《Drupal实战》——2.5 使用Node clone快速添加测试数据

简介: 本节书摘来自华章计算机《Drupal实战》一书中的第2章,第2.5节,作者 葛红儒,更多章节内容可以访问云栖社区“华章计算机”公众号查看。

2.5 使用Node clone快速添加测试数据

我们需要添加更多的测试数据,一个一个地添加比较麻烦,通常在搭建网站的时候,我们可以使用Devel模块来生成测试数据。但是这个模块生成的测试数据都是英文的,所以对于我们这些中文用户来说,用它来生成测试数据不合适,除非是给外国人搭建网站。我一般选择使用Node clone模块生成测试数据,也就是说,我一般先创建好一篇内容,然后使用Node clone模块一篇一篇地克隆出测试数据。它虽然没有Devel模块那么智能,但是也可以节省不少时间。

我们现在下载、安装并启用Node clone模块,当前版本为7.x-1.0-beta1。然后我们再次访问图书页面“平凡的世界”,此时我们会看到Clone content这样的链接,如图2-85所示。

image

单击这个链接,在克隆的表单页面,我们将图书基本信息里面的书名从默认的“Clone of 平凡的世界(全三部)”修改为“平凡的世界(全三部)1”。然后保存这个表单。按照同样的办法再创建8篇“平凡的世界”。我们现在有了10篇图书数据了,如图2-86所示。

image

相关文章
|
25天前
Mybatis+mysql动态分页查询数据案例——测试类HouseDaoMybatisImplTest)
Mybatis+mysql动态分页查询数据案例——测试类HouseDaoMybatisImplTest)
20 1
|
25天前
|
Java 关系型数据库 数据库连接
Mybatis+MySQL动态分页查询数据经典案例(含代码以及测试)
Mybatis+MySQL动态分页查询数据经典案例(含代码以及测试)
24 1
|
2月前
|
计算机视觉
Google Earth Engine(GEE)——使用MODIS数据单点测试SG滤波和harmonics method 滤波的差异分析
Google Earth Engine(GEE)——使用MODIS数据单点测试SG滤波和harmonics method 滤波的差异分析
45 0
|
11天前
|
人工智能 分布式计算 Kubernetes
人工智能,应该如何测试?(三)数据构造与性能测试篇
本文探讨了人工智能场景中的性能测试,区别于传统互联网测试,其复杂性更高。主要关注点包括两类AI产品——业务类和平台类,后者涉及AI全生命周期,测试难度更大。测试重点是模型训练的性能,特别是数据模拟。需要构造大量结构化数据,如不同规模、分布、分片和特征规模的数据,以评估算法效率。此外,还涉及模拟设备规模(如视频流)和节点规模(边缘计算),以测试在大规模负载下的系统性能。文中提到了使用工具如Spark、ffmpeg、流媒体服务器和Kubernetes(K8S)的扩展项目,如Kubemark,来模拟大规模环境。最后,文章介绍了使用Golang进行异步IO操作以构建海量小文件,优化IO性能。
28 0
|
1月前
|
存储 Android开发 C++
【Android 从入门到出门】第五章:使用DataStore存储数据和测试
【Android 从入门到出门】第五章:使用DataStore存储数据和测试
30 3
|
2月前
|
存储 人工智能 自然语言处理
选择最适合数据的嵌入模型:OpenAI 和开源多语言嵌入的对比测试
OpenAI最近发布了他们的新一代嵌入模型*embedding v3*,他们将其描述为性能最好的嵌入模型,具有更高的多语言性能。这些模型分为两类:较小的称为text- embeddings -3-small,较大且功能更强大的称为text- embeddings -3-large。
81 0
|
2月前
|
JSON 测试技术 API
一个数据驱动的API测试框架
一个数据驱动的API测试框架
|
2月前
|
存储 测试技术 数据库
数据驱动测试中的参数化
数据驱动测试中的参数化
|
2月前
|
存储 XML 测试技术
什么是数据驱动测试?
什么是数据驱动测试?
|
3月前
|
存储 安全 测试技术
金融相关软件的测试如何平衡数据的访问和安全
金融相关软件的测试如何平衡数据的访问和安全