1.软件测试/测试开发丨精准化测试原理简介与实践探索
2.JaCoCo 助您毁灭线上僵尸代码 | 京东物流技术团队
3.cv方向的照片照片步态识别在gethub的gaitset源码怎么跑通呀,卡了两
4.Skywalking源码探针启动
5.程序插桩分类
6.从分析 SkyAPM-dotnet 源码学习现代 APM 探针设计理念（一）

软件测试/测试开发丨精准化测试原理简介与实践探索

       小时候大家玩过找不同游戏，两幅图对比找出差异，探针探针现在想象一面墙代表master分支代码，源码源码另一面墙是照片照片dev分支代码，dev修改了哪些、探针探针差异在哪里、源码源码互刷程序源码影响的照片照片范围，我们需要测试的探针探针范围。全面测试覆盖是源码源码理想状态，但在实际中，照片照片全面覆盖很困难。探针探针随着测试技术发展，源码源码自动化成为测试者必备技能，照片照片但自动化测试并不总能覆盖所有被测代码。探针探针黑盒测试依赖于测试人员的源码源码经验，容易出现漏测，一旦发布后出现问题，团队不得不进行修复。

       要达到精准测试，我们引入三个概念：差异化分析、调用链分析和覆盖率统计。

       差异化分析涉及到抽象语法树（AST），这是一种源代码的抽象结构表示形式。通过AST，我们能够对比代码差异，同时需要处理噪声信息，如注释、空格等，确保对比准确。JavaParser工具可以生成和操作AST，帮助我们更方便地进行代码对比。

       调用链分析关注字节码，了解Java字节码包含了类和方法的所有信息，适合使用访问者模式进行修改。ASM（字节码操纵框架）是实现调用链分析的核心技术栈，它允许我们读取和插入字节码，通过匹配和桥接，构建方法调用链。在实际应用中，我们需去除与业务分析无关的方法，聚焦核心业务逻辑。

       覆盖率统计使用jacoco工具，它依赖字节码技术。插桩技术在代码中插入监控探头，企业源码大全记录每行代码的执行情况，导出覆盖率信息。通过执行代码，探针记录信息，最终生成覆盖率报告。jacoco支持增量覆盖率统计，满足日常测试需求，通过关联接口与用例，推荐必要的测试用例，提高测试精准度。对于改动点，我们可以通过调用链路找到影响的最上层接口，推荐关联用例。跨应用调用链分析可能涉及Skywalking等工具，通过插桩监控获取应用间调用关系。

       对于测试覆盖率，我们不能仅依赖于覆盖率百分比。覆盖率高只是保障的一个维度，代码逻辑的正确性仍需测试人员自行验证。方法覆盖率是否需要达到%取决于其逻辑复杂度。我们设定一个最低阈值，并基于业务需求和历史覆盖率数据调整测试策略。通过记录和监控覆盖率趋势，确保质量可控，及时发现潜在问题。

       精准化测试强调在全面理解代码和业务的基础上，通过差异化分析、调用链分析和覆盖率统计等技术手段，实现高效、精准的测试覆盖。测试人员需要根据业务特性合理设定覆盖率目标，并持续优化测试策略，确保产品质量，提升团队效能。

JaCoCo 助您毁灭线上僵尸代码 | 京东物流技术团队

       随着业务系统的快速迭代，代码量的产出虽高，但实际被线上用户使用的代码量却常常被忽视。过量的代码不仅增加维护成本，更可能成为系统中的“僵尸代码”，消耗资源而不产生实际价值。如何准确判断代码的使用情况，进而安全地进行代码下线，成为了系统优化的linux stun源码关键。

       大部分业务系统中，线上僵尸代码的普遍存在是常态。面对这种情况，传统的方法如询问产品经理或观察接口流量，往往难以给出精确的答案。针对这一问题，引入测试覆盖率工具 Jacoco，通过代码分析来识别并优化系统代码，成为了一个有效策略。

       Jacoco 是一个测试覆盖率工具，利用 ASM 字节码增强技术在源代码中加入探针，以获取代码覆盖率信息。它通过在 Java agent 的 premain 方法中实现 ClassFileTransformer 接口，对加载的 Class 文件进行修改以增强源代码。这为识别和分析线上代码的使用情况提供了一个自动化且准确的途径。

       实现 Jacoco 的实践步骤包括引入 jar 依赖、赋能 Rest 请求、嵌入 jacocoagent、资源预留、下载覆盖文件以及分析代码等。通过这些步骤，团队可以有效识别出僵尸代码，进而进行安全的代码下线，优化系统结构。

       采用 Jacoco 进行代码分析后，京东物流技术团队在实践过程中取得了显著的成效。需求交付效率提升，需求交付周期缩短，开发阶段时长显著降低，人均需求吞吐量增加，自动化 bug 数减少，单测覆盖率提升，系统整体质量得到改善。这些成果表明，通过引入和应用 Jacoco 这样的工具，不仅能够有效识别并优化系统中的僵尸代码，还能带来整体工作效率和质量的提升。

       综上所述，Jacoco 作为一种强大的测试覆盖率工具，为识别和优化线上僵尸代码提供了可行的解决方案。通过其在京东物流技术团队中的实践，我们可以看到其在提升系统效率、减少维护成本、c 源码 投票优化代码质量方面的巨大潜力。在不断迭代的业务场景中，Jacoco 成为了推动系统优化、提升技术团队效能的重要工具。

cv方向的步态识别在gethub的gaitset源码怎么跑通呀,卡了两

       本篇文章聚焦于对GaitSet源码在GitHub上的测试流程解析。首先，深入探讨了测试部分的架构，从初始化阶段开始，测试代码与训练部分紧密相连，但存在关键差异。

       在测试阶段，重点关注的是test.py文件中的测试函数，这里与训练过程中在initialization.py的初始化环节相呼应。测试函数通过改变DataLoader中的sampler和collate_fn参数，确保测试样本的采样方式符合特定需求。具体而言，当训练阶段设置self.sample_type='all'时，测试阶段的采样策略也相应地采取全采样策略。

       测试流程继续，样本通过网络处理后，生成特征维度被记录。接下来，通过返回m变量，进入evaluation阶段，具体为evaluator.py文件。这一部分涉及到探针集（probe set）和画廊集（gallery set）的概念，详细解释可参考相关文章。最终，通过计算acc（准确率），测试阶段对rank-1准确度（包含相同视角）和rank-1准确度（不包含相同视角）进行了评估。

       至此，测试部分解析完成。对于GaitSet源码的代码开源计划已在GitHub上启动，对于入门步态识别领域的人来说，GaitSet提供了一个相当不错的起点。然而，后续将不再深入探讨GaitSet的代码细节，转而关注最新的步态识别框架OpenGait。如果在阅读GaitSet代码过程中遇到问题，鼓励通过私聊或评论方式与作者交流，作者将及时提供回复。

       若文章内容对读者有所帮助，请考虑进行一键三连操作，mbus协议源码表达支持。感谢大家的阅读与关注！

Skywalking源码探针启动

       深入SkyWalking

       SkyWalking探针是集成到目标系统中的代理或SDK库，负责收集遥测数据，包括链路追踪和性能指标。探针的实现方式基于目标系统的技术栈，尽管方式各异，但核心功能一致：收集并格式化数据，然后发送到后端。

       Skywalking Java Agent采用Java premain作为其技术方案。该方案在启动时挂载，相比以agentmain挂载的方式更为灵活，但受限于不能修改父类、接口和字段等。Skywalking Agent整体结构采用微内核设计，核心代码为apm-agent-core，负责启动、加载配置、加载插件、修改字节码、记录调用数据并发送至后端。apm-sdk-plugin模块则是特定中间件的插件，遵循Skywalking插件规范，Maven模块化集成即可。

       Skywalking的启动流程基于java-agent，核心启动方法为premain。主要步骤包括初始化配置、加载所有配置、加载插件、查找并转化插件定义为增强类、创建ByteBuddy实例、进行字节码增强、创建边缘类集合、处理跨模块类访问问题、保存修改后的字节码以及启动服务并注册关闭钩子。

       总体而言，SkyWalking探针的启动流程通过预定义的代码结构和机制，实现了高效的远程监控和性能分析，为开发人员提供了强大的工具来优化和管理复杂应用系统。

程序插桩分类

       程序插桩技术是一种通过在被测程序中插入探针来获取控制流和数据流信息的测试手段。其分类主要依据探针插入的时间点，分为目标代码插桩和源代码插桩。

       目标代码插桩是在程序运行时进行的，它依赖于对目标代码的分析，确定需要插入探针的特定位置。由于目标代码格式与操作系统相关，与特定编程语言和版本关系不大，这使得它在内存监控等应用场景中广泛应用。然而，由于目标代码缺乏完整的语法和语义信息，对代码词法语法分析的要求较高，因此在覆盖测试工具中，通常采用源代码插桩，以确保插桩的准确性和针对性。

       源代码插桩则是在编译前进行，它对源文件进行词法和语法分析，确保插桩的精确执行。这种方法能够提供高精度的插桩，针对性强。但同时，源代码插桩需要直接操作源代码，增加了工作量，并且随着编程语言和版本的变化，可能需要对插桩代码进行相应的调整。在本文中，我们将主要讨论的程序插桩形式是指源代码插桩，它在测试中的应用更为广泛和深入。

从分析 SkyAPM-dotnet 源码学习现代 APM 探针设计理念（一）

       在后端软件行业的快速变迁中，从SOA到微服务、从业务一体化到中台战略、从虚拟化到云原生，技术更新速度日新月异。这种变革背后的核心动力在于硬件发展的瓶颈，促使行业转向追求软件的规模化效益。现代后端软件工程师面临的挑战之一是如何对服务性能有全面的理解，而APM（Application Performance Monitoring）工具成为了解决这一问题的关键。

       APM的基本构成包括指标性统计、分布式追踪和日志记录。指标性统计，如服务的吞吐量、成功率、流量等，是对单个指标或数据库的分析。分布式追踪则关注一次请求的全过程，从客户端发起到服务完成，甚至涉及业务流程，如商品订购流程，追踪请求的流转轨迹。日志记录则是程序运行过程中产生的信息收集，提供实时的事件记录。

       随着技术的发展，性能监控工具的使用变得越来越普遍。早期，开发人员可能需要自己构建监控系统，但这既耗时又费力。SkyWalking等APM系统应运而生，旨在简化性能监控的实现，减少重复工作。

       在SkyWalking中，dotnet探针的设计遵循核心规范。dotnet探针主要基于DiagnosticSource实现，这提供了一种消息的生产者消费者模型，使得事件可以在任意地方被接收。微软官方库中，如HttpContext、HttpClient、SqlClient等，都预留了性能打点，以捕获关键事件。第三方库如gRPC、CAP、SmartSql也提供了同样的功能。

       开发人员可以通过适配SkyWalking，为自己的库添加性能打点，即向DiagnosticSource发送事件信息。这涉及到创建自定义采集器，监听特定事件，并将数据发送到数据中心。

       探针的核心代码在于监听消息，其关键在于DiagnosticListener，它实现了消息的监听与数据的上报。监听的事件由特定的Processor负责处理，这些Processor实现了ITracingDiagnosticProcessor接口，具体负责数据的收集与转换。

       两个有代表性的Processor示例展示了如何实现这一过程。一个针对AspNetCore请求管线，监听并收集请求相关的事件；另一个是针对System.Net下的通用httpclient，同样监听特定事件，以构建完整的请求上下文，并生成标准的tracing信息。

       通过安装SkyWalking并加入探针，后端服务的性能数据将被收集并上传至OAP平台进行分析，最终提供直观的APM信息。这一过程不仅简化了性能监控的实施，还极大地提高了数据分析的效率与准确性。建议读者亲自尝试安装SkyWalking，体验探针在实际服务中的应用。

Skywalking8.9.1源码解析<一>-Skywalking简介及系统架构解析

       Skywalking 8.9.1源码解析系列旨在深入探讨该版本的Skywalking-OAP及其探针Skywalking-java8.9.0。本文基于官方文档、博客和个人理解，对Skywalking进行简介和系统架构解析。

       Skywalking是一款强大的分布式追踪系统，提供详尽的UI界面，可通过OpenTrace官方文档了解其Trace概念。核心功能包括性能监控和分布式追踪，以帮助开发者理解和优化应用程序的性能。

       Skywalking的代码模块构建在微内核架构上，这种架构允许通过插件形式扩展核心功能，如IDEA和Eclipse的插件模式。SkyWalking Agent和OAP都采用微内核架构，利用ModuleManager管理组件和ModuleProvider，实现模块间的高效通信和功能扩展。

       在通信方面，Skywalking探针和服务器主要通过Grpc进行数据交换，考虑到性能和数据丢失风险，有人提议用Kafka替代，但官方仅支持Grpc和SSL。Skywalking UI与后端的交互采用GraphQL，尽管restful更为常见，但GraphQL提供了更灵活的数据获取方式。

       存储方面，Skywalking支持模块化存储选择，官方推荐内存数据库Es，但在线上环境中可能需要特定数据库支持。本地开发环境通常使用Mysql，生产环境将根据需求进行选择。数据库表结构会在后续文章中详细讨论。

       数据流方面，Skywalking的数据经过OAL处理后入库，OAL层的具体作用官方未明示，但可能是为了进一步处理和优化数据。本文从整体架构深入到细节，助力需求文档和开发文档的完善。

[3D游戏开发实践] Cocos Cyberpunk 源码解读-目录结构

       在深入解读Cocos Cyberpunk源码之前，首先，让我们打开scene-game-start场景，启动游戏预览，进入游戏场景。点击START按钮，游戏正式开始。漫游摄像机将带你漫游整个场景，再次点击START，可以进入游戏。

       在电脑端按ESC键或手机端点击设置按钮，查看操作说明。接下来，让我们浏览Cocos Cyberpunk项目的目录结构。在左下角的Assets窗口中，我们可以看到项目文件的分层。

       首先，animations目录中仅包含用于场景漫游的摄像机动画文件。LightFX目录存储了光照贴图，这些是光照烘焙系统自动生成的，无需手动修改。res目录是整个游戏资源的集中地，包括动画、特效、模型、shader、UI、音效等资源。

       resources目录则存放动态加载的资源，当前内容较少，随着游戏的完善，资源将会增多。scene目录包含了环境反射探针文件，与场景文件名对应的文件夹存放反射贴图。scene-development目录则包含一些用于单元测试的开发场景。

       scripts目录存放所有游戏逻辑脚本，而src目录可能包含项目开发过程中的测试文件。test目录同样是用于测试的，存放的文件与项目无关。scene目录则是游戏主场景，而scene-game-start则为游戏启动场景，进行UI逻辑初始化，并加载游戏主场景。

       自定义管线以编辑器扩展的形式存在，可将其移至项目中。管线对应自定义管线，通过在场景中新建节点并添加pipeline/graph/pipeline-graph.ts组件来查看可视化管线图。实时探针相关组件在反射探针节点上挂载，提供实时更新功能。

       反射探针节点上的ReflectionUtils脚本组件实现了实时更新探针的逻辑，适用于需要实时探针的项目。此外，Cocos Cyberpunk还实现了SphereProjection修正，使得反射更符合物体形状。

       静态遮挡剔除机制在Cocos Cyberpunk中实现，通过将可见关系预存入空间格子，渲染时直接查表获得渲染列表，极大提升效率。这一部分主要在scene场景中的static-occlusion-culling结点中处理。

       机型适配策略在Cocos Cyberpunk中实现，根据设备性能选择渲染效果，确保流畅帧率。处理了不同设备上的效果调整，包括性能开关策略、机型分档策略，主要在href-settings.ts、gpu.ts和gpu-mobiles.ts文件中实现。

       游戏逻辑方面，Cocos Cyberpunk包含完整的TPS游戏逻辑，init节点包含了特效、UI、对象池等节点，挂载的init.ts脚本组件确保游戏逻辑在主场景加载后持续运行。接下来，我们将对游戏逻辑相关源码进行深入解读。