Zhaoxiguangnian es una marca comercial editorial y de investigación y desarrollo de juegos para usuarios y desarrolladores globales que se compromete a servir a jugadores de todo el mundo y ayudarlos a jugar y crear juntos en un increíble mundo virtual.
Durante el proceso de desarrollo de juegos, la automatización de juegos siempre ha sido un proyecto difícil de llevar a cabo, que incluye específicamente la construcción de nivel medio de bastidores de salas de computadoras, programación de equipos, marcos de software y ajustes de algoritmos. En escenarios complejos, la cooperación de los También se requiere el proyecto del juego en sí.
Las ideas de trabajo centrales de la práctica de pruebas de automatización de juegos de Zhaoxiguangnian son la descomposición de la capacidad de automatización, la evaluación de la capacidad de automatización, la madurez de la automatización y el panorama de las pruebas de automatización.
Después de varios años de práctica de pruebas, la automatización se utiliza actualmente en algunos requisitos de pruebas de compatibilidad, pruebas de estabilidad, pruebas de rendimiento, pruebas de localización multilingüe y regresión funcional. Este artículo se centrará en compartir la descomposición de las capacidades de automatización en los últimos años. evaluación de capacidades, madurez de la automatización, panorama de las pruebas de automatización y otros cuatro aspectos de la práctica, con la esperanza de proporcionar ideas para el desarrollo del trabajo de automatización en la industria y dar algo de inspiración a los estudiantes que estén interesados en la dirección de la industria de los juegos/pruebas de automatización de juegos.
Esquema de contenido:
-
Descomposición de la capacidad de automatización
-
Evaluación de capacidad automatizada
-
madurez de la automatización
-
Panorama de las pruebas automatizadas
Descomposición de la capacidad de automatización
Las capacidades de automatización se pueden descomponer en dos partes: conducción y detección. Cada parte puede corresponder a múltiples subcapacidades. La combinación de varias subcapacidades en conducción y detección forma un escenario de aplicación de automatización. Dividir esta idea en partes favorece la rápida implementación del trabajo de automatización.
Evaluación de capacidad automatizada
La tasa de recuperación también se denomina tasa de recuperación y la tasa de precisión también se denomina tasa de precisión. En términos generales, la tasa de recuperación y la tasa de precisión no pueden tener ambas, lo que da como resultado que se centren diferentes indicadores en diferentes escenarios.
madurez de la automatización
Según "Automated Software Testing" de Elfriede Dustin et al ., la madurez de las pruebas de automatización de juegos se encuentra generalmente en L2.
L2: Automatización incidental
no esencial, incidental
Las omisiones de regresión se reducen significativamente y los costos de mantenimiento de los casos de uso son altos
- Los casos de uso automatizados se utilizan principalmente como cobertura de regresión y las omisiones de regresión se reducen significativamente.
- Los casos de uso de automatización tienen baja modularidad y altos costos de reutilización y mantenimiento.
Cobertura jerárquica de acciones, centrándose en la regresión central establecida en el estándar de cuasi salida
- La redacción de casos de uso automatizados se centra principalmente en la cobertura jerárquica de acciones y la regresión central establecida en el estándar.
- Cobertura completa de la automatización de la interfaz a nivel de escena, incluida la cobertura de automatización de la interfaz de usuario para escenas más estables.
- El mantenimiento de los casos de uso se basa principalmente en la complementación manual y se requiere una codificación humana especial para volver al conjunto de casos de uso automatizados.
Implementación de un mecanismo de doble operación para dar cobertura a las devoluciones
- La automatización implementa mecanismos de operación dual: activación de tuberías y activación de mantenimiento programado fuera de línea.
- La automatización tiene como objetivo principal volver a los puntos estancados y el tiempo de ejecución es corto. Hay un efecto inicial sobre los puntos estancados de la regresión y las omisiones de la regresión se reducen significativamente.
Entornos de pruebas manuales y automatizados compartidos
- Existe un entorno de prueba, donde se comparten casos de uso automatizados y pruebas manuales, hay interferencia de datos y el entorno es relativamente inestable. Más del 50% de las fallas en los casos de uso de automatización se deben a razones ambientales.
- La implementación y las actualizaciones de los entornos de prueba se realizan principalmente de forma manual.
Los datos de prueba y el código están estrechamente vinculados
No existe la posibilidad de separar el código automatizado y los datos de prueba. La lógica de verificación y los datos de prueba están acoplados. Incluso si la lógica de verificación es la misma pero los datos de prueba son diferentes, aún es necesario codificar una gran cantidad de casos de uso redundantes.
Medido, no exhaustivo; sin análisis de datos
- Se han establecido algunos indicadores de medición automatizados, pero no son exhaustivos y no pueden compararse horizontalmente.
- Los problemas descubiertos por la automatización se registrarán, pero el proceso automatizado y los datos de los resultados no se recopilarán ni analizarán.
Gestión de versiones de casos de uso, respaldada por herramientas de codificación
- Existen plataformas de herramientas que admiten la codificación automatizada de casos de uso.
- Los casos de uso se pueden versionar y gestionar.
- Falta de soporte completo para el marco de pruebas, alto costo de codificación de casos de uso y curva de aprendizaje pronunciada.
Específicamente, se utiliza principalmente en los dos escenarios siguientes:
-
Escenarios que son difíciles de cubrir incluso con pruebas manuales, en este momento se presta más atención a indicadores de problemas efectivos y los falsos positivos son aceptables.
-
Puede reemplazar los escenarios de pruebas manuales, pero puede garantizar una tasa de recuperación del 100 %, lo que permite falsos positivos, y el costo general puede ser menor que el de las pruebas manuales.
Panorama de las pruebas automatizadas
Después de que se publicaron los resultados de la investigación de las pruebas de automatización de juegos, se obtuvieron buenos resultados en tres aspectos: capacidad de conducción general, capacidad de detección general y mejora de la eficiencia de las pruebas.
Capacidades de unidad universal
El progreso relativamente innovador en términos de capacidades de conducción generales es la coincidencia de UI estática, la coincidencia de UI dinámica y la compatibilidad de automatización. La coincidencia estática de la interfaz de usuario a menudo encuentra que un conjunto de materiales no puede coincidir bien con la interfaz de usuario en dispositivos con diferentes resoluciones, y la cantidad de cambios de tamaño es demasiado, lo que a menudo resulta en coincidencias faltantes o incorrectas.
Por ejemplo, si encuentra la interfaz de usuario "aceptar", la primera imagen es una captura de pantalla de la interfaz de usuario de destino (con una resolución de 2400*1080) y la segunda imagen es una captura de pantalla del juego (con una resolución de 960*540). ).
Luego, la prueba automatizada puede realizar el uso del teléfono móvil de mayor resolución para tomar capturas de pantalla de la interfaz de usuario de destino, dar prioridad a la coincidencia de puntos de características y mejorar la similitud de coincidencia. Después del esquema mejorado, la similitud de las imágenes comparadas alcanzó 0,928.
Proceso tradicional de reconocimiento de imágenes:
Utilice el proceso de uso del modelo de prueba de automatización de juegos:
Capacidades generales de detección
Implica principalmente dos aspectos: prueba de imágenes de aprendizaje profundo y detección de imágenes de detección de grupos.
Prueba de imagen de aprendizaje profundo:
Aunque la capacidad de identificar controles o detectar problemas mediante el entrenamiento de aprendizaje profundo no puede reemplazar completamente el trabajo manual, puede lograr buenos resultados en escenarios de prueba que requieren menos precisión en el proceso, como pruebas de estabilidad (monos inteligentes) y pruebas de proyectos de cola larga para Operaciones estables, espera.
Capacidad 1: Detección anormal de pantallas con formas especiales (identificación de control)
Habilidad 2: Detección de bloques de color
Habilidad 3: Detección de pantalla borrosa
Habilidad 4: Supercuadro de texto
Habilidad 5: Superposición de texto
Habilidad 6: Idioma de traducción incorrecto
Detección de imágenes de filtrado de clústeres:
Se encuentra que los efectos de los recursos artísticos son diferentes en diferentes modelos. Si es necesario probar cada modelo, la carga de trabajo sin duda será enorme y no es adecuado para casos de prueba de compatibilidad manual, por lo que es necesario diseñar un sistema automatizado. Plan de prueba de recursos para probar diferentes modelos Recursos artísticos de escenas de juego en el modelo, interceptando combinaciones de modelo + escena con rendimiento incorrecto.
Realice capturas de pantalla del juego y guárdelas según la interfaz del juego. Agrupe dispositivos del mismo grado y resolución similar, compare capturas de pantalla del mismo número de escena en el mismo grupo y realice análisis de agrupamiento automático basándose en el conocimiento de que "los problemas de compatibilidad generalmente ocurren en modelos no mayoritarios", para interceptar problemas capturas de pantalla.
Mejorar la eficiencia de las pruebas
Está dirigido principalmente a la anotación de aprendizaje profundo y la grabación de material de prueba.
Anotación de aprendizaje profundo: proporciona capacidades de anotación de imágenes visuales a través de herramientas, proporciona métodos unificados de entrada, anotación y salida para capacidades de automatización basadas en imágenes, mejora la eficiencia humana y reduce las tasas de error.
Grabación de material de prueba: utilice la herramienta de grabación de material para tomar capturas de pantalla rápidamente de la interfaz del juego y determinar el área de coincidencia de la interfaz de usuario, el retorno de la inversión y el método de operación, de modo que los estudiantes de pruebas de negocios puedan realizar pruebas de ejecución automatizadas sin conocer el marco de automatización.
Este es el final de este número sobre el intercambio de tecnología. Damos la bienvenida a más estudiantes que aman los juegos y la tecnología para que se unan a nosotros. Estamos comprometidos a ayudar a los jugadores a jugar y crear juntos en el increíble mundo virtual. Trabajemos juntos para crear un año luz de juegos. . !