CN111367782B - 回归测试数据自动生成的方法及装置 - Google Patents
回归测试数据自动生成的方法及装置 Download PDFInfo
- Publication number
- CN111367782B CN111367782B CN201811587258.0A CN201811587258A CN111367782B CN 111367782 B CN111367782 B CN 111367782B CN 201811587258 A CN201811587258 A CN 201811587258A CN 111367782 B CN111367782 B CN 111367782B
- Authority
- CN
- China
- Prior art keywords
- data
- test
- user
- message data
- service interface
- 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.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000006399 behavior Effects 0.000 claims description 39
- 238000004891 communication Methods 0.000 claims description 12
- 238000006467 substitution reaction Methods 0.000 claims description 2
- 230000007547 defect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013522 software testing Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011990 functional testing Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G06F11/3688—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)
- Debugging And Monitoring (AREA)
Abstract
本发明实施例提供一种回归测试数据自动生成的方法及装置,所述方法包括:获取目标业务接口的所有请求报文数据及返回报文数据;基于用户信息表获取用户特征数据;基于请求报文数据获取用户特征数据;基于K‑means算法对用户行为数据和用户特征数据进行聚类,获得聚类结果;从聚类结果的每一类中随机选取一组请求报文数据作为目标业务接口的请求测试数据,获取所述随机选取的一组请求报文数据的返回报文数据作为目标业务接口的测试预期结果数据。本发明实施例解决了现有技术中无法准确有效的获取典型代表的用户特征数据以及用户行为数据的技术问题。
Description
技术领域
本发明实施例涉及软件测试技术领域,尤其涉及一种回归测试数据自动生成的方法及装置。
背景技术
回归测试是指修改了旧代码后,重新进行测试以确认修改没有引入新的错误或导致其他代码产生错误。回归测试作为软件生命周期的一个组成部分,在整个软件测试过程中占有很大的工作量比重,软件开发的各个阶段都会进行多次回归测试。在渐进和快速迭代开发中,新版本的连续发布使回归测试进行的更加频繁,而在极端编程方法中,更是要求每天都进行若干次回归测试。因此,通过选择正确的回归测试策略来改进回归测试的效率和有效性是很有意义的。
但是面对运营商海量级的用户数据,如何选取具有典型代表的用户特征数据以及用户行为数据进行测试,是一大难题。目前主流的解决方式有以下几种:传统的功能测试,采用等价类划分、边界值、垃圾数据等进行测试数据选取。典型用户的回归测试:依据测试人员对***的熟悉和以往的经验,对典型用户的典型行为进行功能测试覆盖。
现有的技术方案都存在无法准确有效的获取典型代表的用户特征数据以及用户行为数据的缺陷。
发明内容
本发明实施例提供一种回归测试数据自动生成的方法,用以解决现有技术中无法准确有效的获取典型代表的用户特征数据以及用户行为数据的缺陷。
根据本发明实施例的第一个方面,提供一种回归测试数据自动生成的方法,包括:
获取目标业务接口的所有请求报文数据及返回报文数据;
基于用户信息表获取用户特征数据;基于请求报文数据获取用户行为数据;
基于K-means算法对用户行为数据和用户特征数据进行聚类,获得聚类结果;
从聚类结果的每一类中随机选取一组请求报文数据作为目标业务接口的请求测试数据,获取所述随机选取的一组请求报文数据的返回报文数据作为目标业务接口的测试预期结果数据。
进一步,基于K-means算法对用户行为数据和用户特征数据进行聚类,之前还包括:
获取目标业务接口的所有用户特征数据和用户行为数据中同一个目标参数所对应不同参数值的个数n;
当n超过预设个数时,不做进一步分析;当n小于或等于预设个数时,认定所述目标参数为枚举值参数并统计。
进一步,基于K-means算法对用户行为数据和用户特征数据进行聚类,获得聚类结果,包括:
以欧式距离作为用户行为数据和用户特征数据中数据相似度的测度;将距离靠近的数据归为一类,将得到的各紧凑且独立的数据类作为聚类结果。
进一步,还包括:
预先建立测试号码资源池;
计算测试号码资源池中各测试号码与目标业务接口的请求测试数据中真实用户号码间的欧式距离,选取与用户号码距离相等或者最小的测试号码,用其替换请求测试数据中的真实用户号码。
进一步,还包括:
将聚类结果中报文数据中用户号码和工号信息用请求测试数据替换,组装成待测试的报文数据。
进一步,还包括:
将请求测试数据发送至被测***的目标业务接口,获取被测***目标业务接口返回的报文数据;
将返回的报文数据与测试预期结果数据进行比对,若一致则测试通过,若不一致,则测试不通过。
根据本发明的第二个方面,提供一种回归测试数据自动生成的***,包括:
第一获取模块,用于获取目标业务接口的所有请求报文数据及返回报文数据;
第二获取模块,用于基于用户信息表获取用户特征数据;基于请求报文数据获取用户特征数据;
第三获取模块,用于基于K-means算法对用户行为数据和用户特征数据进行聚类,获得聚类结果;
第四获取模块,用于从聚类结果的每一类中随机选取一组请求报文数据作为目标业务接口的请求测试数据,获取所述随机选取的一组请求报文数据的返回报文数据作为目标业务接口的测试预期结果数据。
进一步,第三获取模块,用于
获取目标业务接口的所有用户特征数据和用户行为数据中同一个目标参数所对应不同参数值的个数n;
当n超过预设个数时,不做进一步分析;当n小于或等于预设个数时,认定所述目标参数为枚举值参数并统计。
根据本发明的第三个方面,提供一种电子设备,其特征在于,包括:
至少一个处理器、至少一个存储器、通信接口和总线;其中,
所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以执行上述任一项所述的方法。
根据本发明的第四个方面,提供一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述任一项所述的方法。
本发明实施例提供一种回归测试数据自动生成的方法及装置,所述方法通过枚举值判定、K-means聚类的方式对实际用户特征数据和用户行为数据进行自动分析和聚类,通过随机选取每一类中的数据,形成测试数据输入。本发明实施例的测试数据的选择方式无需了解被测***的代码逻辑,且可以使用较少的测试用例完整地覆盖生产实际场景,有效避免***上线后引起用户报障。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明回归测试数据自动生成的方法的一实施例流程示意图;
图2为本发明回归测试数据自动生成的装置的一实施例结构示意图;
图3为本发明一种电子设备实施例的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有回归测试数据采集的技术方案存在以下缺陷:
传统的功能测试:对于复杂***的回归测试,该方法要求测试人员对***所有功能都深入了解且整体测试用例数量庞大,每次回归测试工作量过多,不适用于目前更迭速度快的敏捷开发模式。
典型用户的回归测试:测试数据过于依赖测试人员的主观选择,测试遗漏故障的可能性较高。另外,随着业务的发展,典型用户会有所变化,相应的,测试用例需有测试人员不断手工更新。
如图1所示,本发明具体实施例示出一种回归测试数据自动生成的方法,包括:
S1,获取目标业务接口的所有请求报文数据及返回报文数据;
通过分析目标接口报文的日志数据,获取每个目标业务接口的所有请求报文数据以及返回报文数据。请求报文数据主要包括例如用户号码和业务请求参数,返回报文数据主要例如为该条业务请求的返回结果,成功或者失败。
S2,基于用户信息表获取用户特征数据;基于请求报文数据获取用户行为数据;
根据用户号码在用户信息表中查询例如基础套餐、信用等级、停开机标识、亲情网角色、虚拟网角色等关键信息,作为用户特征数据。分析请求报文数据中业务操作部分的参数作为用户行为数据。
S3,基于K-means算法对用户行为数据和用户特征数据进行聚类,获得聚类结果;
采用K-means算法对用户行为数据和用户特征数据进行聚类,例如以欧式距离作为相似度测度,即认为两个对象的距离越近,其相似度就越大。该算法认为距离靠近的对象可归为一类,因此把得到紧凑且独立的类作为最终目标。
S4,从聚类结果的每一类中随机选取一组请求报文数据作为目标业务接口的请求测试数据,获取所述随机选取的一组请求报文数据的返回报文数据作为目标业务接口的测试预期结果数据。
本发明通过对接口报文数据的统计获取用户行为数据,通过对用户信息表中的数据统计获取用户特征数据。接着将这些数据使用K-means算法进行聚类,每一类中随机选取一组用户数据作为测试数据。解决现有技术中无法准确有效的获取典型代表的用户特征数据以及用户行为数据的缺陷。
在本发明上述任一具体实施例的基础上,提供一种回归测试数据自动生成的方法,基于K-means算法对用户行为数据和用户特征数据进行聚类,之前还包括:
获取目标业务接口的所有用户特征数据和用户行为数据中同一个目标参数所对应不同参数值的个数n;
当n超过预设个数时,不做进一步分析;当n小于或等于预设个数时,认定所述目标参数为枚举值参数并统计。
其中,对每个目标接口的所有用户特征数据和行为数据进行统计分析。例如对同一个参数,当其不同参数值超过10个时,认为其为高离散参数,不做进一步分析;当其不同参数值小于或等于10个时,认定该参数为枚举值参数,其中空值也作为枚举值的一种进行统计。
在本发明上述任一具体实施例的基础上,提供一种回归测试数据自动生成的方法,基于K-means算法对用户行为数据和用户特征数据进行聚类,获得聚类结果,包括:
以欧式距离作为用户行为数据和用户特征数据中数据相似度的测度;将距离靠近的数据归为一类,将得到的各紧凑且独立的数据类作为聚类结果。
其中,首先,例如计算欧式距离:
假设给定的数据集合为X=(xm|m=1,2…total)。
每个样本x中有N个用户参数(包括用户特征数据和用户行为数据),样本xi=(xi1,xi2,…xiN)。
每个特征参数xij有M个特征枚举值,xij为M维向量。枚举值两两之间的距离相同,因此特征参数在其所属的维度值为1,其余为0。例如,对于“信用等级”这个特征参数,有3个枚举值,用向量分别表示为一星级(1,0,0)、二星级(0,1,0),三星级(0,0,1)。
样本间的相似度通过他们之间的距离d来表示,距离越小,代表样本数据越相似。当样本中的第k个特征参数相同时,d(xik,xjk)=0;当样本中的第k个特征参数不同时,
样本间的距离
通过欧式距离聚类。其中,K根据业务的重要等级确定,重要等级越高的接口,K越大。
从N个用户参数样本中随机选取K个作为质心。
剩余的每个用户参数计算到每个质心的欧式距离,并把它归类到最近的质心。
通过计算每类样本中的平均值重新计算各个类的质心。
重复上述两个步骤,直到新的质心与原质心相等,聚类结束。
在本发明上述任一具体实施例的基础上,提供一种回归测试数据自动生成的方法,还包括:
预先建立测试号码资源池;
计算测试号码资源池中各测试号码与目标业务接口的请求测试数据中真实用户号码间的欧式距离,选取与用户号码距离相等或者最小的测试号码,用其替换请求测试数据中的真实用户号码。
其中,例如通过建立测试号码资源池,预置基础套餐、信用等级、停开机标识、亲情网角色、虚拟网角色等关键信息值。计算号码间的欧式距离,选取与用户号码距离相等或者最小的测试号码,用其替换报文中的真实用户号码。
在本发明上述任一具体实施例的基础上,提供一种回归测试数据自动生成的方法,还包括:
将聚类结果中报文数据中用户号码和工号信息用请求测试数据替换,组装成待测试的报文数据。
在本发明上述任一具体实施例的基础上,提供一种回归测试数据自动生成的方法,还包括:
将请求测试数据发送至被测***的目标业务接口,获取被测***目标业务接口返回的报文数据;
将返回的报文数据与测试预期结果数据进行比对,若一致则测试通过,若不一致,则测试不通过。
在本发明上述任一具体实施例的基础上,如图2所示,提供一种回归测试数据自动生成的装置,包括:
第一获取模块A1,用于获取目标业务接口的所有请求报文数据及返回报文数据;
第二获取模块A2,用于基于用户信息表获取用户特征数据;基于请求报文数据获取用户特征数据;
第三获取模块A3,用于基于K-means算法对用户行为数据和用户特征数据进行聚类,获得聚类结果;
第四获取模块A4,用于从聚类结果的每一类中随机选取一组请求报文数据作为目标业务接口的请求测试数据,获取所述随机选取的一组请求报文数据的返回报文数据作为目标业务接口的测试预期结果数据。
举个例子如下:
图3示例了一种服务器的实体结构示意图,该服务器可以包括:处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340,其中,处理器310,通信接口320,存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令,以执行如下方法:获取目标业务接口的所有请求报文数据及返回报文数据;基于用户信息表获取用户特征数据;基于请求报文数据获取用户特征数据;基于K-means算法对用户行为数据和用户特征数据进行聚类,获得聚类结果;从聚类结果的每一类中随机选取一组请求报文数据作为目标业务接口的请求测试数据,获取所述随机选取的一组请求报文数据的返回报文数据作为目标业务接口的测试预期结果数据。
此外,上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法,例如包括:获取目标业务接口的所有请求报文数据及返回报文数据;基于用户信息表获取用户特征数据;基于请求报文数据获取用户特征数据;基于K-means算法对用户行为数据和用户特征数据进行聚类,获得聚类结果;从聚类结果的每一类中随机选取一组请求报文数据作为目标业务接口的请求测试数据,获取所述随机选取的一组请求报文数据的返回报文数据作为目标业务接口的测试预期结果数据。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种回归测试数据自动生成的方法,其特征在于,包括:
获取目标业务接口的所有请求报文数据及返回报文数据;
基于用户信息表获取用户特征数据;基于请求报文数据获取用户行为数据;所述用户特征数据包括基础套餐、信用等级、停开机标识、亲情网角色和虚拟网角色,所述用户行为数据为所述请求报文数据中业务操作部分的参数;
基于K-means算法对用户行为数据和用户特征数据进行聚类,获得聚类结果;
从聚类结果的每一类中随机选取一组请求报文数据作为目标业务接口的请求测试数据,获取所述随机选取的一组请求报文数据的返回报文数据作为目标业务接口的测试预期结果数据;
预先建立测试号码资源池;
计算测试号码资源池中各测试号码与目标业务接口的请求测试数据中真实用户号码间的欧式距离,选取与用户号码距离相等或者最小的测试号码,用其替换请求测试数据中的真实用户号码。
2.根据权利要求1所述的方法,其特征在于,基于K-means算法对用户行为数据和用户特征数据进行聚类,之前还包括:
获取目标业务接口的所有用户特征数据和用户行为数据中同一个目标参数所对应不同参数值的个数n;
当n超过预设个数时,不做进一步分析;当n小于或等于预设个数时,认定所述目标参数为枚举值参数并统计。
3.根据权利要求1所述的方法,其特征在于,基于K-means算法对用户行为数据和用户特征数据进行聚类,获得聚类结果,包括:
以欧式距离作为用户行为数据和用户特征数据中数据相似度的测度;将距离靠近的数据归为一类,将得到的各紧凑且独立的数据类作为聚类结果。
4.根据权利要求1所述的方法,其特征在于,还包括:
将聚类结果中报文数据中用户号码和工号信息用请求测试数据替换,组装成待测试的报文数据。
5.根据权利要求1所述的方法,其特征在于,还包括:
将请求测试数据发送至被测***的目标业务接口,获取被测***目标业务接口返回的报文数据;
将返回的报文数据与测试预期结果数据进行比对,若一致则测试通过,若不一致,则测试不通过。
6.一种回归测试数据自动生成的***,其特征在于,包括:
第一获取模块,用于获取目标业务接口的所有请求报文数据及返回报文数据;
第二获取模块,用于基于用户信息表获取用户特征数据;基于请求报文数据获取用户行为数据;所述用户特征数据包括基础套餐、信用等级、停开机标识、亲情网角色和虚拟网角色,所述用户行为数据为所述请求报文数据中业务操作部分的参数;
第三获取模块,用于基于K-means算法对用户行为数据和用户特征数据进行聚类,获得聚类结果;
第四获取模块,用于从聚类结果的每一类中随机选取一组请求报文数据作为目标业务接口的请求测试数据,获取所述随机选取的一组请求报文数据的返回报文数据作为目标业务接口的测试预期结果数据;
所述回归测试数据自动生成的***还包括数据替换模块,用于:
预先建立测试号码资源池;
计算测试号码资源池中各测试号码与目标业务接口的请求测试数据中真实用户号码间的欧式距离,选取与用户号码距离相等或者最小的测试号码,用其替换请求测试数据中的真实用户号码。
7.根据权利要求6所述的***,其特征在于,第三获取模块,用于
获取目标业务接口的所有用户特征数据和用户行为数据中同一个目标参数所对应不同参数值的个数n;
当n超过预设个数时,不做进一步分析;当n小于或等于预设个数时,认定所述目标参数为枚举值参数并统计。
8.一种电子设备,其特征在于,包括:
至少一个处理器、至少一个存储器、通信接口和总线;其中,
所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以执行如权利要求1至5任一项所述的方法。
9.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811587258.0A CN111367782B (zh) | 2018-12-25 | 2018-12-25 | 回归测试数据自动生成的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811587258.0A CN111367782B (zh) | 2018-12-25 | 2018-12-25 | 回归测试数据自动生成的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111367782A CN111367782A (zh) | 2020-07-03 |
CN111367782B true CN111367782B (zh) | 2023-08-15 |
Family
ID=71207893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811587258.0A Active CN111367782B (zh) | 2018-12-25 | 2018-12-25 | 回归测试数据自动生成的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111367782B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112631922A (zh) * | 2020-12-28 | 2021-04-09 | 广州品唯软件有限公司 | 流量回放数据选取方法、***和存储介质 |
CN113709182B (zh) * | 2021-09-13 | 2023-03-10 | 支付宝(杭州)信息技术有限公司 | 一种接口的识别方法、装置及设备 |
CN115396332B (zh) * | 2022-06-20 | 2024-03-15 | 内蒙古电力(集团)有限责任公司内蒙古超高压供电分公司 | 电力通信协议的模糊测试方法、终端设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521376A (zh) * | 2011-12-20 | 2012-06-27 | 上海电机学院 | 一种软件测试用例集的精简方法 |
CN104133772A (zh) * | 2014-08-13 | 2014-11-05 | 广东电网公司信息中心 | 一种自动生成测试数据的方法 |
CN105528289A (zh) * | 2015-12-04 | 2016-04-27 | 中国矿业大学 | 一种基于分支覆盖与相似性的回归测试用例优先排序方法 |
CN106484601A (zh) * | 2015-08-24 | 2017-03-08 | 腾讯科技(深圳)有限公司 | 客户端的用户数据分析方法及*** |
CN106656577A (zh) * | 2016-11-24 | 2017-05-10 | 中国通信建设集团设计院有限公司 | 一种app及浏览器的用户行为统计方法及智能路由器 |
CN107102939A (zh) * | 2016-11-09 | 2017-08-29 | 中国矿业大学 | 一种回归测试用例自动分类方法 |
CN107798037A (zh) * | 2017-04-26 | 2018-03-13 | 平安科技(深圳)有限公司 | 用户特征数据的获取方法及服务器 |
CN108399128A (zh) * | 2018-02-28 | 2018-08-14 | 深圳前海桔子信息技术有限公司 | 一种用户数据的生成方法、装置、服务器及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160246705A1 (en) * | 2015-02-23 | 2016-08-25 | International Business Machines Corporation | Data fabrication based on test requirements |
-
2018
- 2018-12-25 CN CN201811587258.0A patent/CN111367782B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521376A (zh) * | 2011-12-20 | 2012-06-27 | 上海电机学院 | 一种软件测试用例集的精简方法 |
CN104133772A (zh) * | 2014-08-13 | 2014-11-05 | 广东电网公司信息中心 | 一种自动生成测试数据的方法 |
CN106484601A (zh) * | 2015-08-24 | 2017-03-08 | 腾讯科技(深圳)有限公司 | 客户端的用户数据分析方法及*** |
CN105528289A (zh) * | 2015-12-04 | 2016-04-27 | 中国矿业大学 | 一种基于分支覆盖与相似性的回归测试用例优先排序方法 |
CN107102939A (zh) * | 2016-11-09 | 2017-08-29 | 中国矿业大学 | 一种回归测试用例自动分类方法 |
CN106656577A (zh) * | 2016-11-24 | 2017-05-10 | 中国通信建设集团设计院有限公司 | 一种app及浏览器的用户行为统计方法及智能路由器 |
CN107798037A (zh) * | 2017-04-26 | 2018-03-13 | 平安科技(深圳)有限公司 | 用户特征数据的获取方法及服务器 |
CN108399128A (zh) * | 2018-02-28 | 2018-08-14 | 深圳前海桔子信息技术有限公司 | 一种用户数据的生成方法、装置、服务器及存储介质 |
Non-Patent Citations (1)
Title |
---|
温春琰."面向回归测试的测试数据扩增方法研究".《中国优秀硕士学位论文全文数据库 信息科技辑》.2017,(第undefined期),第I138-138页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111367782A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108683530B (zh) | 多维度数据的数据分析方法、装置及存储介质 | |
CN109947641B (zh) | 自动化测试方法及装置 | |
CN111367782B (zh) | 回归测试数据自动生成的方法及装置 | |
CN110362473B (zh) | 测试环境的优化方法及装置、存储介质、终端 | |
CN110457175B (zh) | 业务数据处理方法、装置、电子设备及介质 | |
CN113704046B (zh) | 一种故障告警处理方法及装置、设备、存储介质 | |
US20180357143A1 (en) | Testing computing devices | |
CN112532455B (zh) | 一种异常根因定位方法及装置 | |
CN110764980A (zh) | 日志处理方法和装置 | |
WO2021188196A1 (en) | Causality determination of upgrade regressions via comparisons of telemetry data | |
CN111859047A (zh) | 一种故障解决方法及装置 | |
CN111625342B (zh) | 一种数据溯源方法、装置及服务器 | |
CN111274084A (zh) | 故障诊断方法、装置、设备及计算机可读存储介质 | |
CN112799953A (zh) | 一种接口测试方法及装置、计算机设备及存储介质 | |
CN116431522A (zh) | 一种低代码对象存储网关自动化测试方法及*** | |
CN111258788B (zh) | 磁盘故障预测方法、装置及计算机可读存储介质 | |
CN115080401A (zh) | 一种自动化测试方法和相关装置 | |
CN114385498A (zh) | 性能测试方法、***、计算机设备及可读存储介质 | |
CN111694728A (zh) | 脚本的自动化生成方法和装置 | |
CN114726593B (zh) | 数据分析、异常信息识别方法、设备及存储介质 | |
CN111985651A (zh) | 业务***运维方法和装置 | |
CN108710573A (zh) | 一种基于日志埋点的测试方法、装置、存储介质及终端 | |
CN116170514B (zh) | 一种用于中台业务的服务策略调用实现方法及*** | |
CN118353763A (zh) | 网络故障检测方法、装置、设备及可读存储介质 | |
CN117278435A (zh) | 一种云平台故障分类检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |