EvoMaster 开源项目使用教程
2024-10-10 04:08:42作者:宗隆裙
1. 项目介绍
EvoMaster 是一个开源的 AI 驱动的工具,专门用于自动生成系统级测试用例(也称为模糊测试),主要针对 Web 和企业应用程序。目前,EvoMaster 主要支持白盒和黑盒测试 Web API,如 REST、GraphQL 和 RPC(例如 gRPC 和 Thrift)。
EvoMaster 的核心功能包括:
- Web API 测试:支持 REST、GraphQL 和 RPC API 的测试。
- 黑盒测试模式:可以在任何 API 上运行(无论其编程语言),但结果可能不如白盒测试。
- 白盒测试模式:适用于编译到 JVM 的 API(如 Java 和 Kotlin),通过分析字节码生成更有效的测试用例。
- 多种输出格式:支持生成 Python、JavaScript、Java 和 Kotlin 等多种格式的测试用例。
2. 项目快速启动
2.1 安装 EvoMaster
EvoMaster 提供了多种安装方式,包括 Windows、OSX 和 Linux 的安装包,以及一个 uber-fat JAR 文件。以下是使用 uber-fat JAR 文件的安装步骤:
-
下载 uber-fat JAR 文件:
wget https://github.com/WebFuzzing/EvoMaster/releases/download/v1.0.0/evomaster.jar -
确保已安装 JDK 8 或更高版本:
java -version -
运行 EvoMaster:
java -jar evomaster.jar
2.2 生成测试用例
以下是一个简单的示例,展示如何使用 EvoMaster 生成测试用例:
java -jar evomaster.jar --outputFormat PYTHON_UNITTEST --targetUrl http://example.com/api
此命令将生成 Python 格式的测试用例,目标 API 为 http://example.com/api。
3. 应用案例和最佳实践
3.1 应用案例
EvoMaster 已被广泛应用于各种 Web 和企业应用程序的测试中。例如,某大型金融机构使用 EvoMaster 对其 REST API 进行自动化测试,显著提高了测试覆盖率和缺陷检测率。
3.2 最佳实践
- 初始测试:建议先使用黑盒模式进行测试,以快速了解 EvoMaster 的功能和效果。
- 长时间运行:为了获得更好的测试结果,建议将 EvoMaster 运行数小时,而不是几分钟。
- 代码覆盖率:在白盒测试模式下,EvoMaster 可以通过分析字节码来提高代码覆盖率,建议在 JVM 项目中使用。
4. 典型生态项目
EvoMaster 作为一个开源项目,与其他开源工具和项目有着紧密的联系。以下是一些典型的生态项目:
- OpenAPI/Swagger:EvoMaster 支持使用 OpenAPI/Swagger 格式的 API 文档进行测试。
- JUnit:EvoMaster 可以生成 JUnit 格式的测试用例,与 JUnit 生态系统无缝集成。
- Postman:EvoMaster 生成的测试用例可以导入到 Postman 中进行进一步的测试和调试。
通过这些生态项目的支持,EvoMaster 能够更好地满足不同场景下的测试需求。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137