基于大数据分析的服装定制网的设计与实现

[17]，其中，黑盒测试主要使用边界值分析、等价类划分等测定方式，重视系统功能方面的需求，能够发现界面、输入与输出、性能和数据库访问等一系列的错误。白盒测试使用的是基本路径、逻辑覆盖等测试进行预防，可找出代码中存在的一些问题。该系统主要使用了黑盒测试，从而更好的发现系统的功能异常。6.2测试方案及计划6.2.1系统功能介绍该系统为服装定制网站，实现基础服装定制方面的功能服务，与此同时，还可以研究客户相关的数据，为他们推荐合适的衣裳。测试部分主要分为用户注册、登录、服装定制。6.2.2测试目的（1）测试业务逻辑方面是不是存在一定的缺点。（2）测试核心功能点是不是过关。（3）测验系统是不是安全。（4）测验系统是不是兼容。6.2.3测试范围对于被测系统的功能模块，测试范畴详见下表6-1，其中优先级中，1代表一期测试，2代表二期测试。表6-1系统模块测试模块名称描述优先级用户登录访问者将帐号、密码输入进行登陆1用户注册访问者需要进行注册称为普通用户1标签收藏访问者注册完成后，可将喜欢的服装类型标签进行收藏服装搜索访问者可以查询衣服的款式与类型2服装详情查看访问者点击具体服装的海报可以查看该服装的具体信息1服装收藏访问者对喜欢的衣服可以点击收藏1系统推荐系统根据访问者喜好，自动形成衣服推荐列表16.2.4测试进度安排关于测试阶段，其详细的进度安排，具体如下表6-2。表6-2测试进度安排表6.3测试过程及结果分析6.3.1测试用例设计系统测试用例设计，详见下表6-3。表6-3系统功能测试用例测试功能测试用例预期结果结果用户登陆（1）访问者输入空的帐号、密码（2）访问者输入错误帐号、密码（3）访问者输入正确帐号、密码（1）系统显示账号、密码未输入（2）系统显示帐号、密码输入有误（3）系统显示登陆成功通过用户注册（1）访问者输入帐号、密码为空（2）访问者设定密码小于6位（3）访问者输入密码和设定密码不同（1）系统显示帐号、密码未输入（2）系统显示密码过短（3）系统显示先后2次密码不同通过标签收藏（1）访问者没有选择标签（2）访问者选择小于三个标签（3）访问者选择大于3个标签（1）系统显示尚未选择标签（2）系统显示需要选择3个以上标签（3）系统显示选择成功通过服装搜索（1）访问者不输空白关键字（2）访问者输入具体关键字（1）系统显示搜索相关信息为空（2）系统自动弹出搜索结果通过查看服装详情（1）访问者下拉页面进行刷新（2）访问者点击空白服装海报（3）访问者点击空白服装详情（1）系统更新服装信息（2）系统显示占位图片（3）系统显示占位图片通过服装收藏（1）访问者点击收藏键（2）访问者连续多次点击（1）系统显示服装收藏完成（2）系统显示程序运转正常通过系统推荐（1）访问者对服装标签进行收藏（2）访问者对面料进行收藏（3）访问者对样式进行收藏（1）系统对相关服装类别进行收藏（2）系统对相同面料进行推荐（3）系统对类似样式进行推荐通过6.3.2测试结果分析经过一定地测试，检测到编码时未发现的系统缺点，系统更具备健壮性，特别是空对象的引用，逻辑错误和极端条件下的一部分问题。比如当头像为空时，应当运用占位图片，否则非常容易出现界面和操作方面的异常现象，详见下图6-1。另外，系统仅仅对功能开展了黑盒测试，还没有进行压力、性能方面的测试，这也是该系统需要处理好的一部分事宜。图6-1系统异常图6.4本章小结本章具体阐述了系统实现以及测试方面的一些内容。首先阐述了测试采用的具体方式，并用表格呈现了测试的计划方案，利用设计模块测试用例开展功能方面的相关测试，并分析概括了测试的结果。7总结与展望7.1总结这个课题内容主要是SpringMVC、CSS3、JavaScript等一系列技术在网站中的运用。此网站已经大致完成了这些功能模块：管理员增添修改衣服的样式库、面料库、细节库、各种订单信息等；用户注册，用户需求进行个性服装定制，添加、删除用户信息，服装搭配及管理，订单查询，管理员联系。此文有以下两点研究结论：（1）掌握了时下主流的服装定制网站研发方面的先进技术，并在一定程度上对定做个性服装上有所了解。（3）对中国规模比较大的定制个性服装网站的系统组织架构和相关技术有了进一步的了解，使自己对服装定制网站的系统性能方面的认知程度有所加深。7.2展望这个定制服装网站通过相应的需求分析、设计以及编码实现，已基本完善，但因个人能力水平等因素，这个网站还有很多不足之处，需要进一步的优化。（1）该网站尚未完成为客户上传本人喜欢的面料图、样式图，进行量身定制的功能，需要在以后进一步改进。（2）还不能进行服装推荐方面的管理：管理员能够关闭用户页面的服装推荐功能，当客户不喜欢推荐功能时，可以通知管理员关闭此接口，不再出现推荐。参考文献JamesMoyne,JimmyIskandar.智能制造的大数据分析[J].中国电子商情(基础电子),2020(Z1):57-58+60+62.蔡曼丽.大数据分析在运营商精准运营中的应用机制[J].科技风,2020(03):97.周涛.基于大数据分析的消费者网络购买行为研究[J].特区经济,2020(01):121-123.张永锋.个性化推荐的可解释性研究[D].清华大学,2016.李震.计算机大数据分析与云计算网络技术研究[J].科技创新与应用,2020(02):150-151.程德巧,林雄凯,王芳宇.大数据处理技术的比较及建议[J].商讯,2020(01):153+155.池燕清,徐炫东,廖嘉炜.基于大数据跨平台的分布式实时数据采集技术实现[J].信息与电脑(理论版),2019,31(24):119-120+124.金巨波,葛雷,徐秀丽.计算机数据挖掘技术的开发及其应用[J].浙江水利水电学院学报,2019,31(06):68-72.冯兴杰,王文超.Hadoop与Spark应用场景研究[J].计算机应用研究,2018,35(09):2561-2566.章毅,郭泉,王建勇.大数据分析的神经网络方法[J].工程科学与技术,2017,49(01):9-18.张棪,曹健.面向大数据分析的决策树算法[J].计算机科学,2016,43(S1):374-379+383.牛海玲,鲁慧民,刘振杰.基于Spark的Apriori算法的改进[J].东北师大学报(自然科学版),2016,48(01):84-89.王小鹏.大数据技术在精准营销中的应用[J].信息通信技术,2014,8(06):21-26+32.ChenghaoSun.Researchoninvestmentdecision-makingmodelfromtheperspectiveof“InternetofThings+Bigdata”[J].FutureGenerationComputerSystems,2020,107.AnuoluwapoAjayi,LukumonOyedele,OlugbengaAkinade,MuhammadBilal,HakeemOwolabi,LukmanAkanbi,Juan