devops测试
在我们即将结束2017年的时候，是时候准备好明年移动，跨浏览器测试和DevOps领域中的预期。
为了对这篇文章进行分类，我将趋势划分为以下几个类别（可能还有一些要点，但是我认为以下是最重要的）
- 类固醇的DevOps和测试自动化将成为数字赢家的关键
- 人工智能（AI）和机器学习（ML）/工具对齐是整个管道中更智能测试的一部分
- 物联网和数字化转型进入黄金时期
类固醇的DevOps和自动化
如果在2017年，我们已经看到了更多敏捷方法的广泛采用，ATDD，BDD和组织将遗留工具抛在后面，而支持更快，更可靠和敏捷的测试工具，从而无论它们是否适合所有连续测试工作，由Dev，BA，Test或Ops完成。
在2018年，我们将看到上述内容进一步扩大，其中更多的手动和旧版工具技能将转变为更现代的技能。 持续测试（CT），持续集成（CI）和DevOps的增长也将转化为更短的发布节奏，成为通向真正持续交付（CD）的桥梁
与此相关的是，为了适应DevOps和CT趋势，工程师需要更深入地了解移动方面的工具，如Espresso，XCUITest，Earl Gray和Appium，以及诸如Web的开源网络框架。无头的Google项目，称为Puppeteer，Protractor和其他基于Web驱动程序的框架。
此外，随着UX方面变得越来越重要，优化测试自动化套件以包括更多的API和非功能测试。
左右移动许多测试不是新趋势，新要求或嗡嗡声–我对这种做法的重要性一无所知–您可以越早地进行自动化和覆盖，整个团队越容易解决问题，在项目生命周期中发生的回归和意外事件。
AI，ML和更智能的测试自动化
虽然许多供应商都在寻找可以优化其测试自动化套件并缩短其在“正确”平台上的总体执行时间的工具，但AI和ML（或深度学习）这两个术语对于许多工具供应商而言仍不明确，在不同的角度使用，并不总是意味着AI或ML＆＃55357;＆＃56898;
此类解决方案的最终目标非常明确，而且它要解决的问题是真实的–>在大量移动设备，台式机浏览器，IOT设备等上的漫长测试周期会生成大量数据进行分析，结果，它会降低DevOps引擎的速度。 可以通过整个测试代码进行爬网的高效机制和工具，了解哪些测试是最有价值的测试，以及由于客户使用情况或问题的历史记录等原因而在哪些平台上进行测试最关键的，可以清楚地解决此类难题。
这种工具的另一个角度或目标是不断提供更可靠，更快的测试代码生成。 编码需要时间，需要技巧，并且在不同平台上会有所不同。 拥有一个“正常工作”的ML / AI工具，它可以扫描被测应用程序并生成可靠的页面对象模型，并且可以在所有平台上运行的功能性测试代码以及对UI更改的“响应”可以真正加速TTM适用于许多组织，使团队将精力集中在重要的SDLC活动上，而不是迫使Dev和Test在测试代码维护上花费宝贵的时间。
物联网与数字化转型
2017年，谷歌，苹果，亚马逊和其他技术巨头宣布了很少涉及数字互动的创新。 仅举几例，更好的数字支付，更好的数字电视，AR和VR开发API以及通过Face ID进行的新安全身份验证。 今年， 物联网并未显示出巨大的飞跃，但是，我注意到的是，对于医疗保健和零售等特定行业，物联网开始在其数字用户参与度和数字战略中发挥关键作用。
我相信，在2018年，整个数字市场将迎来更高级的浪潮，其中Android和Apple TV，IOT设备，智能手表和其他数字接口在行业中将变得更加标准化，要求企业重新思考和重新思考。 -建立他们的整个测试实验室以适合这些新设备。
这种趋势还将迫使测试工程师适应新平台并重新设计其测试框架，以一种或几种脚本的形式支持更多此类屏幕。
我的同事Amir Rozenberg最近提出了一些专门针对医疗保健垂直行业进行物联网测试的见解-建议阅读以下幻灯片
https://www.slideshare.net/AmirRozenberg/starwest-2017-iot-testing/
底线
不要立即更改您今天所做的任何事情，而是要验证您现在拥有的东西是否已为将来做好准备，并且可以承受如上所述的在不久的将来发生的事情。
如果您的组织中已经在实践DevOps，那就很好–确保可以扩展DevOps，缩短发布时间，增加测试和平台自动化的覆盖范围，并通过更智能的技术优化整个管道。
AI和ML的嗡嗡声确实正在发生，但是，市场需要正确定义将这些内容引入SDLC的含义，以及如果他们确实考虑利用这些内容，将会取得什么样的成功。 从景观的角度来看，这些工具尚未成熟，可以在黄金时段使用，因此留出了更多时间为它们做好准备。
祝大家2018年新年快乐。
devops测试