实操技巧:大数据拓客系统，客源采集、自动营销、推广引流软件

　　实操技巧:大数据拓客系统，客源采集、自动营销、推广引流软件

　　求正版--鹰眼智能客户远程演示、微信/电话

　　大数据客户推广系统分为：整合*敏*感*词*的一站式营销服务系统采集、微信自动营销、全面推广引流。通过系统可以帮助您实现：主动营销、被动营销两种营销模式。助您高效获客！

　　鹰眼--大数据客户延伸系统，目前应用于各行业，主要通过全网200多个平台接入系统，模拟人工接入实时采集客户源，承载出后续自动营销、推广、引流！

　　1.*敏*感*词*采集，您只需简单设置行业区域，设置行业关键词，点击开始采集，即可帮您解决您想要的精准客户详情。

　　2.微信自动营销可以帮你自动添加微信好友，群发消息，自动爆粉。它还可以帮助您主动公开您想要的产品信息，并让准确的客户自动*敏*感*词*。

　　3、全面的推广引流，您可以通过QQ、邮箱、短信等渠道拓展业务，一站式营销，帮助企业快速吸引潜在客户与您联系。

　　行业解决方案:阿里文娱测试实战：机器学习+基于热度链路推荐的引流，让对比测试更精准

　　作者 | 阿里娱乐测试开发专家郑晨

　　出品 | CSDN（ID：CSDNnews）

　　对比测试的原理与现状

　　排水对比测试是目前阿里巴巴内部常用的回归测试方法。它根据真实的在线流量进行采集、回放和对比，通过对比结果评估代码更改是否影响在线链接和功能。通过该方案，大大降低了人工构建测试数据的成本：

　　1）基于用户的真实请求，复杂服务的接口降低了模拟用户场景的成本；

　　2）采集当流量足够时，可以对业务场景做全覆盖测试，减少测试遗漏；

　　3）测试环境稳定，结果清晰可靠，无需人工测试执行。目前在线请求采集策略主要是基于随机比采集。从使用上来看，存在一些问题：

　　1）从测试的角度来看，我们不知道去往采集的流量是否覆盖了核心场景。在测试方面：这些流程涵盖了哪些用例？无法有效衡量；

　　2）在连续在线采集的情况下，应及时手动维护播放请求，排除无效或重复请求；

　　3）当采集配置了多个接口时，由于大流量接口占比高，低流量接口采集没有有效流量，配置采集需要手动调整。

　　基于以上问题，不难发现采集请求的有效性和覆盖率是对比测试继续发挥作用的关键问题。如何破解？优酷在比对测试中引入了热链覆盖率，实现了一套基于在线热链覆盖率的精准比对测试方案。

　　如何有效地衡量测试覆盖率？

　　1. 代码覆盖率

　　传统的测试覆盖率统计方法是在测试前对代码文件进行instrument，生成插入的class文件或jar包。测试执行后，会自动采集其到达的代码路径，并生成覆盖率信息到文件中。最后，对覆盖信息进行统一处理，生成覆盖报告。衡量覆盖率的主要指标有：代码行覆盖率、代码分支覆盖率、方法覆盖率等。

　　1）代码覆盖的优点：

　　a) 原理和方案比较成熟，现成的工具比较多，实施成本比较低；

　　b) 测量维度多，可以结合多个指标综合评价代码覆盖率。

　　2）代码覆盖率问题：

　　a) 无法有效评估业务场景的覆盖率。代码覆盖率高只能说明代码已经执行，并不代表业务场景已经覆盖。需要人工评估业务场景的覆盖率；

　　b) 覆盖分析的成本相对较高。由于代码质量问题（无效代码或冗余代码），很多代码不会被真实的业务场景调用。这部分代码很难做到测试覆盖，覆盖的价值不高，不一定需要覆盖。

　　2.子调用链接覆盖

　　通过在中间件代码中插入stub，统一实现外部子调用的代码路径采集，从而聚合代码经过的子调用链接，进而获取各个子调用的信息通过聚合链接请求调用链接。以获得真实在线用户场景的链接分布。子调用链接准确反馈业务场景的链接和热度，基于真实的在线请求。

　　阿里巴巴开发的覆盖评估方案目前在阿里巴巴内部广泛使用。衡量覆盖率的主要指标是：子呼叫链路覆盖率。

　　1）与传统代码覆盖率相比：

　　a) 根据在线真实用户请求分析代码执行路径，通过子调用链接表示用户场景，可以准确评估业务场景覆盖率；

　　b) 中间件代码统一插件，业务代码无需改动，访问成本相对较低。基于子调用链路覆盖率评估，能否解决比对测试提出的覆盖率评估问题？是否也适合优酷的业务场景？经过一段时间的试运营，我们发现优酷的部分业务采集的子调用链接非常少，与业务的体量和复杂度不符。带着这个问题，我们来看看下面两个请求的代码运行链接：

　　2）根据以上代码运行链接分析：

　　a) 部分业务的外部依赖相对较少，主要逻辑在应用内部，导致代码运行的外部子调用完全相同，但内部方法链接不同；

　　b) 在评估业务的内部逻辑覆盖时，内部方法链接覆盖比子调用链接覆盖更有效。如果内部方法链接可以聚合起来，优酷业务场景的覆盖评估会更有指导意义。为此，优酷与集团JVM-SANDBOX团队深度合作，提出了一套内部方法链接覆盖评估方案：热点链接覆盖。

　　基于热链接推荐的对比测试

　　通过采集一段时间内真实的在线请求，并记录请求执行过的方法路径，就是一个链接。线上很多不同的真实请求都经过同一个环节，所以不同的环节有不同程度的热度。根据链接的热度，可以自动评估需要优先覆盖的链接，即热度链接。

　　1.方法链接感知

　　要采集方法路径，首先需要感知每个方法的执行。利用JVM-SANDBOX底层模块的能力，可以在每个内部方法中统一进行代码增强，并感知每个方法的“运行前”、“返回前”和“异常后”三个事件，所以至于采集代码的执行。方法数据，聚合到方法链接中。

　　1) BEFORE event：感知并改变输入参数；直接返回；

　　2）RETURN事件：感知并改变返回值；重构返回结果；抛出异常；

　　3）THROWS事件：重构异常；模拟正常返回。

　　2. 采集模块部署

　　在模块部署阶段，最大的挑战是配置需要增强的代码逻辑类。最初是由各业务方配置，但由于配置范围没有统一的标准，导致采集的链接没有完成，难以比较。针对优酷的业务特点，我们提供一套统一的代码逻辑类扫描服务，支持优酷各业务的代码分析和逻辑类扫描，为各业务方提供统一的代码增强配置标准。接入流程如下：

　　1) TraceModule: 采集 运行链接；2）Repeater：采集请求和返回结果，记录和回放；3) MockModule：服务器端动态模拟。

　　3.链接采集和热量计算

　　在线模块激活后，可以根据配置的采样率连续采集在线流量和聚合方法链接。

　　有申请链接数据可供参考后，可以通过采集在线请求并识别请求的链接，然后可以根据热门链接或所有链接推荐比对请求，并通过采集周期（推荐采集周期为7天），最终推荐请求可以覆盖所有在线业务环节，不仅提高了比对测试的有效覆盖率，而且推荐过程高效、充分自动化，全程无需人工干预，可快速扩展到服务端所有应用的对比测试。

　　回顾与展望

　　基于热链接分析，可以辅助测试更具体的了解真实的业务场景。除了推荐对比测试请求外，还用于评估优酷服务器回归系统中回归测试的覆盖率。与传统的代码覆盖率评估相比，业务指导意义更加清晰。

　　当然，对于一个高温环节，它可能收录大量的用户请求和不同的业务含义。如果只覆盖其中一个请求，虽然覆盖了链接，但会导致业务覆盖丢失。后期我们可以利用机器学习，智能聚类，让机器过滤出覆盖更完整准确的测试集，深度挖掘线上请求数据的价值，辅助测试构建更有意义的质量保障体系。