大数据在软件测试中的应用
结合大数据的软件测试实践
结合大数据的软件测试实践随着大数据技术的快速发展，软件测试也面临着许多新的挑战和机遇。
结合大数据的软件测试实践可以提高测试的效率和准确性，进一步保障软件品质。
本文将探讨如何利用大数据技术进行软件测试，并在实践中取得良好的效果。
一、大数据在软件测试中的应用1. 数据驱动测试传统的软件测试往往需要编写大量的测试用例和手动操作，耗时且容易出错。
而利用大数据技术可以实现数据驱动的测试，即通过收集和分析大量的测试数据来指导测试过程。
测试工程师可以利用大数据分析工具挖掘隐含的测试需求，从而生成更全面、准确的测试用例。
例如，通过分析用户行为数据，可以发现用户的常见操作路径和使用习惯，为测试用例的编写提供参考依据。
2. 自动化测试大数据技术在软件测试中还可以应用于自动化测试。
自动化测试是提高测试效率和准确性的重要手段，可以节省测试人员的时间和精力，提高测试的覆盖率和稳定性。
利用大数据技术，可以构建自动化测试平台，通过收集和分析测试数据，实现自动化测试用例的生成、执行和结果分析。
例如，通过收集系统运行时的日志数据，可以自动生成相关的测试用例，并自动执行这些用例来验证系统的正确性和稳定性。
二、大数据技术在软件测试中的价值1. 提高测试效率结合大数据的软件测试实践可以极大地提高测试的效率。
通过数据驱动的测试和自动化测试，测试工程师可以更快速地生成测试用例，执行测试过程，分析测试结果。
与传统的手动测试相比，大数据技术能够显著减少测试人员的工作量，缩短测试周期，提高测试的效率。
2. 提高测试准确性借助大数据技术，在软件测试中可以更准确地找出和修复系统的潜在问题。
通过收集和分析大量的测试数据，可以发现系统中的异常行为、性能瓶颈等问题，并及时采取相应的措施进行修复。
同时，大数据技术还可以帮助测试工程师找出测试用例中的疏漏和错误，进一步提高测试的准确性。
3. 提升软件品质在大数据时代，用户对软件品质的要求越来越高。
通过结合大数据的软件测试实践，可以更好地满足用户需求，提升软件品质。
浅析大数据背景下软件测试技术的应用及发展前景
浅析大数据背景下软件测试技术的应用及发展前景1. 引言1.1 大数据背景下的软件测试意义在大数据背景下，软件测试的重要性日益凸显。
随着大数据技术的不断发展和普及，企业和组织在处理大数据时所涉及到的软件系统变得更加复杂和庞大。
在这种情况下，软件测试的作用就显得尤为关键。
随着数据量的增大，软件系统的稳定性和可靠性变得更加重要。
任何一个小小的错误都可能对系统造成不可估量的损失。
通过软件测试可以有效地发现和修复潜在的问题，提高系统的稳定性和可靠性。
在大数据背景下，软件系统的复杂度大大增加，不同组件之间的关联性也更为复杂。
这就需要软件测试技术不仅能够针对单个组件进行测试，还需要能够进行整体系统的测试，确保各个组件之间的协作正常运行。
软件测试在大数据背景下的意义不仅在于发现和修复问题，更在于保障系统整体的质量和可靠性。
在这个快速发展的大数据时代，软件测试将继续扮演着至关重要的角色。
1.2 软件测试技术在大数据背景下的应用在大数据背景下，软件测试技术的应用至关重要。
随着数据量的爆炸式增长，传统的软件测试方法已经不能满足对大数据系统的要求。
如何有效地应用软件测试技术来保证大数据系统的质量和稳定性成为了当前亟需解决的问题。
在大数据背景下，软件测试技术可以通过自动化测试来提高效率和可靠性。
自动化测试可以帮助测试人员快速地执行大规模的测试用例，减少人为错误的概率，提高测试覆盖率。
软件测试技术还可以通过模拟大规模数据场景来进行压力测试，检查系统在高负载情况下的性能表现，以确保系统的稳定性和可靠性。
在大数据背景下，软件测试技术还可以通过引入新的测试方法和工具，如基于机器学习的测试自动化工具、以及大数据分析技术等，来提高测试的效率和准确性。
这些新技术的应用可以帮助测试人员更快速地发现潜在的问题，并提前解决，从而降低系统出现故障的风险。
软件测试技术在大数据背景下的应用具有非常重要的意义，可以帮助企业更好地保障数据系统的质量和可靠性。
软件测试中的大数据技术应用
软件测试中的大数据技术应用在当前数字化时代，大数据成为了各行各业的热门话题，软件测试也不例外。
大数据技术在软件测试中的应用，不仅可以提高测试效率和准确性，还能为软件测试带来更大的创新和发展。
大数据技术在软件测试中被广泛应用于测试数据的生成与管理。
传统的软件测试中，测试数据通常需要手工创建，无论是小规模的单元测试还是大规模的集成测试，都需要耗费大量的时间和人力成本。
而利用大数据技术，可以实现测试数据的自动生成和自动化管理。
通过分析和挖掘大规模数据集，可以提取有效的测试数据模式，并利用自动化工具生成大量高质量的测试数据，从而提高测试覆盖率和测试效率。
大数据技术在软件测试中还可以用于缺陷分析和预测。
传统的软件测试过程中，测试人员主要依靠经验和直觉来判断哪些缺陷更容易出现，从而制定测试计划和优先级。
然而，这种主观判断容易受到测试人员经验和认知的限制，无法全面准确地评估软件的质量。
利用大数据技术，可以通过分析和挖掘历史测试数据，发现缺陷出现的规律和模式。
通过建立缺陷预测模型，可以准确地预测软件中可能存在的缺陷，并优先进行测试和修复，从而提高软件的质量和稳定性。
大数据技术还可以应用于软件测试的自动化和智能化。
传统的软件测试过程中，测试人员需要手工编写测试用例、执行测试、分析测试结果等繁琐的工作。
利用大数据技术，可以实现测试用例的自动生成和自动化执行。
通过分析和挖掘大规模的测试数据和用户行为数据，可以识别潜在的测试场景和关键路径，并自动生成相应的测试用例。
利用机器学习和人工智能技术，可以实现智能化的测试执行和结果分析，从而提高测试的自动化程度和准确性。
大数据技术还可以应用于软件测试的性能优化和负载测试。
在实际应用中，软件往往面临着大规模用户并发访问和大数据量的处理挑战。
传统的性能测试和负载测试主要依靠模拟用户行为和压力测试来评估系统的性能。
然而，这种测试方式无法真实地反映用户的实际使用场景，且测试数据量有限。
功能测试与大数据分析的结合
功能测试与大数据分析的结合在当今信息时代，大数据分析扮演着越来越重要的角色，而功能测试是确保软件质量的关键环节。
将功能测试与大数据结合起来，可以为软件开发提供更准确、更全面的分析和反馈。
本文将探讨功能测试与大数据分析的结合，以及它对软件开发的影响和好处。
一、功能测试的概述功能测试是软件测试中最常见的一种测试方法。
它主要用于验证软件是否按照需求规格说明书中所描述的功能进行运行。
在功能测试过程中，通常会创建测试用例并执行，以检查软件在各种输入条件下的输出是否符合预期。
二、大数据分析的概述大数据分析是指对海量、复杂和多样化的数据集进行解析、处理和处理的过程。
通过对大数据进行挖掘和分析，可以发现其中的规律和价值，为业务决策提供支持和指导。
大数据分析通常依赖于高性能的计算和处理能力，以及先进的数据挖掘和机器学习算法。
三、功能测试与大数据分析的关联功能测试和大数据分析都是软件开发过程中的重要环节，二者可以相互支持和补充。
功能测试可以为大数据分析提供可靠的数据源，测试人员可以通过模拟用户行为和各种场景来生成大量的测试数据，这些数据可以直接用于大数据分析。
同时，大数据分析可以为功能测试提供更全面、更深入的分析和反馈，通过对测试结果的统计和挖掘，可以发现潜在的问题和缺陷，并提供改进建议和优化方案。
四、功能测试与大数据分析的应用案例1. 自动化测试数据生成：功能测试通常需要大量的测试数据，传统的手工创建测试数据效率低下。
通过大数据分析，可以利用现有的数据集生成符合测试需求的大量测试数据，大大提高测试效率和覆盖率。
2. 故障分析和优化：功能测试中发现的故障和缺陷可以通过大数据分析进行深入分析。
通过对故障数据的挖掘和分析，可以找出故障的原因和影响范围，提供优化和修复的依据。
3. 用户行为分析：通过对用户行为数据的收集和分析，可以了解用户的使用习惯和偏好，为功能测试提供参考和优化方向。
同时，通过大数据分析可以推测用户的需求和期望，从而指导功能测试的设计和开发。
大数据在软件工程中的应用
大数据在软件工程中的应用随着互联网的普及和信息化的推进，大数据已经成为了当今社会中无法忽视的一个重要领域。
而在软件工程领域中，大数据同样也发挥着巨大的作用，并为软件工程的发展提供了不少有益的支持。
本文将从数据分析、软件测试以及软件开发等方面来阐述大数据在软件工程中的应用。
一、数据分析数据分析是大数据在软件工程领域中最常见的应用场景之一，尤其在大型的软件系统中，开发商需要通过对系统中的海量数据进行分析和挖掘，以便更好地掌握系统性能、用户反馈等信息，进而针对性地进行优化。
而在数据分析的过程中，大数据技术往往扮演着至关重要的角色。
发掘数据价值需要先掌握数据，而大数据技术能够帮助开发者有效地采集、清理、处理和存储数据，以保证数据可靠性和质量。
在采集和处理数据时，Hadoop等开源软件可以协助开发者完成数据的分布式存储和计算。
Hadoop不仅支持数据并行处理，而且还能够自我修复，保证数据的一致性和可靠性。
除此之外，还有一些其他的大数据工具，如ELK、Spark等，也能够在数据处理和数据分析中发挥巨大的作用。
数据分析还包括了数据挖掘和机器学习等领域，这些领域的技术应用，可以帮助软件工程师更好地发现系统中的问题，并提供更好的解决方案。
利用大数据技术，软件工程师能够根据系统运行的实时数据，帮助开发者快速响应程序中的问题，最大程度保障软件系统的可靠性和稳定性。
二、软件测试软件测试是评估系统是否满足预期要求的一个过程，在软件工程中有着至关重要的地位。
而针对大型软件系统，它的测试工作具有大量的测试数据和测试环境，需要耗费大量的时间和人力，这给软件测试带来了挑战。
而借助于大数据技术，软件测试过程可以更加高效和精确。
在大型软件系统的测试过程中，测试工程师需要对测试结果进行分析，并不断优化测试数据和环境，以更好地模拟真实的用户环境。
而大数据技术可以帮助工程师更好地调整测试数据和环境，以及更辅助测试结果分析，找到系统中的缺陷，并优化修复，提高系统的质量。
软件测试中的大数据与数据仓库测试
软件测试中的大数据与数据仓库测试在当今数字化时代，大数据和数据仓库已经成为各行各业的核心要素。
软件测试作为确保软件质量的关键环节之一，在面对大数据和数据仓库的测试时，也需要采取相应的策略和方法。
本文将探讨软件测试中的大数据与数据仓库测试，并介绍一些相关的技术和工具。
1. 大数据测试1.1 数据量的处理大数据测试的一个重要挑战是如何处理海量的数据。
传统的测试方法在处理大数据时可能会遇到性能瓶颈，因此需要采用分布式计算和存储技术，例如Hadoop和Spark。
这些技术可以将数据分割成小块，并在集群中并行处理，提高测试效率和准确性。
1.2 数据质量的验证大数据中的数据质量是一个关键问题。
在进行大数据测试时，需要对数据的准确性、完整性、一致性和及时性进行验证。
测试人员可以使用合适的数据质量工具，例如数据验证和数据清洗工具，来检测和修复数据中的错误和异常。
1.3 多样化的数据类型大数据包含多种数据类型，例如结构化数据、半结构化数据和非结构化数据。
为了确保测试的全面性，测试人员需要针对不同类型的数据进行测试，并选择适当的测试方法。
例如，可以使用数据分析工具和数据挖掘算法，以发现隐藏在非结构化数据中的潜在问题。
2. 数据仓库测试2.1 数据一致性的验证数据仓库通常用于集成和存储多个数据源的数据，因此数据一致性是一个重要的测试目标。
测试人员需要验证数据在不同数据源之间的一致性，以及与源系统之间的一致性。
为了实现数据一致性的验证，可以采用数据比对和数据校验等技术手段。
2.2 查询性能的测试数据仓库的一个主要功能是支持复杂的分析查询。
在测试数据仓库时，需要关注其查询性能。
可以模拟真实场景中的查询请求，并评估查询的响应时间和吞吐量。
同时，还需要注意数据仓库的扩展性和容量，以确保其能够处理未来的数据增长。
2.3 数据转换和清洗的测试在数据仓库建设过程中，数据转换和清洗是一个重要的步骤。
测试人员需要验证数据转换和清洗的准确性，并检查数据是否按照预期的方式转换和清洗。
软件测试领域的新技术与新方法
软件测试领域的新技术与新方法随着信息技术的不断发展，软件工程在现代信息社会中起着举足轻重的作用。
越来越多的软件应用出现在我们的生活之中。
由于软件工程的特殊性，软件应用的质量保障显得尤为重要。
软件测试是在软件开发过程中对软件进行验证、检测、评价、检查和辅助决策的过程。
而随着时代的发展，软件测试领域也应运而生了一些新技术和新方法，以更好地应对软件测试的挑战。
一、人工智能技术在测试中的应用人工智能技术是当今科技领域发展的重头戏之一，它因其强大的处理和泛化能力而成为许多领域中的应用主体。
在软件测试领域，人工智能技术也显示出了广泛的应用前景。
其中，人工智能在测试领域的运用主要有以下两个方面：1、基于机器学习的自动测试机器学习是人工智能技术的一种，它可以让计算机通过交互经验，并通过统计学习理论，自我学习、优化和完善。
在软件测试中，机器学习的应用带来了自动化测试的优势。
自动化测试的主要优势在于提高测试效率，减少人力投入，提高软件测试的质量，降低测试成本。
目前的自动化测试主要利用测试用例的自动化生成与测试执行的自动化实现测试。
然而，测试用例扩展性低，且在新的测试场景下需要不断添加新的测试用例。
针对这一问题，基于机器学习的自动生成测试用例技术应运而生。
在这种技术中，计算机可以通过学习历史应用的测试数据，预测出当前场景下的测试用例，从而完成测试用例的自动生成。
同时，针对不同类型的测试场景，机器学习也可以自动识别出相应的测试用例类别。
2、基于自然语言处理的测试用例生成在软件测试中，测试用例编写是必不可少的一项工作。
目前，大多数企业需要采用人工编写的方式来完成测试用例的编写。
这种方式无论是效率还是测试用例的覆盖率都是有限的。
而自然语言处理技术可以利用计算机的处理能力，对测试文档进行自动化处理。
在测试用例生成方面，自然语言处理技术被广泛应用于生成大量的测试用例，在极短的时间内实现测试用例的生成。
二、大数据分析在测试领域的应用随着大数据时代的到来，大数据分析也逐渐在测试领域中得到应用。
大数据在软件测试中的应用
大数据在软件测试中的应用摘要：在科技水平的发展下，人们步入了大数据时代，大数据时代的到来对于各行各业信息处理的能力与速度提出了更高的要求，也对软件测试技术的应用带来了挑战。
本文针对大数据背景下软件测试技术的相关问题进行分析，并针对具体的发展趋势进行了阐述。
关键词：大数据背景；软件测试技术；发展导言随着当今世界经济的高速发展，计算机技术得到了很大的提高，互联网也得到迅速的发展，根据2014 年国际发布的报告指出，现在是数据的大爆炸时代，从全球范围来说，数据总数每两年就会增加一倍。
数据时代的意义不在于数量的多少，而在于如何对这些有意义的数据进行专业化处理。
随着全球化经济的发展和云时代的到来，人们对数据关注的程度越来越高。
下面就针对大数据背景下软件测试技术的发展情况进行简要的介绍。
1 大数据环境下软件测试面临的挑战1.1 传统测试平台难以符合大数据处理的要求传统软件性能测试过程中主要是通过控制器来协调本地向服务器发送服务请求后开展服务器压力测试，是对局部物理主机进行测试负载，这种方式只由在用户数量较大的应用服务中才能充分发挥作用。
现阶段云计算技术不断发展，用户的需求也越来越大，产生的访问量也成规模的增长，这意味要想有效测试服务器的实际承受量，难度越来越大，需要在软件真正上线之前对用户访问量的基数进行充分的测试，传统的局域网主机测试方法已经无法满足实际需求，在软件测试过程中存在难以对负载产生器的物理机数量进行动态拓展，并且云计算系统直接将客户端进行大范围的分布，无法有效对负载产生器的实际运行状态进行监控，这些问题都会直接影响到软件测试工作的有效开展，软件测试的效果无法保障。
1.2 ORACLE测试的有效开展受制于用户功能大数据理念的提出大大降低了软件测试过程中海量数据处理的困难程度，通过框架处理模式可以将ORACLE 测试与管理的程序细分为map 与reduce 两个阶段，因此放需要开展程序分布工作时，用户需要完成的只有map与reduce 两个阶段的函数内容。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
大数据在软件测试中的应用
发表时间：2018-08-29T15:40:33.547Z 来源：《防护工程》2018年第8期作者：赵怡萍
[导读] 大数据时代的到来对于各行各业信息处理的能力与速度提出了更高的要求，也对软件测试技术的应用带来了挑战。
本文针对大数据背景下软件测试技术的相关问题进行分析，并针对具体的发展趋势进行了阐述。
赵怡萍
浙江省方大标准信息有限公司浙江杭州 310006
摘要：在科技水平的发展下，人们步入了大数据时代，大数据时代的到来对于各行各业信息处理的能力与速度提出了更高的要求，也对软件测试技术的应用带来了挑战。
本文针对大数据背景下软件测试技术的相关问题进行分析，并针对具体的发展趋势进行了阐述。
关键词：大数据背景；软件测试技术；发展
导言
随着当今世界经济的高速发展，计算机技术得到了很大的提高，互联网也得到迅速的发展，根据2014 年国际发布的报告指出，现在是数据的大爆炸时代，从全球范围来说，数据总数每两年就会增加一倍。
数据时代的意义不在于数量的多少，而在于如何对这些有意义的数据进行专业化处理。
随着全球化经济的发展和云时代的到来，人们对数据关注的程度越来越高。
下面就针对大数据背景下软件测试技术的发展情况进行简要的介绍。
1 大数据环境下软件测试面临的挑战
1.1 传统测试平台难以符合大数据处理的要求
传统软件性能测试过程中主要是通过控制器来协调本地向服务器发送服务请求后开展服务器压力测试，是对局部物理主机进行测试负载，这种方式只由在用户数量较大的应用服务中才能充分发挥作用。
现阶段云计算技术不断发展，用户的需求也越来越大，产生的访问量也成规模的增长，这意味要想有效测试服务器的实际承受量，难度越来越大，需要在软件真正上线之前对用户访问量的基数进行充分的测试，传统的局域网主机测试方法已经无法满足实际需求，在软件测试过程中存在难以对负载产生器的物理机数量进行动态拓展，并且云计算系统直接将客户端进行大范围的分布，无法有效对负载产生器的实际运行状态进行监控，这些问题都会直接影响到软件测试工作的有效开展，软件测试的效果无法保障。
1.2 ORACLE测试的有效开展受制于用户功能
大数据理念的提出大大降低了软件测试过程中海量数据处理的困难程度，通过框架处理模式可以将ORACLE 测试与管理的程序细分为map 与reduce 两个阶段，因此放需要开展程序分布工作时，用户需要完成的只有map与reduce 两个阶段的函数内容。
而针对数据的分片，开展任务调度等细节工作的开展也都能狗在框架处理模式中得到充分解决。
但是大数据系统也存在用户功能少的问题，这在一定程度上制约了ORACLE 测试的有效开展。
1.3 无法保障测试数据的准确性
软件测试工作的开展在云计算技术的广泛应用下能够更便捷的开展，尤其在架构和与PAAS 程序部分表现得钢架明显，但是对用户来说可能会造成一定的理解困难。
但是用户对PAAS 程序方面的理解存在一定的难度。
比如针对GAE 数据信息存储组件部分开展测试时，当用户下达一个数据请求时，会转接到请一个请求服务器的处理层中，同时对多个网络系统开展互动。
当无法明确数据实际存储位置的时候，很难有效保障数据的准确性，因此只能借助API 从GOOGLE 存储区域进行二次数据读取，这种操作无法保障测试数据的准确性。
2 基于大数据下软件测试优化策略
2.1 不断调整与优化数据库的数据缓存区
一般来说，Oracle 数据库内存区主要由SGA 以及PGA 两个板块组成，其中SGA 板块主要属于缓冲区，用来实现数据库的数据缓冲以及共享，具体内部区域的划分直接影响到整个数据库系统性能的好与坏。
数据缓存区是用来存储索引数据的区域，在软件测试过程中，相关操作对数据库发出的请求数据如果已经存储在缓冲区，那么数据会直接反馈给用户，中间检索的时间大大缩短，而如果数据请求并没有储存在缓冲区，那么系统需要在数据库中先进行检索读取，然后再缓存到数据缓存区，反馈给用户，这中间用户检索的时间大大增加。
为了确保系统运行速度，方便用户能够更快速的获取数据库中的数据，需要不断提高对数据库的数据操作性能。
2.2 不断合理配置数据库的数据共享池与数据日志缓冲
数据共享池一般包括数据库缓冲以及数据字典缓存两个板块，数据库缓冲主要是用来存放已经执行过的SQL 语句， PL/SQL 程序代码分析以及执行计划操作请求信息，二数据字典缓存主要是用来存放数据库用户权限信息，数据库相关对象信息等数据。
通过不断对数据库的数据共享池进行合理配置，能够大大提升SQL 语句和 PL/SQL 程序的操作执行效率。
而数据日志缓冲主要是存放过往用户对数据库的所有修改信息，一旦数据日志缓冲出现失败，这意味着当前数据库设置的数据日志缓冲区容量需要扩大，否则将会影响到数据库的整体性能的发挥。
2.3 数据库中的碎片整理
在软件测试过程中也会对数据库的中数据进行调用，因此数据库中的信息数据一直都随着软件操作的开展进行变化，在这个过程中会存在磁盘碎片。
通常来看，磁盘碎片可以细分为空间级碎片，索引碎片及以及表级碎片三个等级。
针对空间级主要是通过操作命令导出数据后借助TRUNCATE 操作删除空间数据，再通过IMPORT 程序导入相关数据，从而有效清理空间磁盘碎片。
针对所以索引级碎片，考虑到表空间中的索引数量在不断减少，而创建索引主要借助的变化频率的列开展，可以通过开展索引重建的形式来控制索引磁盘碎片的产生。
对于表级磁盘随便，可以借助软件系统的数据来对已经存在的不同的数据板块进行设置，利用PCTFREE 等数据参数的重新设置来对磁盘碎片的产生进行预防。
3.3 推广智能化技术
在软件测试中运用智能化技术主要完成以下两个部分的功能：实现，界定输入数据的同时规范数据的属性要求；其次，实现充分考虑输入数据的大小，样本集以及输出的评判样式。
在大规模数据的前提下，基于智能化技术可以消除输入与输出之间的数据流的差异，同时
也能够规范输入和输出数据，使软件测试的效果更加令人满意。
结束语
总而言之，随着当今经济的发展，在大数据背景下，软件测试能力在逐步的提高。
软件测试技术由单一的测试手段转化为多元的测试手段，测试技术向综合性的方向发展。
在面临机遇的同时，带来了一定的挑战，在应用测试软件的过程中，要尽量避免杀虫剂效应带来的技术失效问题。
参考文献：
[1]张振华.大数据背景下软件测试的挑战及其展望探析[J].电子技术与软件工程，2016（06）：311.
[2]荀江萍.浅谈基于云计算的软件测试[J].无线互联科技，2014（05）：32.
[3]王金花，周栋.区域医疗领域大数据应用系统测试研究[J].信息技术与标准化，2016（06）：132.
[4]任磊，杜一，马帅，张小龙，戴国忠.大数据可视分析综述[J].软件学报，2015（09）：433.
[5]崔文斌，牟少敏，王云诚，浩庆波，昌腾腾.Hadoop 大数据平台的搭建与测试[J].山东农业大学学报（自然科学版），2016（04）：43.。