Github传送门
当测试开发真不容易，入行第一年，就要在python、NodeJS、lua、C、Java等语言间无缝切换。为了快速响应需求，挺难抽出时间去深耕一门语言的特性（诶羡慕那些只搞Java的人= =）。在MTSC2019分享中也谈到，测试开发归属质量保障QA，作为一个中台角色，其终极任务保障研发效能，因此一大需求是打通产品研发运维的生产线。说到生产线就想到上云，说到上云就想到docker跟kube，说到跟容器的交互就想到了Golang。马蛋，又要学一门新语言了。
开这个坑，旨在展现以程序员的视角学习一门新语言的过程。希望大家看得欢乐。如果有启发，那就更棒啦！
家里的电脑是Windows，从官网即可下载Win的安装包。Go的版本为1.12。
下好后安装，安装完毕之后还需要设置环境变量（我的电脑——属性——高级系统设置）。GOROOT设置成Go的安装路径，还有一个关键的GOPATH，它表示你的工作目录，一般所有的Go项目，甭管第三方的还是你的，都统一放到这个目录下（从这点可以看出，Go的控制欲还是很强的）。GOPATH的一般结构如下：
安卓的fps测试，是我打开测试开发大门的一把钥匙。两年前的现在，安卓性能测试的相关资料甚少，以fps为例在网上也只有寥寥几篇文章讲述，但到了今年，已经有许多资料在各大技术论坛上供大家看到了。对于自己，一直想找一个机会把这一段技术探索写出来。所以，心动不如行动。
fps（frames per second），通常表示我们屏幕每秒展现的图片（帧）数，反映了一款应用在当前硬件下的性能消耗。比如我们抽CS的时候，就经常关注fps是否高，在高的情况下，就会有较好的流畅度。因此fps是应用性能测试中一个重要指标。
对于一个安卓app而言，为了测定fps数值，我们需要从安卓图形显示相关的模块入手。一个通用的方式是切入安卓的SurfaceFlinger服务，它是图形显示流程中软件层和硬件层的交互点，是极其关键的一环。SurfaceFlinger则是负责分析&合成各个app中的图层，而后将合成的图像数据交由硬件渲染。硬件渲染的机制复杂，因此安卓系统中，将硬件操作进行了抽象方便调用，我们将这一与SurfaceFlinger对接的层次，称之为硬件抽象层（HAL）。SurfaceFlinger与HAL在功能上有部分的耦合，一些Surface合成的工作，也会委托HAL进行。
那么我们该如何通过SurfaceFlinger获得fps数据呢？大体上，我们可以参考《Android性能测试之fps获取》一文。这种方式成功率高（虽然我家手机行不通），且不用root，较为方便
首先，通过adb，我们可以导出SurfaceFlinger服务的运行时信息。
“测试人生”第一篇文章，献给2019年的移动测试开发大会MTSC。这一次，非常荣幸能够来到北京国际会议中心参会，一睹国内质量保障工作的现状与未来的发展趋势。
在学校期间，我也参与过一些小型的学术会议，但并不如今年的MTSC这样声势浩大。工作一年以来参与的第一个讨论会，已然是全国顶会。借这个机会，能够了解到业内排头企业在质量保障业务上的解决方案，对于自己在业务理解上会颇有帮助。本次议程中，除了参与第一天主会场之外，第二天游戏测试专场也全程参与，收获颇丰，感悟良多，一言难尽。
在lua的学习过程当中，元表metatable的概念及用法是常见的障碍之一
元表，在其它lua杂谈等都提到过，是一种描述lua数据的属性以及行为的表。虽然官方给了set、account等例子详细讲解了metatable，但总还是缺乏些提炼。为了干翻这个痛点，这次，果断强上metatable的精髓。毕竟，犹豫就会败北~
我们首先就会有疑问：通过哪些属性指标，可以描述lua的数据呢？通过官方手册，我们可以很容易地找到答案。
在lua中，我们把元表中的key，也就是描述数据的属性指标，称之为event
我们可以把所有的event分为两组（括号中代表lua里的语法）：
描述其基础性质的：
__index，__newindex__len(#)__call__tostring描述其运算的：
__add(加+)，__sub(减-)，__mul(乘*)，__div(除/)，__mod(模%)，__pow(乘方^)，__unm(负-)，__idiv(取整除//)__band(与&)，__bor(或|)，__bxor(异或~)，__bnot(非~)，__shl(左移<<)，__shr(右移>>)__concat(联结..)，__eq(全等==)，__lt(小于<)，__lte(小于等于<=)先来看一段程序吧~
前段时间，我和我的领导回到了母校，和我的师父师母聚餐。聚餐点了很多东西，大碗宽面，牛肉炒饭，韩国烤肉，吃都吃不完。虽然我的领导最近长得比以前p了些，但是吃饭速度还是慢悠悠。唉，要是我的领导能有个三头六臂，每个手都夹菜，每个头都去啃，那吃饭速度可就蹭蹭地涨上去了啊！
人无法三头六臂，但在Python里，我们可以做到。
要想实现三头六臂的效率，不走单一顺序流，我们不仅需要让多个任务能够并发（Concurrent），还能够并行（Parallel）运作。
假使吃饭吃到一半，人有三急，摘花回来继续用膳，那么如果把“吃饭”与“解手”当作两个任务，那么它们便是便是并发运作，但不并行。如果太追求效率，蹲坑恰饭，那便即是并发，也是并行了。
在Python中，我们可以用三种方式实现并发。但是并不是所有的方法，都支持并行。
这三种方法是：
