智能化测试-1-智能化应用风险诊断解决方案-李乐（麒烨）.pdf

智能化应用风险诊断解决方案

讲师：李乐

诞生

•发现手段缺乏：风险未知，缺乏发现能力，不知道变更引入了问题。从根本上缺乏防控手段。

•解决方案缺乏：风险已知，但稳定性保障需要依赖各种技术手段，如何使用、如何对接、如何高效解决未知。

•合理布控缺乏：每个应用、业务的情况不同，如何能针对性布控，确保执行到位、风险闭环。

要解决系统化的全面并且自动识别的问题，首先需要将系统过程数字化，有了数字化才能支撑更全面的场景诊断、通过数据分

析辅助风险识别、全面闭环问题。

技术解决方案

•稳定性数据中心（DaaS）：建系统稳定性数据资产中心，稳定性保障过程数字化、服务化。

•智能识别：数据+算法驱动全链路/全流程质量风险自动识别能力。

•质量风险闭环：以风控的思想解决质量建模以及闭环问题，以算法优化测试策略。

描述性：过去发生了什么？确定性：正在发生什么？预测性：当下可能发生了什么？

变更态运行态

应用运行

研发阶段测试阶段灰度变更正式变更线上运行

质量风研发过程发现问题变更过程拦截问题运行过程预警问题线上问题

险闭环测试能力提升风险识别风险识别快恢定位

数据建模数据处理特征工程模型训练评估工程化部署应用场景

智能

•导入数据中心指标•归一化/线性处理•XGBOOST•CART•实时预测服务

识别•生成数据模型（SQL）•数据过滤•GBDT•One-classSVM模型服务•计算触发服务

API

•数据规范化•平滑降噪•LightGBM•Linearregression•在/离线数据回流

数据

实时/离线数据存储流计算/定时触发式计算配置化（规则引擎）服务化

中心

稳定性数据中心–数据模型

数据是机器学习解决实际问题的基础，没有正确的数据模型，无论选取什么算法模型，业务结果都不会准确。

我们关注一切影响系统稳定性的数据。稳定性数据不局限测试过程，而是包括系统在研发过程态、变更态、运维态、运行态全生命周期。

数据指标要体现稳定性价值。数据中心不能只做存储，要做指标业务管理，数据只有赋予业务含义有应用场景才有价值。

数据指标要通用且明确。稳定性数据中心指标要普适，不能局限在极小范围，比如个别应用，特殊场景。这类指标无法有效应用于算法模型。

数据源：基础研发质量运行关联质量数据变更数据

数据数据数据数据数据

数据

缺陷、自动化、场景覆盖度、分支….

建模

代码数据架构数据

数据主体：代码服务/应用中间件人