:測試。

在調查中,近70%的受訪者稱,人工智能將會最影響DevOps的測試。在過去,測試開發團隊一直重複的痛苦點。體積的數據需要執行這些結果需要規模自動化複雜性和困難,測試需要一個解決方案來跟上DevOps人員需要什麼。現在有了更大的人工智能功能,測試人員可以更好地識別風險,加快編寫測試,修複破碎的測試速度。

人工智能提高自動化測試如何

軟件測試操作功能,程序使用戶能夠正確執行任務,或非功能性,應用程序是安全的,快速和穩定。如上所述,受訪者的調查是最興奮的使用人工智能在功能測試與單元測試和界麵測試選擇next。

由於功能測試的許多細微差別,AI將在如此複雜的環境中茁壯成長。功能測試是開放式的,大量的測試場景的變化必須為了牧師發生適當的測試覆蓋率。在這方麵,人工智能可以用來管理這些需求,同時提供新的見解與數據。此外,人工智能可以幫助國旗生產中確定信號,可能不是一個非AI-infused測試環境。

除了功能測試,調查顯示受訪者在UI測試的人工智能也有巨大的希望。測試人員知道如何集中這種類型的測試,因為它仍然是一個手動過程。艾未未的最大資產這種測試,它可以模擬最終用戶和通過自動化的行為,AI-powered應用程序可以調整變化和實時的細微差別。與自動化插入到測試環境,也提高了構建過程通過增加重複性任務的效率,進而提高效率。

采用增高DevOps實踐測試自動化

如果你是一個組織,已經到達了一個臨界點意義開始將增高測試自動化集成到DevOps實踐,從業者在哪裏開始?在我看來,它開始於大局。為了成功地整合這些做法,你必須確定你想關注的具體用例。這是一個更大的業務問題嗎?重要的是要記住AI和毫升可以添加業務價值,但他們不會解決所有問題在軟件的生命周期。

成功識別你的目標和可量化的指標後,組織應該關注他們可以利用自動化的地區,特別是在重複測試,如回歸和單元測試。我看到許多組織開始實施持續集成和交付。一旦一個組織需要這些步驟,它將開始積累大量緩存的結果和工件產生運行測試用例,我AI可以提高測試穩定性和識別重複的問題。自動化的越多,你越能培養AI /毫升模型並得到更快和更準確的結果。

實際上增高測試自動化是什麼樣子嗎?

考慮任何組織,擁有20個應用程序來管理。這些應用程序的體積,有必要進行大規模的UI測試和測試必須保持穩定。最大的挑戰之一不斷識別與定位各種web UI測試坐在元素——大多數人開始手動基於腳本的自動化,但它是耗時的創建,以及維護。采用人工智能識別這些元素節省時間,大大減少了測試維護。

在調查中,受訪者被問到目前使用人工智能來增強他們的測試程序。接近一半是加速他們的自動化測試用例,而44%的希望他們的測試關注高危區域。測試用例維護自我修複和43%降低50%使用人工智能識別測試失敗的根源。31%的AI提供洞察測試過程改進和34%使用人工智能來幫助識別測試運行基於應用程序中更改。

人工智能在質量工程的下一步計劃是什麼?

在不久的將來,人工智能將成為極度重要,測試過程更容易。隨著工具繼續成熟,增高產品將減少需要專業技能,允許測試人員更多的參與戰略項目,沒有密集的手工工作。DevOps AI的時機已經成熟勘探與測試將成為整體發展的新實踐。