简单聊聊嵌入式软件测试

article/2025/10/26 10:05:58

一、什么是嵌入式?什么是嵌入式软件测试?

    此文不从行业术语来讲,就用大白话来描述,容易明白,不当之处,还请见谅和指正。

    嵌入式?简单的可以理解为上位机或者单片机,或者运行微型可定制可裁剪的系统(如Linux),就是具有特定功能和有限资源的芯片。凡是应用这些芯片的产品都是嵌入式产品,比如电冰箱。那么嵌入式软件就是运行在这些芯片上的软件,可以是汇编语言或者C语言编写。当然现在也有部分芯片已经支持高级语言(如python,java),但是C语言在运行速度上具有先天优势,可以直接和硬件交互。所以说,在当前还有未来相当长的一段时间里,C是嵌入式开发的首选也是唯一的开发语言。注意是C,不是C++,也不是C#。

    嵌入式软件测试,就是测试单片机产品的软件。包括但不限于功能性测试,可靠性测试,性能测试,高低温测试,行业认证测试等等。嵌入式软件术语叫firmware(固件)

二,嵌入式软件测试入门难不难?

    怎么说呢?相比互联网软件测试来说,只是需要多了解一些硬件方面的基本知识而已。对于入门的小白来说,其实是一样的,不需要有恐惧心理。所谓入一行干一行精一行,对于刚毕业找工作的同学,不管是嵌入式软件测试还是互联网方面的软件测试,都是可以入局的,发展前景可以说同样有前途。不需要考虑那么多,首先找到一个坑,占了再说。

    对于在互联网软件测试想转行嵌入式软件测试的伙伴,也是可行的。IoT就非常适合你。如果你喜欢玩各种物联网,你同样可以继续做APP或者Web测试,从本质上来说测试方法是相同的。只是需要学习一下物联网的协议、业务逻辑和测试环境硬件设备的搭建。

三、嵌入式和互联网的发展前景

    上面我已经说过,不管是嵌入式软件测试还是互联网软件测试,目前具有同等的发展前景。嵌入式行业的历史要远远大于互联网,从单片机诞生,便有了。就像C语言的历史,同样也远远大于其它语言(java,python,Go等等)。你可以去关注下近几十年的编程语言的排行榜,有多少语言从兴起流行到消失,为什么只有C语言是长久不衰的?嵌入式的产品小到家用电器(电饭煲,洗衣机),大到军工航天(卫星,军用仪器)。互联网的产品同样也是深入平常生活(社交,购物),服务民生(智慧交通,平安城市)。

    在实际的应用中,其实两者是相辅相成的。比如说平安城市,后台是平安城市的管理系统(大数据,智能算法,多端等),前台是各种嵌入式设备(监控摄像头,报警器,传感器等)。人具有肉体和灵魂,不管是互联网软件还是嵌入式软件都相当于硬件的灵魂。

    不管是哪个方向,只要坚持学习,坚持一步一个脚印,都会成功。有人可能会问:这两个哪个工资高?一般来讲,是一样的。可能这几年互联网发展的如火如荼,互联网职位高薪的新闻铺天盖地,影响了你的判断力。但是在此提醒一句,请保持清醒。从现在开始互联网已经发展到了顶峰期,各大互联网大公司都在裁员瘦身,精简业务。但是互联网仍然是还有很大发展的,比如大数据,人工智能等。

    说到智能,就联想到了嵌入式。大部分智能的前端都是嵌入式设备。各种各样的传感器应用在各种各样的场合。现在发展很火的IoT(物联网),可以说是互联网和嵌入式完美合体。比如说你家的电器,包括电灯泡,电冰箱,开水壶,空调,防火防盗设备等等。你都可以通过互联网,通过互联网软件APP或者web去控制,通过大数据去分析您的使用习惯和风险预测。你可以想象整个应用的场景是多么的人性化。IoT的应用会越来越广。

四、嵌入式软件测试应该选哪些行业?

    这是个好问题。大家做互联网测试的都清楚,互联网测试金融行业工资一般比其他行业要好一点。同样嵌入式测试不同行业的薪水也是有差异的,一般来说目前最火的芯片行业薪水是最好的,不过也是入门最难的。其次是医疗行业,这个一直都是利润比较高的行业。其他还有民用航空,智能机器人登也不错。其他的还有工业控制,民用类的嵌入式设备。

五、嵌入式软件测试的职业生涯

    这个和互联网软件测试是一样的。从小白到大神,然后你可以考虑选择自己的职业发展方向测试经理?测试架构师?或者说做相关的产品经理,项目经理?甚至是售前顾问等等。一句话,多学习多交流多折腾。

六、嵌入式软件测试需要会开发和了解硬件吗

    ​嵌入式软件测试,建议学习C语言和Python​语言。软件测试的发展必须要掌握至少一门开发语言和一门脚本语言。不要问为什么​?这个是10多年的老司机告诉你的​宝贵经验。不会编程的​软件测试员终究会被淘汰。

    当然,如果对硬件比较了解是加分项。不了解也是可以的,只要知道基本的硬件使用方法即可。如果能看懂电路图,会使用硬件检测仪器,如示波器、信号发生器、功率仪、万用表、仿真器、电烙铁等等最好。开始不会使用,在工作中接触的多了,学习一下常用的方法即可。

七、鼓励大家趁年轻多折腾

    从毕业工作的前10年里,如果你在一家公司不能获得好的发展(大部分人都是)就勇敢的去跳槽,学会了上家的知识,就可以找下家了。目前不跳槽很难涨薪,已经是各行业的共识。老板情愿高薪招聘新人,也不会给老员工涨薪升职。

八、其他

    其他如果还有问题,大家可以留言讨论。比如办公室恋情?如何规划跳槽?如何跟老板谈薪水?如何处理同事关系?嵌入式其他方面的知识等?疫情当下,作为职场人如何应付?

九、关注我更多精彩

                       ​


http://chatgpt.dhexx.cn/article/q65aUcDb.shtml

相关文章

嵌入式测试

一、嵌入式软件测试的方法 嵌入式软件测试分为4个阶段,即模块测试、集成测试、系统测试、硬件/软件集成测试。前3个阶段适用于任何软件的测试,硬件/软件集成测试阶段是嵌入式软件所特有的,目的是验证嵌入式软件与其所控制的硬件设备能否正确地…

机器学习必备知识点 之 先验概率和后验概率

机器学习必备知识点 见 机器学习必备知识点 我们可以把概率获得分为两种: 一种是从原因到结果——先验概率一种是从结果到原因——后验概率 举个例子: 这里的P(C1),P(C2),P(x|C1),P(x|C1)都是先验概率,因…

Gretna网络分析之先验知识

目录 1. 简介 1.1 小世界网络 1.2 平均路径长度 2.功能键介绍 2.1 Global Network metrics 2.2 Nodal and modular network metrics 3.彩蛋 (转载请注明来自Ressan博客) 1. 简介 网络:由节点和连线构成的图/模型,用来研究…

如何将先验知识注入推荐模型

看到知乎上的一个问题“如何向深度学习模型中加入先验知识?”,觉得这是一个很好的问题,恰好自己在这方面有一些心得,今天拿出来和大家聊一聊。 说这个问题有趣,是因为提问者一定是对DNN的“智能”程度不满意了&#xf…

如何给模型加入先验知识?

来源:PaperWeekly 作者:Billy Z 模型加入先验知识的必要性 端到端的深度神经网络是个黑盒子,虽然能够自动学习到一些可区分度好的特征,但是往往会拟合到一些非重要特征,导致模型会局部坍塌到一些不好的特征上面。常常一…

几何深度学习 - 利用几何先验知识的深度学习

深度学习很难。 虽然通用逼近定理表明足够复杂的神经网络原则上可以逼近“任何东西”,但不能保证我们可以找到好的模型。 尽管如此,通过明智地选择模型架构,深度学习取得了巨大进步。 这些模型架构对归纳偏差进行编码,为模型提供…

如何向深度学习模型中加入先验知识?

链接:https://www.zhihu.com/question/279012198 编辑:深度学习与计算机视觉 声明:仅做学术分享,侵删 作者:采石工https://www.zhihu.com/question/279012198/answer/1298985606 1) CNN 中使用的卷积层就是利用了图像像…

浅谈模型中加入先验知识

必要性 端到端的神经网络是个黑盒,虽然能够学习到一些可区分度好的特征,但是也会拟合到一些非重要特征,导致模型局部地区会有一些不好的特征表现,所以可以加入一些先验知识来优化这些区域表现。 首先给出可以有效的加入先验信息的…

综述:如何给模型加入先验知识

转载自:https://zhuanlan.zhihu.com/p/188572028 这里写目录标题 为什么要给模型加入先验知识?1 基于pretrain模型给模型加入先验2 基于输入给模型加入先验3 基于模型重现给模型加入先验4 基于CAM图激活限制给模型加入先验 为什么要给模型加入先验知识&a…

1 先验知识

目录 1. 脑的解剖学结构 (1)额叶Frontal lobe (2)顶叶Parietal lobe (3)颞叶Temporal lobe (4)枕叶Occipital lobe 2. 脑区命名 3. 脑组织定位 (转载请注明来自Re…

给模型加入先验知识

‍ 点‍击上方“机器学习与生成对抗网络”,关注星标 获取有趣、好玩的前沿干货!‍ ‍ 来源|知乎 作者|Billy Z 链接|https://zhuanlan.zhihu.com/p/188572028 报道|人工智能前沿讲习 01 模型加入先验知识的…

神经网络基础--指数加权移动平均ewma

因为神经网络中的常用优化算法都会涉及到指数加权移动平均(exponential weighted moving average, ewma;也可称为exponential moving average,ema),所以这里单独写下这个知识点。 ewma通过将历史的值和当前…

EWMA 指数加权移动平均 模型

Exponentially Weighted Moving Average(EWMA)指数加权移动平均是一种常用的序列数据处理方式,如下: 在时间 t, 根据实际的观测值(或量测值)我们可以求取 EWMA(t)如下: EWMA(t ) λY(t) ( 1-λ…

时间序列分析 - 移动平均SMA, EMA(EWMA) 之python

pandas: pandas.DataFrame.rolling pandas.DataFrame.ewm pandas.DataFrame.mean 其中rolling可以指定窗口类型win_type,比如boxcar, boxcar, triang, blackman, hanning, bartlett 以hanning window为例,其窗口形状为钟型,曲线函数为: p…

线性和EWMA指数加权移动平均模型

线性和EWMA指数加权移动平均模型 模型应用场景: 对历史测量值赋权重,对现在t时刻的数值做估计。 1 移动平均 移动平均是是技术分析其中一种分析时间序列数据的工具移动平均可抚平短期波动,将长线趋势或周期显现出来。数学上,移…

(四十八)用EWMA和GARCH模型估计波动率和相关系数

ARCH、EWMA、GARCH介绍 案例 对2016年至2018年沪深300指数的涨跌幅数据建立ARCH(1)、EWMA和GARCH(1,1)三种波动率模型,并以30天前的数据为起点,逐一预测后一天的波动率。 ARCH(1) import numpy as np import pandas as pd dfpd.read_excel(C:/Users/De…

Matlab正态分布、历史模拟法、加权移动平均线 EWMA估计风险价值VaR和回测Backtest标准普尔指数 SP500时间序列

最近我们被客户要求撰写关于风险价值的研究报告,包括一些图形和统计输出。 此示例说明如何使用三种方法估计风险价值 (VaR) 并执行 VaR 回测分析。这三种方法是: 正态分布 历史模拟 指数加权移动平均线 (EWMA) 视频:风险价值VaR原理与Py…

指数加权移动平均法(EWMA)

指数加权移动平均法(EWMA) https://www.cnblogs.com/jiangxinyang/p/9705198.html ** 本文内容来自于吴恩达深度学习公开课 1、概述 加权移动平均法,是对观察值分别给予不同的权数,按不同权数求得移动平均值,并以最…

R语言指数加权模型EWMA预测股市多变量波动率时间序列

最近我们被客户要求撰写关于波动率的研究报告,包括一些图形和统计输出。 从广义上讲,复杂的模型可以实现很高的预测准确性。 但是您的读者需要快速理解。他们没有意愿或时间去处理任何太乏味的事情,即使它可以稍微准确一些。简单性是商业中…