物联网终端设备测试系统及测试方法

技术领域

本发明涉及物联网终端测试技术领域，特别是一种物联网终端设备测试系统及测试方法。

背景技术

随着5G时代的到来，万物互联成为了可能，智能物联网行业也迎来了新的发展机遇，该行业具有的一个显著特点是软件和硬件终端的结合，最终成型产品的测试需要软件和硬件终端结合进行测试。尤其像智慧城市，智慧家庭类项目需要大量硬件终端支撑测试的场景，项目在上市应用之前为了防止出现异常或者其他问题，影响客户的体验感，需要对研发的产品进行测试。该测试涉及到大量的物联网硬件终端，需要耗费大量的人力和精力来对各个硬件设备进行逐一测试。

针对物联网终端设备的测试，常用的测试方法为:首先，开发人员将修改后的模块打包上传到服务器中，将新的模块重新整合形成新的版本。然后由开发人员将新版本的下载路径发给测试人员，测试人员下载新版本的固件，并将终端设备升级成新的版本。在确认版本升级完成后，需要对待测的终端设备进行重新连接，最后通过手动进行新更新版本的基本功能测试。

在现有的技术中，物联网设备的自动化测试方案最终都需要依托测试人员手动的进行产品的冒烟测试，不仅要耗费大量的人力和时间来验证产品的稳定性，测试人员的专业技能高低也会影响最终产品的测试结果。同时测试人员无法根据软件的真实的运行状态选择合适的测试方式，从而导致软件的测试缺少针对性，这些都会造成产品的测试的效率降低，测试结果不准备，测试周期长，耗费的人力多等问题。

可见，现有的技术方案不能有效地进行物联网智慧终端设备的测试，智慧终端设备的测试结果只能依靠测试人员对测试数据进行评估和开展测试，导致终端设备的测试不够智能化，测试效率低，测试结果不准确，测试周期长等问题。

发明内容

为解决现有技术中存在的问题，本发明的目的是提供一种物联网终端设备测试系统及测试方法，本发明用AI和大数据可以将产品的测试过程智能化、自动化，还可以进行远程控制，利用大数据保证测试的多样性和针对性，利用人工智能可以更智能的模拟真实的运行和使用场景，由此可以保证测试结果的准确性，有效地解决目前手动进行产品测试效率低下，测试结果不够准确的问题。

为实现上述目的，本发明采用的技术方案是：一种物联网终端设备测试系统，包括：

数据云模块：用于存储测试过程中产生的所有数据，并将数据存储到云端，对大量的测试数据进行分析，接受AI人工智能模块的数据调用请求，并在测试结束后发送测试报告；

AI人工智能模块：用于接收来自数据云的数据，并根据数据的结果有针对性的选择测试方案，模拟更接近实际使用场景的方案选型，同时在版本快速迭代升级下，实时对更新和升级指定的版本进行测试；

配置模块：用于配置测试方案，存储初始化的配置信息，从配置模块中选择初始测试方案选型，所述配置信息包括测试框架，脚本语言，持续集成平台，以及框架所需的底层框架；

接收指令模块：用于接收开发或测试人员的配置指令和修改指令的各种指令参数。

作为本发明的进一步改进，所述数据云模块具体用于：

对上传的数据进行分类，针对每个测试的物联网终端设备或者模块的测试数据进行单独的存储，并将分类后的数据存储到数据服务集群中；实时响应来自AI人工智能模块的数据请求；根据AI人工智能模块的数据请求从数据服务集群中调用对应的数据；AI人工智能模块反馈的测试结果，向测试人员反馈测试数据和测试结果。

作为本发明的进一步改进，所述AI人工智能模块具体用于：

接收测试请求，获取所有的已有测试数据；

根据用户预期的测试目标和已有的测试数据，建立预期测试目标模型；

根据建立好的预期测试目标模型，自动对所有待测试的物联网终端设备建立全面的测试场景；

对所有的物联网终端设备开始执行场景测试，并实时监控测试数据，根据与其建立的目标模型进行对比；

判定针对每个测试场景下，对应的物联网终端设备或者功能模块是否都达到预期模型的预期值；

未达到预期值的物联网终端设备，根据已有的数据规划回归验证测试，确定待测物联网终端设备的问题点；

向对应的开发人员和管理人员反馈问题及建议的解决方案；

对测试的数据进行分析，存储到数据云。

作为本发明的进一步改进，所述数据云模块具体包括：数据存储单元、数据分类单元、数据写入单元、数据处理单元、数据调用单元和结果发送单元。

作为本发明的进一步改进，所述测试框架包括Macaca、Appium、Seienium和Robotiumd；所述脚本语言包括java、Python、Js和PHP；所述持续集成平台包括PC端、Android和ios；所述底层框架包括Wekit、instrumentation和XCUIText。

本发明还提供了一种物联网终端设备测试方法，采用如上所述的物联网终端设备测试系统，所述的测试方法包括以下步骤：

步骤1、开发人员远程或者在可视设备启动测试配置命令；

步骤2、根据选择的配置信息形成配置的方案选型，所述配置信息包括测试框架，脚本语言，持续集成平台，以及框架所需的底层框架；

步骤3、将方案选型配置到待测试的物联网终端设备，进行初始化；

步骤4、对待测试的物联网终端设备进行版本检测，判断是否需要进行版本的更新，若需要进行版本的更新，需从数据云获取新的版本并自动更新到物联网终端设备中；

步骤5、根据开发需求选择测试的场景，不同的场景对应不同的测试方案；

步骤6、选择是否需要为测试方案开启定时任务；

步骤7、为测试方案选择测试的时间，确定测试开始；

步骤8、测试结束后，输出测试的报告，存储测试数据。

作为本发明的进一步改进，在步骤4中，还包括待测试的物联网终端设备进行版本更新后对其进行回归测试，具体包括：

人工智能模块从数据云读取以前版本的测试结果，并根据测试结果为物联网终端设备配置不同的测试场景；根据人工智能模块设置的测试场景，启动测试任务；在测试过程中，所产生的所有测试数据都是被数据云实时收集、存储、并进行分析后的数据；同时将测试结果形成报告输出。

本发明的有益效果是：

本发明中，开发或者测试人员远程或者在终端设备可视界面启动测试指令，从数据云中选择配置不同的测试方案选型，人工智能模块可根据建立的测试预期目标模型和数据云的实时测试结果进行比对，进一步展开更多的冒烟测试和回归测试，能模拟真实的不同场景下的测试环境，保证了大量终端设备测试的自动化，智能化，测试的场景更具有多样性和针对性，同时解决了由人工手动测试带来的测试结果不够全面准确的问题，使得终端设备的测试更为高效。

附图说明

图1为本发明实施例中测试系统的结构框图；

图2为本发明实施例中数据云模块的功能流程图；

图3为本发明实施例中AI人工智能模块的功能流程图；

图4为本发明实施例中数据云模块的结构框图；

图5为本发明实施例中测试方法的流程图；

图6为本发明实施例中对物联网终端设备进行回归测试的流程图。

具体实施方式

下面结合附图对本发明的实施例进行详细说明。

实施例

如图1所示，一种物联网终端设备测试系统，包括数据云模块、AI人工智能模块、配置模块、接收指令模块；

数据云模块：用于存储测试过程中产生的所有数据，并将数据存储到云端，对大量的测试数据进行分析，接受AI人工智能模块的数据调用请求，并在测试结束后发送测试报告；

AI人工智能模块可以接收来自数据云的数据，并根据数据的结果有针对性的测试方案，模拟更接近实际使用场景的方案选型，同时还可以在版本快速迭代升级下，实时更新和升级指定的版本进行测试，省去人工手动升级设备的反繁琐操作。使得测试工作更加的智能高效；

配置模块用于配置测试方案，存储了一些初始化的配置信息，从配置模块中选择初始测试方案选型，包括测试框架，脚本语言，持续集成平台，以及框架所需的底层框架；测试框架包括Macaca，Appium，Seienium，Robotiumd等；支持的平台可包括PC端，Android，ios等；脚本语言包括java，Python，Js，PHP等；底层框架包括Wekit，instrumentation，XCUIText等；通过配置模块可以选择不同的测试方案和模型。配置模块解决了不同机型的脚本兼容性问题，同时统一的配置模块解决了配置信息维护成本高的问题；

接收指令模块：用于接收开发或测试人员的配置指令，修改指令等各种指令参数。

如图2所示，所述数据云模块具体用于：

数据云对上传的数据进行分类，针对每个测试的物联网终端设备或者模块的测试数据进行单独的存储，并将分类后的数据存储到数据服务集群中；

实时响应来自AI人工智能模块的数据请求；

根据AI人工智能模块的数据请求从数据服务集群中调用对应的数据；

AI人工智能模块反馈的测试结果，向测试人员反馈测试数据和测试结果。

如图3所示，所述AI人工智能模块具体用于：

接收测试请求，获取所有的已有测试数据；

根据用户预期的测试目标和已有的测试数据，建立预期测试目标模型；

根据建立好的预期测试目标模型，自动对所有待测试的物联网终端设备建立全面的测试场景；

对所有的物联网终端设备开始执行场景测试，并实时监控测试数据，根据与其建立的目标模型进行对比；

判定针对每个测试场景下，对应的物联网终端设备或者功能模块是否都达到预期模型的预期值；

未达到预期值的物联网终端设备，根据已有的数据规划回归验证测试，确定待测物联网终端设备的问题点；

向对应的开发人员和管理人员反馈问题及建议的解决方案；

对测试的数据进行分析，存储到数据云。

如图4所示，所述数据云模块具体包括：数据存储单元、数据分类单元、数据写入单元、数据处理单元、数据调用单元和结果发送单元。

本实施例还提供一种物联网终端设备测试方法，采用如上所述的物联网终端设备测试系统，所述的测试方法包括以下步骤：

步骤1、开发人员远程或者在可视设备启动测试配置命令：

启动配置命令可通过设备的可视化界面进行配置，也可通过云云对接轻联接入第三方设备，通过连接的第三方设备进行远程控制。

步骤2、根据选择的配置信息形成配置的方案选型：

所述的配置信息中包括测试框架，脚本语言，持续集成平台，以及框架所需的底层框架等。测试框架包括Macaca，Appium，Seienium，Robotiumd等，支持的平台可包括PC端，Android，ios等，脚本语言包括java，Python，Js，PHP等。底层框架包括Wekit，instrumentation，XCUIText等。开发人员通过配置模块可以选择不同的测试方案和模型。

步骤3、方案选型需要配置到测试的终端设备，进行初始化：

配置好的方案选型进一步配置到终端设备，进行测试环境的初始化工作。

步骤4、对待测终端设备进行版本检测；选择是否需要进行版本的更新：

在开发过程中，会有不同版本的迭代升级，对应的终端设备也需要进行版本的升级，在测试启动前可以检测现有的所有的版本，并选择对应的版本进行测试。

步骤5、若需要进行版本升级，需要从数据云获取新的版本并自动更新到设备中：

现有版本升级，可以从数据云获取研发人员上传的更新版本，自动更新到待测终端设备中，并自动重新连接待测终端设备。

步骤6、根据开发需求选择测试的场景，不同的场景对应不同的测试方案：

针对用户画像和用户不同的使用需求，可以选择不同的测试场景。人工智能模块可以从已有的测试数据中智能识别出有针对性的测试场景，可选择不同的场景下对应的测试方案。

步骤7、选择是否需要为测试方案开启定时任务：

在多台智能终端设备测试过程中，为防止没有统一的调度、造成设备资源浪费，以及脚本执行时间不定，造成设备分散无法协调资源的问题，可以在测试开始前在数据云中搭建云测小屋集群，抽象设备池、实现对设备的集中管理。使用人工智能模块的定时模块，来为自动化任务配置执行时间。

步骤8、为测试方案选择测试的时间：

可以为每个设备设定测试的执行时间和结束时间。

步骤9、确定测试开始：

步骤10、测试结束后，输出测试的报告，存储测试数据：

在测试过程中，所产生的所有测试数据都是被数据云实施收集，存储，并进行分析后的数据，测试结果会返回到AI人工智能模块，AI人工智能模块会根据测试结果自动的为设备的后续测试进一步的调整测试方案和数据。同时测试结果也会形成报告输出，输出的报告格式包括JASON文件，邮件，Html文件等格式。

如图6所示，在步骤4中，还包括待测试的物联网终端设备进行版本更新后对其进行回归测试，具体包括：

人工智能模块可从数据云获取研发人员上传的更新版本，并自动更新到待测终端设备中，并自动重新连接待测终端设备。

版本升级后需要进行回归测试，人工智能模块从数据云读取以前版本的测试结果，并根据测试结果为智能终端设备配置不同的测试场景。

根据人工智能模块设置的测试场景，启动测试任务。

在测试过程中，所产生的所有测试数据都是被数据云实时收集，存储，并进行分析后的数据。同时测试结果也会形成报告输出。

以上所述实施例仅表达了本发明的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。