一、手工测试为什么不可替代手工测试是不可替代的，因为人是具有很强只能判断能力的，而工具是相对机械缺乏思维能力的东西工具是人开发出来的二、手工测试不可替代的表现测试用例的设计：需要tester有经验和对错误的猜测能力界面测试用户体验测试正确性的检查：人们对是非的判断和逻辑推理的能力三、什么时候适用自动化测试可重复地，不知疲倦地运动，对于数据能精确的大批量的比较的回归测试自动化测试适合在机械化的执行和比较中使用四、不宜使用自动化测试的情况周期短并且一次性的项目
系统 2019-08-12 09:27:07 2244
此文主要讲述用Java编写Selenium自动化测试脚本编写过程中，对下拉列表框Select的操作。下拉列表是WebUI自动化测试过程中使用率非常高的，通常有两种形式的下拉列表，一种是Select的下拉列表，此种操作的时候比较简单，定位到元素后直接操作即可；还有的下拉列表是以多个div+js+input的形式实现，input用于存储选择的项的value值；当然也会有其他方式实现的下拉列表。希望能对初学Selenium2WebUI自动化测试编程的亲们有所帮助
系统 2019-08-12 09:26:42 2244
在SQL中调用动态链接库中的函数代码示例：ALTERPROCEDUREdbo.StoredProcedure2/*(@parameter1datatype=defaultvalue,@parameter2datatypeOUTPUT)*/AS/*SETNOCOUNTON*/declare@ErrorCodeint--//错误码declare@objectint--//令牌declare@Sourcevarchar(255)--//返回错误信息declare
系统 2019-08-12 01:55:38 2244
1.pk数据库表分为实体表和关系表。实体表是用来描述在domain(领域模型)里确实存在的实体（人、财、物、时间、空间）及实体元素发生的活动（转移）。实体表的pk一般由系统自动生成（SYS_GUID()和sequence）。关系表是用来描述两张实体表之间的多对多关系，关系表的pk一般是两张实体表pk的联合，此pk同时具有uk的功能，所以关系表不用再建uk。--查询pk缺失的表selecttable_namefromuser_tablestwherenote
系统 2019-08-12 01:54:44 2244
ViewCode1#include2#include3#include4#defineMax100105#definemax(a,b)(((a)>(b))?(a):(b))6usingnamespacestd;7charch[Max];8intd[Max];9intdp(inti)10{11intk,ans=1;12if(d[i]!=-1)13returnd[i];14for(k=i-1;k>=0;k-
系统 2019-08-12 01:54:35 2244
存储过程setANSI_NULLSONsetQUOTED_IDENTIFIERONgoALTERproc[dbo].[memberproductInsert]@Namevarchar(50),@TypeIDvarchar(50),@KeyWordnvarchar(40),@Picturenvarchar(100),@Detailtext,@AddDatedatetime,@Pricefloat,@UserIDint,@Verifyint,@Sortint,
系统 2019-08-12 01:54:15 2244
代码usingSystem;usingSystem.Data;usingSystem.Configuration;usingSystem.Web;usingSystem.Web.Security;usingSystem.Web.UI;usingSystem.Web.UI.HtmlControls;usingSystem.Web.UI.WebControls;usingSystem.Web.UI.WebControls.WebParts;usingSyste
系统 2019-08-12 01:52:14 2244
基于行版本控制的隔离级别通过消除读取操作的锁来改善读取并发。MicrosoftSQLServer引入了两个使用行版本控制的事务隔离级别：READ_COMMITTED_SNAPSHOT数据库选项为ON时，启用使用行版本控制的已提交读隔离的新实现。ALLOW_SNAPSHOT_ISOLATION数据库选项为ON时，启用的新的快照隔离级别。对于大多数应用程序，建议应用使用行版本控制的已提交读隔离，而不要应用快照隔离，原因如下：已提交读隔离比快照隔离占用的temp
系统 2019-08-12 01:34:03 2244
在数据分析领域，最热门的莫过于Python和R语言，此前有一篇文章《别老扯什么Hadoop了，你的数据根本不够大》指出：只有在超过5TB数据量的规模下，Hadoop才是一个合理的技术选择。这次拿到近亿条日志数据，千万级数据已经是关系型数据库的查询分析瓶颈，之前使用过Hadoop对大量文本进行分类，这次决定采用Python来处理数据：硬件环境CPU：3.5GHzIntelCorei7内存：32GBHDDR31600MHz硬盘：3TBFusionDrive数据
系统 2019-09-27 17:57:15 2243
前言：学习了吴恩达机器学习线性回归部分内容后，再结合很多优秀博客总结，搬运出来的干货。1、原理2、单变量线性回归数据准备：https://blog.csdn.net/Carl_changxin/article/details/100824723，第一列当作人口Population，第二列当作收益Profite实现技术：梯度下降实现目标：（1）作原始数据散点图（2）作线性回归模型折线图（3）根据模型预测一些数据（4）作代价函数随迭代次数增加而变化的折线图；会
系统 2019-09-27 17:56:52 2243
