Skip to content

Latest commit

 

History

History
93 lines (58 loc) · 6.42 KB

测试文档.md

File metadata and controls

93 lines (58 loc) · 6.42 KB

SJTU-TES 测试文档

1. 引言

1.1 编写目的

本测试报告为SJTU-TES的测试报告,目的在于总结测试阶段的测试及分析测试结果,描述系统是否符合需求,同时对软件质量进行相关的评估,为开发者和使用者提供相关的质量数据。

1.2 系统简介

SJTU-TES (上海交通大学技术参与广场)平台。提供互动空间、复现仓库以及测试数据集便捷地搭建开发或实验环境,包括但不限于人工智能图像生成、组合优化、在线网站、网络爬虫、安全评估以及其他工具和服务。

2. 测试概要

2.1 测试内容

  1. 功能测试:直接对产品进行测试,以确保产品的功能性需求都已成功实现。包含对所有功能的正常情况以及边缘和错误条件的测试。
  2. 性能测试:对软件系统在特定负载下的响应性能进行评估。这包括了系统的承载能力和响应时间。
  3. 可靠性测试:检验软件在其生命周期内持续正常运行,不出故障的能力。
  4. 安全性测试:在于发现并识别软件中所有潜在的安全风险和漏洞。

2.2 测试目标:

  1. 验证网站链接、代码仓库链接、预训练模型链接、预训练模型链接等都可以正常访问。
  2. 确认互动空间内的复现工作可以正常运行,与预期结果一致。
  3. 确保服务器的稳定性和安全性。

2.3 测试环境与配置

  1. 数据库配置:Hugging Face提供的云存储来保存模型和数据集。依赖Hugging Face强大和可靠的基础设施。能够更便捷地访问大量的模型和数据集,而且无需担心存储空间和带宽等问题。
  2. 服务器配置:2核心CPU,16GB存储空间。

3. 功能测试

3.1 链接访问测试

平台提供的所有文献、代码仓库、预训练文件、网站主页、互动空间、数据集和复现仓库等均提供了正确的链接且可以正常跳转访问。

3.2 互动空间测试

在hugging face网站的sjtu-tes下提供了9个互动空间,可以从互动空间内提供的数据集中获取输入,每个互动空间内中根据使用说明提供输入,可以获得相应问题的输出,同时可以将输入和输出保存到本地。互动空间的测试视频保存在 awesome-sjtu-tes-demo 仓库

3.3 复现仓库测试

每个复现的代码仓库的介绍中给出了用户本地运行的具体步骤,主要包括创建虚拟Python环境、导入相关依赖库和文件运行三个步骤。经过测试每个提供的复现代码仓库均可以通过以上步骤正常运行。

4 性能测试

4.1 运行响应时间测试

由于服务器配置是2核cpu,对于组合优化等轻量级服务响应即时高效。但是对于要大量计算的服务比如Deepfake,Motion等则需要相对较长的响应时间。

4.2 长时间运行和高负载测试

  1. 测试目标:验证应用在长时间连续运行和多用户同时访问的情况下,是否可以保持良好的性能,程序是否会提前退出、异常中断或出现性能退化。

  2. 测试操作:

    • 维护一个持续运行的环境,连续访问应用并进行各种操作,模拟长时间运行的实际情况。
    • 模拟多用户同时访问的情况,观察应用是否有过载问题,例如响应时间过长,服务拒绝响应等情况。
  3. 测试表现:在以上情况下,服务器可以正常响应,不会出现服务器过载或者拒绝服务的情况,响应时间也不会明显下降。

5. 可靠性测试

  1. 测试目标:验证应用是否能正确处理不合法的输入和操作,以及与服务器连接的意外丢失等问题,这些问题是否会导致服务崩溃。
  2. 测试操作:
    • 输入一系列不合法的请求或操作,例如超出限制的数据,格式错误的数据,恶意的请求等。
    • 制造网络不稳定或断开的情况,观察应用是否能妥善处理网络问题,并在连接恢复后恢复服务。
  3. 测试表现:在以上情况下程序可以正常响应,对不合法的输入和操作会给出正确提示。对于网络不稳定或者断开,重新连接时可以有效恢复服务,不会出现服务崩溃。

6. 安全性测试

  1. 使用GitHub仓库有助于维护代码的版本控制和审计追踪,同时,其内置机制(如Branch protection rules)能够保护主分支不被恶意修改。
  2. Hugging Face Spaces是一个托管Jupyter Notebooks的平台,能够提供独立隔离的计算环境,这就使得在不同的spaces之间不会相互影响,保证了每个space的安全。
  3. 所有数据通信都通过HTTPS加密传输,确保了数据在传输过程中的机密性和完整性,防止了数据被截获或篡改。
  4. 预训练模型通常是在大量数据上进行了训练和验证的,所使用的数据集通常会进行脱敏处理,因此使用预训练模型时,即使模型受到攻击,也不太可能泄露敏感信息。

7. 整体测试分析

7.1 测试分析

在对SJTU-TES进行了全面的功能、性能、可靠性和安全性测试后,我们认为SJTU-TES达到了预期的需求并且运行稳定。所有的链接可以正常访问,互动空间和复现代码仓库可以正常运行,响应速度适中。此外,服务器的稳定性和安全性都达到了我们的预期。

7.2 测试缺陷与限制

尽管系统总体表现良好,但还存在一些缺陷和限制。对于需要大量计算的任务,响应时间稍长,这可能会影响用户的使用体验。此外,虽然目前的用户数量并未对服务器造成太大负担,但如果用户数量急剧上升,现有的服务器配置可能无法满足需求。

7.3 建议

  1. 对于需要大量计算的服务,可以考虑引入更强大的计算资源,比如GPU加速服务,以提高运行速度和响应速度。
  2. 随着用户群体的扩大,应适当提升服务器的配置,保证能够响应更大的流量,确保网站的正常运行。
  3. 需要定期进行维护和更新,以便于捕捉并处理任何新出现的程序错误和安全漏洞。
  4. 在用户界面上,可能需要提供更多的使用引导和操作指南,以帮助用户更好地使用平台和服务。

7.4 总结

总的来说,SJTU-TES是一个具有广泛应用前景的平台,如果能够持续进行优化和改进,相信能够提供更优质的服务,满足更多用户的需求。