CN110941545A - 基于缺陷的回归测试用例的处理方法、装置及计算设备 - Google Patents
基于缺陷的回归测试用例的处理方法、装置及计算设备 Download PDFInfo
- Publication number
- CN110941545A CN110941545A CN201811120285.7A CN201811120285A CN110941545A CN 110941545 A CN110941545 A CN 110941545A CN 201811120285 A CN201811120285 A CN 201811120285A CN 110941545 A CN110941545 A CN 110941545A
- Authority
- CN
- China
- Prior art keywords
- defects
- test case
- defect
- test
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Electronic Circuits (AREA)
Abstract
本申请提供了一种基于缺陷的回归测试用例的处理方法、装置及计算设备,处理方法包括:建立至少一个测试用例与至少一个缺陷的映射关系,其中测试用例是上一轮测试使用的测试用例,缺陷是上一轮测试使用的测试用例检测软件时发现的缺陷;根据映射关系,确定每个测试用例检测缺陷时对应的每种影响因子的能力值;利用每个测试用例的每种影响因子的预设权重值和每个测试用例的能力值,确定每个测试用例的优先级取值;将所有的测试用例按照优先级取值进行优先级排序。利用该处理方法,可以在有限的资源下运行更多有效的测试用例,更快地检测出软件缺陷,从而提高回归测试的效率。
Description
技术领域
本申请通常涉及软件测试领域,更具体地,涉及一种基于缺陷的回归测试用例的处理方法、装置及计算设备。
背景技术
回归测试作为测试流程的重要环节,用于验证缺陷是否解决以及缺陷的解决是否引起其他潜在缺陷的出现。由于在回归测试阶段会使用到较多的测试用例,若是毫无策略地执行已有的测试用例,会浪费大量的时间和人力资源,从而出现检测软件缺陷的效率低、准确性低的问题。
发明内容
鉴于上述问题,本申请提供了一种基于缺陷的回归测试用例的处理方法、装置及计算设备。可以在有限的资源下运行更多有效的测试用例,更快地检测出软件缺陷,从而提高回归测试的效率。
根据本申请的一个方面,提供了一种基于缺陷的回归测试用例的处理方法,包括:
建立至少一个测试用例与至少一个缺陷的映射关系,其中所述测试用例是上一轮测试使用的测试用例,所述缺陷是上一轮测试使用的测试用例检测软件时发现的缺陷;
根据所述映射关系,确定每个所述测试用例检测所有所述缺陷时对应的每种影响因子的能力值;
利用每种所述影响因子对应的预设权重值和所述能力值,确定每个所述测试用例的优先级取值;
将所有的所述测试用例按照所述优先级取值进行优先级排序。
优选地,在一个示例中,在所述将所有的所述测试用例按照所述优先级取值进行优先级排序之后,还包括:
利用排序后的所述测试用例对所述软件进行回归测试。
优选地,在一个示例中,所有的所述影响因子的预设权重值之和等于1。
优选地,在一个示例中,所述确定每个所述测试用例检测所有所述缺陷时对应的每种影响因子的能力值包括:
确定每个所述测试用例检测所有所述缺陷时对应的严重性影响因子的能力值;
确定每个所述测试用例检测所有所述缺陷时对应的优先级影响因子的能力值;
以及
确定每个所述测试用例检测所有所述缺陷时对应的出错原因影响因子的能力值。
优选地,在一个示例中,所述确定每个所述测试用例检测所有所述缺陷时对应的每种影响因子的能力值包括以下步骤:
确定每个所述测试用例检测所有所述缺陷时对应的缺陷严重性值和;
根据所有所述测试用例的所述缺陷严重性值和中最大值的所述缺陷严重性值和,量化得到每个所述测试用例的所述严重性影响因子的所述能力值。
优选地,在一个示例中,所述确定每个所述测试用例检测所有所述缺陷时对应的每种影响因子的能力值包括以下步骤:
确定每个所述测试用例检测所有所述缺陷时对应的缺陷优先级值和;
根据所有所述测试用例检测的所述缺陷优先级值和中最大值的所述缺陷优先级值和,量化得到每个所述测试用例的所述优先级影响因子的所述能力值。
优选地,在一个示例中,所述确定每个所述测试用例检测所有所述缺陷时对应的每种影响因子的能力值包括以下步骤:
确定每个所述测试用例检测所有所述缺陷时对应的缺陷出错原因值和;
根据所有所述测试用例检测的所述缺陷出错原因值和中最大值的所述缺陷出错原因值和,量化得到每个所述测试用例的所述出错原因影响因子的所述能力值。
优选地,可以根据缺陷对软件运行造成的影响程度对缺陷的严重性进行划分,包括致命缺陷、严重缺陷、普通缺陷、轻微缺陷;根据处理缺陷的紧迫性来划分缺陷的优先级,包括紧急、高级、中级、低级;根据缺陷的出错原因对缺陷进行划分,包括需求缺陷、设计缺陷、代码缺陷。
根据本申请的另一方面,提供了一种基于缺陷的回归测试用例的处理装置,所述处理装置包括:
建立映射模块、确定能力值模块、确定优先级取值模块和排序模块;
所述建立映射模块,被配置为建立至少一个测试用例与至少一个缺陷的映射关系,其中所述测试用例是上一轮测试使用的测试用例,所述缺陷是上一轮测试使用的测试用例检测软件时发现的缺陷;
所述确定能力值模块,被配置为根据所述映射关系,确定每个所述测试用例检测所有所述缺陷时对应的每种影响因子的能力值;
所述确定优先级取值模块,被配置为利用每种所述影响因子对应的预设权重值和所述能力值,确定每个所述测试用例的优先级取值;
所述排序模块,被配置为将所有的所述测试用例按照所述优先级取值进行优先级排序。
优选地,在一个示例中,所述处理装置还包括:测试模块,
所述测试模块,被配置为利用排序后的所述测试用例对所述软件进行回归测试。
优选地,在一个示例中,所有的所述影响因子的预设权重值之和等于1。
优选地,在一个示例中,所述确定能力值模块,具体被配置为:确定每个所述测试用例检测所有所述缺陷时对应的严重性影响因子的能力值;
确定每个所述测试用例检测所有所述缺陷时对应的优先级影响因子的能力值;
以及
确定每个所述测试用例检测所有所述缺陷时对应的出错原因影响因子的能力值。
优选地,在一个示例中,所述确定能力值模块,包括:
确定单元和量化单元;
所述确定单元,被配置为确定每个所述测试用例检测所有所述缺陷时对应的缺陷严重性值和;
所述量化单元,被配置为根据所有所述测试用例的所述缺陷严重性值和中最大值的所述缺陷严重性值和,量化得到每个所述测试用例的所述严重性影响因子的所述能力值。
优选地,在一个示例中,所述确定能力值模块,包括:
确定单元和量化单元;
所述确定单元,被配置为确定每个所述测试用例检测所有所述缺陷时对应的缺陷优先级值和;
所述量化单元,被配置为根据所有所述测试用例检测的所述缺陷优先级值和中最大值的所述缺陷优先级值和,量化得到每个所述测试用例的所述优先级影响因子的所述能力值。
优选地,在一个示例中,优选地,在一个示例中,所述确定能力值模块,包括:
确定单元和量化单元;
所述确定单元,被配置为确定每个所述测试用例检测所有所述缺陷时对应的缺陷出错原因值和;
所述量化单元,被配置为根据所有所述测试用例检测的所述缺陷出错原因值和中最大值的所述缺陷出错原因值和,量化得到每个所述测试用例的所述出错原因影响因子的所述能力值。
根据另一方面,提供了一种计算设备,包括:一个或多个处理器,以及存储器,所述存储器存储指令,当所述指令被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如上所述的基于缺陷的回归测试用例的处理方法。
根据另一方面,提供了一种非暂时性机器可读存储介质,其存储有可执行指令,所述指令当被执行时使得所述机器执行如上所述的基于缺陷的回归测试用例的处理方法。
利用上述方法、装置及设备,将上一轮测试软件时使用的测试用例按照检测软件缺陷的能力大小进行优先级排序,并依次按照优先级高低的顺序选择测试用例重新检测软件。这样能够提高测试中检测软件缺陷的速度和效率,同时能够降低测试用例执行成本,提高测试过程中测试用例的使用效率。
附图说明
通过参照下面的附图,可以实现对于本公开内容的本质和优点的进一步理解。在附图中,类似组件或特征可以具有相同的附图标记。
图1示出了根据本申请的基于缺陷的回归测试用例的处理方法的流程示意图;
图2示出了上一轮测试的测试用例检测软件的缺陷的示意图;
图3示出了未排序的测试用例与缺陷的映射关系的示意图;
图4示出了本发明实施例中每个缺陷的三种影响因子的量化值的示意图;
图5示出了本发明实施例中排序前和后测试用例检测软件的缺陷情况示意图;
图6示出了本发明实施例提供的一种基于缺陷的回归测试用例的处理装置的结构示意图;
图7示出了本发明另一实施例基于缺陷的回归测试用例的处理装置的结构示意图;
图8示出了本发明实施例中确定能力值模块的结构示意图;
图9是示出能够实现根据本发明实施例的处理方法和装置的计算设备的示例性硬件架构的结构图。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解,讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题,并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本公开内容的保护范围的情况下,对所讨论的元素的功能和排列进行改变。各个示例可以根据需要,省略、替代或者添加各种过程或组件。例如,所描述的方法可以按照与所描述的顺序不同的顺序来执行,以及各个步骤可以被添加、省略或者组合。另外,相对一些示例所描述的特征在其它例子中也可以进行组合。
如本文中使用的,术语“包括”及其变型表示开放的术语,含义是“包括但不限于”。术语“基于”表示“至少部分地基于”。术语“一个实施例”和“一实施例”表示“至少一个实施例”。术语“另一个实施例”表示“至少一个其他实施例”。术语“第一”、“第二”等可以指代不同的或相同的对象。下面可以包括其他的定义,无论是明确的还是隐含的。除非上下文中明确地指明,否则一个术语的定义在整个说明书中是一致的。
现有技术中为了降低回归测试的成本,将测试用例优先级排序技术引入到回归测试阶段,根据不同条件充分考虑测试用例的重要程度,赋予每个测试用例一个优先级,使测试人员可以根据优先级从高到低的顺序依次选择执行的测试用例。例如:1997年,Wong等最先提出了在回归测试选择技术基础上对测试用例集进行最小化或优先级处理,根据测试用例的覆盖能力对测试用例进行优先级排序;2002年,Kim等研究了综合考虑各种测试历史的优先级技术;2005年,Srikanth等研究了基于需求的回归测试用例优先级技术;2006年,Walcott等研究了与时间因素相关的优先级技术;2010年,KeZhai等研究了基于位置的服务软件测试中的测试用例优先级排序;2012年,潘伟丰等人研究了一种基于复杂软件网络的回归测试用例优先级排序方法。
虽然使用了优先级顺序的方法,但是并没有充分利用上一轮软件测试的结果,没有将缺陷严重性、缺陷优先级和出错原因等与软件缺陷相关的影响因子应用于回归测试用例的优先级排序中。因此,现有技术中的测试方法测试的准确性不高,效率比较低,存在较大的检测偏差值。
现在结合附图来描述本申请的基于缺陷的回归测试用例的处理方法、装置及设备的实施例。
图1示出了根据本申请的基于缺陷的回归测试用例的处理方法的流程示意图。图2示出了上一轮测试的测试用例检测软件的缺陷的示意图。图3示出了未排序的测试用例与缺陷的映射关系的示意图。
如图1所示,本申请实施例中提供一种基于缺陷的回归测试用例的处理方法S100,包括以下步骤:
步骤S110,建立至少一个测试用例与至少一个缺陷的映射关系,其中测试用例是上一轮测试使用的测试用例,缺陷是上一轮测试使用的测试用例检测软件时发现的缺陷。
可以理解的是,在该步骤中,先给每个测试用例按“1、2、3、……、m”的顺序编号,其中m为测试用例的个数;给每个缺陷按“1、2、3、……、n”的顺序编号,其中n为缺陷的个数。
在本发明实施例中利用缺陷检测加权平均百分比(average of the percentageof faults detected,APFD)来验证不同优先级排序方法的测试效率,通过绘制缺陷检测曲线图来计算APFD值,横坐标代表测试用例的运行情况,纵坐标代表每个测试用例对应的缺陷检测情况,一般而言,APFD的值越大,说明对应的测试用例排序方法检测到缺陷的速度越快。APFD的计算公式(1)。
式(1)中,m表示测试用例集T中测试用例的个数,n表示缺陷集F中缺陷的个数,表示检测到缺陷i的第一个测试用例在T中的位置。
为了比较和评价基于缺陷的测试用例优先级排序方法的有效性,选取了某地震采集软件***进行测试和分析,为其设计10个测试用例,测试得到10个软件缺陷,初次测试时,测试用例的缺陷检测情况,如图2所示,其中(i=1,2,3,4,5,6,7,8,9,10)为测试用例,(i=1,2,3,4,5,6,7,8,9,10)为检测到的软件缺陷。
建立至少一个测试用例与至少一个缺陷的映射关系,例如:如图3所示,每个缺陷都有其对应执行的测试用例,找出他们的映射关系,形成一个矩阵=,其中的取值为1或0,当第i个测试用例发现了软件的第j个缺陷时,=1,否则为0;i=1、2、3、……、m,j=1、2、3、……、n。
步骤S120,根据映射关系,确定每个测试用例检测所有缺陷时对应的每种影响因子的能力值。
可以理解的是,在该步骤中,将发现缺陷的严重性、优先级和出错原因等作为检测软件缺陷能力的影响因子。针对各个影响因子,分别得出检测每个影响因子的能力值。通过检测出每个影响因子的能力值,进而决定对该测试用例检测软件缺陷的优先级。
步骤S130,利用每种影响因子对应的预设权重值和能力值,确定每个测试用例的优先级取值。
具体的是,在一个示例中,所有的影响因子的预设权重值之和等于1。
步骤S140,将所有的测试用例按照优先级取值进行优先级排序。
在一实施例中,步骤S150,利用排序后的测试用例对软件进行回归测试。
通过上述实施例提供的处理方法,将上一轮测试软件时使用的测试用例按照检测软件缺陷的能力大小进行优先级排序,并依次按照优先级高低的顺序选择测试用例重新检测软件。这样能够提高测试中检测软件缺陷的速度和效率,同时能够降低测试用例执行成本,提高测试过程中测试用例的使用效率。
下面是从三种影响因子中任意一种或者多种结合的角度,确定每个测试用例检测所有缺陷时的能力值。
图4示出了本发明实施例中每个缺陷的三种影响因子的量化值的示意图。
第一种是严重性影响因子角度。
根据缺陷对软件运行造成的影响来划分缺陷的严重性,一般分为四个等级:致命缺陷、严重缺陷、普通缺陷、轻微缺陷。
按严重性从高到低的顺序依次定义一个1到10之间的值。如图4所示,ds代表不同缺陷严重性对应的量化值,其中致命缺陷的ds值为8,严重缺陷的ds值为4,普通缺陷的ds值为2,轻微缺陷的ds值为1。
步骤S120,确定每个测试用例检测所有缺陷时对应的严重性影响因子的能力值包括以下步骤:
步骤S121,确定每个测试用例检测所有缺陷时对应的缺陷严重性值和。
可以理解的是,在该步骤中,计算缺陷严重性值和可以通过以下公式(2)-(4)得到。
确定每个测试用例检测所有缺陷时对应的缺陷严重性值和,该缺陷严重性值和可以采用公式(2):
式(2)中,Si表示第i个测试用例检测所有缺陷时的缺陷严重性值和,dsj表示第i个测试用例检测软件时发现的第j个缺陷的严重性的量化值,ki表示第i个测试用例检测软件时发现的缺陷个数。
ki可以通过公式(3):
步骤S122,根据所有测试用例的缺陷严重性值和中最大值的缺陷严重性值和,量化得到每个测试用例的严重性影响因子的能力值。
可以理解的是,在该步骤中,每个测试用例的严重性影响因子的能力值可以通过公式(4):
式(4)中,ESi表示第i个测试用例的严重性影响因子的能力值,max(S)表示所有测试用例中最大值的缺陷严重性值和。
第二种是优先级影响因子角度。
根据处理缺陷的紧迫性来划分缺陷优先级,一般分为四个等级:紧急、高级、中级、低级。
为每种缺陷优先级定义一个1到4之间的值。dP代表不同的缺陷优先级对应的量化值,如图4所示,其中紧急缺陷的dP值为4,高级别缺陷的dP值为3,中级别缺陷的dP值为2,低级别缺陷的dP值为1。
步骤S120,确定每个测试用例检测所有缺陷时对应的优先级影响因子的能力值包括以下步骤:
步骤S121,确定每个测试用例检测所有缺陷时对应的缺陷优先级值和。
可以理解的是,在该步骤中,计算缺陷优先级值和可以通过以下公式(5)-(6)得到。
确定每个测试用例检测所有缺陷时对应的缺陷优先级值和,该缺陷优先级值和可以采用公式(5):
式(5)中,Pi表示第i个测试用例检测所有缺陷时的缺陷优先级值和,dPj表示第i个测试用例检测软件时发现的第j个缺陷的优先级的量化值。
步骤S122,根据所有测试用例检测的缺陷优先级值和中最大值的缺陷优先级值和,量化得到每个测试用例的优先级影响因子的能力值。
可以理解的是,在该步骤中,每个测试用例的优先级影响因子的能力值可以通过公式(6):
式(6)中,EPi表示第i个测试用例的优先级影响因子的能力值,max(P)表示所有测试用例中最大值的缺陷优先级值和。
第三种是出错原因影响因子角度。
每个缺陷都有其出错原因,一般可以划分为四类:需求缺陷、设计缺陷、代码缺陷、其他缺陷。
为每种出错原因定义一个1到10之间的值。dr代表不同的出错原因对应的量化值,如图4所示,其中需求缺陷的dr值为8,设计缺陷的dr值为6,代码缺陷的dr值为4,其他缺陷的dr值为2。
步骤S120,确定每个测试用例检测所有缺陷时对应的出错原因影响因子的能力值包括以下步骤:
步骤S121,确定每个测试用例检测所有缺陷时对应的缺陷出错原因值和。
可以理解的是,在该步骤中,计算缺陷出错原因值和可以通过以下公式(7)-(8)得到。
式(7)中,Ri表示第i个测试用例检测所有缺陷时的缺陷出错原因值和,drj表示第i个测试用例检测软件时发现的第j个缺陷的出错原因的量化值。
步骤S122,根据所有测试用例检测的缺陷出错原因值和中最大值的缺陷出错原因值和,量化得到每个测试用例的出错原因影响因子的能力值。
可以理解的是,在该步骤中,每个测试用例的出错原因影响因子的能力值可以通过公式(8):
式(8)中,ERi表示第i个测试用例的出错原因影响因子的能力值,max(R)表示所有测试用例中最大值的缺陷出错原因值和。
图5示出了本发明实施例中排序前和后测试用例检测软件的缺陷情况示意图。
在一实施例中,步骤S130,利用每种影响因子对应的预设权重值和能力值,确定每个测试用例的优先级取值。
在该实施例中,利用上述提及到的三种影响因子的预设权重值和三种影响因子的能力值,确定每个测试用例的优先级取值。
可以理解的是,回归测试中第i个测试用例的优先级取值可通过公式(9):
DDAi=Ws×ESi+WP×EPi+WR×ERi (9)
其中,DDAi为优先级取值,Ws、WP、WP分别是ESi、EPi、ERi对应的权重值,它们的权重值可以根据实际情况来调整,但必须满足Ws+WP+WR=1。例如:式(9)中Ws、WP、WR的取值可以均设定为计算每个测试用例的优先级取值DDA,得到回归测试用例优先级排序集T10 T6,T7,T8,T5,T9,T4,T3,T2,T1。排序前后两次的缺陷检测情况,如图5所示,小三角形的连线是排序前的,小实心圆的连线是排序后的,前后两次的APFD值为0.56和0.86。
通过上述实施例提供的方法,将上一轮测试软件时使用的测试用例按照检测软件缺陷的能力大小进行优先级排序,并依次按照优先级高低的顺序选择测试用例重新检测软件。这样能够提高测试中检测软件缺陷的速度和效率,同时能够降低测试用例执行成本,提高测试过程中测试用例的使用效率。
下面结合附图,详细介绍根据本发明实施例的处理装置。
图6示出了本发明实施例提供的一种基于缺陷的回归测试用例的处理装置的结构示意图。如图6所示,处理装置600可以包括:
建立映射模块610、确定能力值模块620、确定优先级取值模块630和排序模块640。
建立映射模块610,被配置为建立至少一个测试用例与至少一个缺陷的映射关系,其中测试用例是上一轮测试使用的测试用例,缺陷是上一轮测试使用的测试用例检测软件时发现的缺陷。
确定能力值模块620,被配置为根据映射关系,确定每个测试用例检测所有缺陷时对应的每种影响因子的能力值。
确定优先级取值模块630,被配置为利用每种影响因子对应的预设权重值和能力值,确定每个测试用例的优先级取值。
具体的,在一实施例中,所有的影响因子的预设权重值之和等于1。
排序模块640,被配置为将所有的测试用例按照优先级取值进行优先级排序。
图7示出了本发明另一实施例基于缺陷的回归测试用例的处理装置的结构示意图。
具体的,在一实施例中,如图7所示,处理装置还包括:
测试模块650,被配置为利用排序后的测试用例对软件进行回归测试。
通过上述实施例提供的装置,将上一轮测试软件时使用的测试用例按照检测软件缺陷的能力大小进行优先级排序,并依次按照优先级高低的顺序选择测试用例重新检测软件。这样能够提高测试中检测软件缺陷的速度和效率,同时能够降低测试用例执行成本,提高测试过程中测试用例的使用效率。
图8示出了本发明实施例中确定能力值模块的结构示意图。
在一个实施例中,如图8所示,确定能力值模块620,包括:
确定单元621和量化单元622;
确定单元621,被配置为确定每个测试用例检测所有缺陷时对应的缺陷严重性值和。
量化单元622,被配置为根据所有测试用例的缺陷严重性值和中最大值的缺陷严重性值和,量化得到每个测试用例的严重性影响因子的能力值。
在一个实施例中,如图8所示,确定能力值模块620,包括:
确定单元621和量化单元622;
确定单元621,被配置为确定每个测试用例检测所有缺陷时对应的缺陷优先级值和。
量化单元622,被配置为根据所有测试用例检测的缺陷优先级值和中最大值的缺陷优先级值和,量化得到每个测试用例的优先级影响因子的能力值。
在一个实施例中,如图8所示,确定能力值模块620,包括:
确定单元621和量化单元622;
确定单元621,被配置为确定每个测试用例检测所有缺陷时对应的缺陷出错原因值和。
量化单元622,被配置为根据所有测试用例检测的缺陷出错原因值和中最大值的缺陷出错原因值和,量化得到每个测试用例的出错原因影响因子的能力值。
通过上述实施例提供的装置,将上一轮测试软件时使用的测试用例按照检测软件缺陷的能力大小进行优先级排序,并依次按照优先级高低的顺序选择测试用例重新检测软件。这样能够提高测试中检测软件缺陷的速度和效率,同时能够降低测试用例执行成本,提高测试过程中测试用例的使用效率。
根据本发明实施例的处理装置的其他细节与以上结合图1至图8描述的根据本发明实施例的处理方法类似,在此不再赘述。
图9是示出能够实现根据本发明实施例的处理方法和装置的计算设备的示例性硬件架构的结构图。
如图9所示,计算设备900包括输入设备901、输入接口902、中央处理器903、存储器904、输出接口905、以及输出设备906。其中,输入接口902、中央处理器903、存储器904、以及输出接口905通过总线910相互连接,输入设备901和输出设备906分别通过输入接口902和输出接口905与总线910连接,进而与计算设备900的其他组件连接。具体地,输入设备901接收来自外部的输入信息,并通过输入接口902将输入信息传送到中央处理器903;中央处理器903基于存储器904中存储的计算机可执行指令对输入信息进行处理以生成输出信息,将输出信息临时或者永久地存储在存储器904中,然后通过输出接口905将输出信息传送到输出设备906;输出设备906将输出信息输出到计算设备900的外部供用户使用。
在一个实施例中,图9所示的计算设备900可以被实现为一种终端设备,包括:存储器和处理器;存储器用于储存有可执行程序代码;处理器用于读取存储器中存储的可执行程序代码以执行上述实施例的优化阈值方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品或计算机可读存储介质的形式实现。所述计算机程序产品或计算机可读存储介质包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State DisK(SSD))等。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的***、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于缺陷的回归测试用例的处理方法,所述处理方法包括:
建立至少一个测试用例与至少一个缺陷的映射关系,其中所述测试用例是上一轮测试使用的测试用例,所述缺陷是上一轮测试使用的测试用例检测软件时发现的缺陷;
根据所述映射关系,确定每个所述测试用例检测所有所述缺陷时对应的每种影响因子的能力值;
利用每种所述影响因子对应的预设权重值和所述能力值,确定每个所述测试用例的优先级取值;
将所有的所述测试用例按照所述优先级取值进行优先级排序。
2.如权利要求1所述的处理方法,其特征在于,在所述将所有的所述测试用例按照所述优先级取值进行优先级排序之后,还包括:
利用排序后的所述测试用例对所述软件进行回归测试。
3.如权利要求1所述的处理方法,其特征在于,所有的所述影响因子的预设权重值之和等于1。
4.如权利要求1所述的处理方法,其特征在于,所述确定每个所述测试用例检测所有所述缺陷时对应的每种影响因子的能力值包括:
确定每个所述测试用例检测所有所述缺陷时对应的严重性影响因子的能力值;
确定每个所述测试用例检测所有所述缺陷时对应的优先级影响因子的能力值;
以及
确定每个所述测试用例检测所有所述缺陷时对应的出错原因影响因子的能力值。
5.如权利要求4所述的处理方法,其特征在于,所述确定每个所述测试用例检测所有所述缺陷时对应的严重性影响因子的能力值包括以下步骤:
确定每个所述测试用例检测所有所述缺陷时对应的缺陷严重性值和;
根据所有所述测试用例的所述缺陷严重性值和中最大值的所述缺陷严重性值和,量化得到每个所述测试用例的所述严重性影响因子的所述能力值。
6.如权利要求4所述的处理方法,其中,所述确定每个所述测试用例检测所有所述缺陷时对应的优先级影响因子的能力值包括以下步骤:
确定每个所述测试用例检测所有所述缺陷时对应的缺陷优先级值和;
根据所有所述测试用例检测的所述缺陷优先级值和中最大值的所述缺陷优先级值和,量化得到每个所述测试用例的所述优先级影响因子的所述能力值。
7.如权利要求4所述的处理方法,其特征在于,所述确定每个所述测试用例检测所有所述缺陷时对应的出错原因影响因子的能力值包括以下步骤:
确定每个所述测试用例检测所有所述缺陷时对应的缺陷出错原因值和;
根据所有所述测试用例检测的所述缺陷出错原因值和中最大值的所述缺陷出错原因值和,量化得到每个所述测试用例的所述出错原因影响因子的所述能力值。
8.如权利要求4所述的处理方法,其特征在于,还包括以下步骤:
根据缺陷对软件运行造成的影响程度对缺陷的严重性进行划分,包括致命缺陷、严重缺陷、普通缺陷和轻微缺陷;
根据处理缺陷的紧迫性来划分缺陷的优先级,包括紧急、高级、中级和低级;
根据缺陷的出错原因对缺陷进行划分,包括需求缺陷、设计缺陷和代码缺陷。
9.一种计算设备,包括:
一个或多个处理器,
存储器,所述存储器存储指令,当所述指令被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1到8中任一项所述的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811120285.7A CN110941545A (zh) | 2018-09-25 | 2018-09-25 | 基于缺陷的回归测试用例的处理方法、装置及计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811120285.7A CN110941545A (zh) | 2018-09-25 | 2018-09-25 | 基于缺陷的回归测试用例的处理方法、装置及计算设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110941545A true CN110941545A (zh) | 2020-03-31 |
Family
ID=69904482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811120285.7A Withdrawn CN110941545A (zh) | 2018-09-25 | 2018-09-25 | 基于缺陷的回归测试用例的处理方法、装置及计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110941545A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112463636A (zh) * | 2020-12-11 | 2021-03-09 | 苏州浪潮智能科技有限公司 | 一种测试用例排序管理方法及*** |
CN114218069A (zh) * | 2021-11-16 | 2022-03-22 | 北京百度网讯科技有限公司 | 回归测试方法、装置、电子设备及存储介质 |
CN117435514A (zh) * | 2023-12-21 | 2024-01-23 | 杭州罗莱迪思科技股份有限公司 | 冒烟测试用例抽取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880545A (zh) * | 2012-08-30 | 2013-01-16 | 中国人民解放军63928部队 | 一种测试用例优先级排序动态调整方法 |
CN104820636A (zh) * | 2015-04-09 | 2015-08-05 | 北京轩宇信息技术有限公司 | 一种并行的基于蚁群算法的测试用例序列生成方法 |
US20170116114A1 (en) * | 2015-10-27 | 2017-04-27 | Microsoft Technology Licensing, Llc | Test failure bucketing |
CN107766245A (zh) * | 2017-10-18 | 2018-03-06 | 浙江理工大学 | 基于ott策略的可变力度组合测试用例优先级在线排序方法 |
-
2018
- 2018-09-25 CN CN201811120285.7A patent/CN110941545A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880545A (zh) * | 2012-08-30 | 2013-01-16 | 中国人民解放军63928部队 | 一种测试用例优先级排序动态调整方法 |
CN104820636A (zh) * | 2015-04-09 | 2015-08-05 | 北京轩宇信息技术有限公司 | 一种并行的基于蚁群算法的测试用例序列生成方法 |
US20170116114A1 (en) * | 2015-10-27 | 2017-04-27 | Microsoft Technology Licensing, Llc | Test failure bucketing |
CN107766245A (zh) * | 2017-10-18 | 2018-03-06 | 浙江理工大学 | 基于ott策略的可变力度组合测试用例优先级在线排序方法 |
Non-Patent Citations (1)
Title |
---|
朱凌燕: ""基于缺陷的测试用例优先级排序方法"", 《电子技术与软件工程》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112463636A (zh) * | 2020-12-11 | 2021-03-09 | 苏州浪潮智能科技有限公司 | 一种测试用例排序管理方法及*** |
CN112463636B (zh) * | 2020-12-11 | 2023-01-06 | 苏州浪潮智能科技有限公司 | 一种测试用例排序管理方法及*** |
CN114218069A (zh) * | 2021-11-16 | 2022-03-22 | 北京百度网讯科技有限公司 | 回归测试方法、装置、电子设备及存储介质 |
US11669672B1 (en) | 2021-11-16 | 2023-06-06 | Beijing Baidu Netcom Science Technology Co., Ltd. | Regression test method, electronic device and storage medium |
CN117435514A (zh) * | 2023-12-21 | 2024-01-23 | 杭州罗莱迪思科技股份有限公司 | 冒烟测试用例抽取方法 |
CN117435514B (zh) * | 2023-12-21 | 2024-03-01 | 杭州罗莱迪思科技股份有限公司 | 冒烟测试用例抽取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10235277B2 (en) | Method of detecting false test alarms using test step failure analysis | |
CN110941545A (zh) | 基于缺陷的回归测试用例的处理方法、装置及计算设备 | |
CN110188862B (zh) | 用于数据处理的模型超参数的搜索方法、装置、*** | |
CN110134611B (zh) | 内存泄漏分析方法、装置、终端和存储介质 | |
US8850272B2 (en) | Method and system to measure preventability of failures of an application | |
CN108664381B (zh) | 测试方法及装置 | |
CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN111881023A (zh) | 一种基于多模型对比的软件老化预测方法及装置 | |
US20230161687A1 (en) | System and method for test selection according to test impact analytics | |
KR20140008201A (ko) | 어플리케이션의 품질 테스트를 위한 테스트 케이스의 우선 순위화 장치 및 방법 | |
CN111400294B (zh) | 数据异常监测方法、装置及*** | |
CN104022899A (zh) | 一种网络管理***的三维评估方法及*** | |
CN109471787B (zh) | 软件质量评价方法及装置、存储介质、电子设备 | |
CN111078480B (zh) | 一种异常恢复方法和服务器 | |
CN116560794A (zh) | 虚拟机的异常处理方法和装置、介质和计算机设备 | |
CN111783883A (zh) | 一种异常数据的检测方法及装置 | |
CN116304910A (zh) | 运维数据的异常检测方法、装置、设备及存储介质 | |
CN110888809A (zh) | 一种测试任务的风险预测方法及装置 | |
CN110704614A (zh) | 对应用中的用户群类型进行预测的信息处理方法及装置 | |
CN113850428A (zh) | 作业调度的预测处理方法、装置和电子设备 | |
CN112905488A (zh) | 链路测试方法、装置、计算机设备及存储介质 | |
CN112199247B (zh) | 一种无业务状态下Docker容器进程活性的检查方法及装置 | |
CN111143209A (zh) | 分层压力测试方法、装置、电子设备及存储介质 | |
CN113702062B (zh) | 基于实际构件的疲劳特性测试方法及*** | |
CN112416774B (zh) | 一种添加权重的软件可靠性测试方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200331 |