EvoMaster 开源项目使用教程
2024-10-10 07:31:08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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
268
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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