CN111552646A - 用于回归测试的方法和装置 - Google Patents
用于回归测试的方法和装置 Download PDFInfo
- Publication number
- CN111552646A CN111552646A CN202010364845.4A CN202010364845A CN111552646A CN 111552646 A CN111552646 A CN 111552646A CN 202010364845 A CN202010364845 A CN 202010364845A CN 111552646 A CN111552646 A CN 111552646A
- Authority
- CN
- China
- Prior art keywords
- test
- output result
- test case
- actual output
- target
- 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.)
- Granted
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
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
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
本申请公开了用于回归测试的方法和装置,涉及自动驾驶技术领域。具体实现方案为:一种用于回归测试的方法,包括:响应于接收到测试需求,根据测试需求中的问题类别获取预先设置的关键词;从测试用例库中查找与关键词匹配的测试用例作为目标测试用例;根据目标测试用例从预设的测试数据集中获取测试数据和期望输出结果;将测试数据作为目标测试用例的输入,运行目标测试用例,得到实际输出结果;对比期望输出结果和实际输出结果确定测试是否通过。该实施方式能够有效的提升测试效率,及时发现当前版本存在退化的功能。
Description
技术领域
本申请的实施例涉及计算机技术领域,具体涉及自动驾驶技术领域。
背景技术
***在版本升级或者业务功能维护修改时,都可能会影响整个***的使用,传统的回归测试方法通常是将所有需要运行的测试向量依次序排列,相当于单独运行每个测试向量,每次相隔较长时间,或者做出较大更新后运行一次回归测试,并在最后通过人工或简单的命令来检查结果。
例如,无人车感知***的迭代过程中,一部分新功能是为解决特定场景下的特定问题而加入的。由于感知***是一个复杂的***,新功能的加入难免会对之前的感知效果造成影响。通常情况下,在验证新的功能时,会忽略对于历史功能的测试。即使在有重大重构进行历史特性统一回归测试时,采用的也是人工验证,缺点在于:(1)测试耗时较大,历史功能列表的整理、测试数据的准备以及逐测试用例的效果对比会耗费较多的时间;(2)问题定位能力弱,由于大型的回归测试通常数月进行一次,其中已经历多个版本的迭代,当发现测试用例回归效果失败的时候,很难快速定位到引入问题的版本,同样不利于问题的解决。
发明内容
提供了一种用于回归测试的方法、装置、设备以及存储介质。
根据第一方面,提供了一种用于回归测试的方法,包括:响应于接收到测试需求,根据测试需求中的问题类别获取预先设置的关键词;从测试用例库中查找与关键词匹配的测试用例作为目标测试用例;根据目标测试用例从预设的测试数据集中获取测试数据和期望输出结果;将测试数据作为目标测试用例的输入,运行目标测试用例,得到实际输出结果;对比期望输出结果和实际输出结果确定测试是否通过。
根据第一方面,提供了一种用于回归测试的装置,包括:接收单元,被配置成响应于接收到测试需求,根据测试需求中的问题类别获取预先设置的关键词;查找单元,被配置成从测试用例库中查找与关键词匹配的测试用例作为目标测试用例;获取单元,被配置成根据目标测试用例从预设的测试数据集中获取测试数据和期望输出结果;运行单元,被配置成将测试数据作为目标测试用例的输入,运行目标测试用例,得到实际输出结果;判决单元,被配置成对比期望输出结果和实际输出结果确定测试是否通过。
根据第一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行权利要求1-6中任一项的方法。
根据第一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,计算机指令用于使计算机执行权利要求1-6中任一项的方法。
根据本申请的技术解决了如何保障在测试环节实现快速的功能回归,保障历史功能的有效性的问题。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请的一个实施例可以应用于其中的示例性***架构图;
图2是根据本申请的用于回归测试的方法的一个实施例的流程图;
图3是根据本申请的用于回归测试的方法的又一个实施例的流程图;
图4是根据本申请的用于回归测试的方法的一个应用场景的示意图;
图5是根据本申请的用于回归测试的装置的一个实施例的结构示意图;
图6是可以实现本申请实施例的用于回归测试的方法的场景图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1示出了可以应用本申请的用于回归测试的方法或用于回归测试的装置的实施例的示例性***架构100。
如图1所示,***架构100可以包括无人驾驶车辆(简称无人车)101和服务器102。
无人驾驶车辆101中可以安装有驾驶控制设备1011、网络1012和传感器1013。网络1012用以在驾驶控制设备1011和传感器1013之间提供通信链路的介质。网络1012可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
驾驶控制设备(又称为车载大脑)1011负责无人驾驶车辆101的智能控制。驾驶控制设备1011可以是单独设置的控制器,例如可编程逻辑控制器(Programmable LogicController,PLC)、单片机、工业控制机等;也可以是由其他具有输入/输出端口,并具有运算控制功能的电子器件组成的设备;还可以是安装有车辆驾驶控制类应用的计算机设备。
需要说明的是,实践中无人驾驶车辆101中安装有至少一个传感器,例如,摄像机、激光雷达、毫米波雷达、重力传感器、轮速传感器等。某些情况下,无人驾驶车辆101中还可以安装有GNSS(Global Navigation Satellite S6stem,全球导航卫星***)设备和SINS(Strap-down Inertial Navigation S6stem,捷联惯性导航***)等等。
服务器102可以是后台测试服务器,可对无人车101发送测试指令,无人车按照测试指令采集图像并进行识别后,将识别结果发给后台测试服务器。后台测试服务器可以对接收到的无人车运行数据进行分析等处理,并将是否通过回归测试反馈给研发人员、测试人员。
需要说明的是,本申请实施例所提供的用于回归测试的方法一般由服务器102执行,相应地,用于回归测试的装置一般设置于服务器102中。
应该理解,图1中的无人车和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的无人车和服务器。
继续参考图2,其示出了根据本申请的用于回归测试的方法的一个实施例的流程。该用于回归测试的方法,包括以下步骤:
步骤201,响应于接收到测试需求,根据测试需求中的问题类别获取预先设置的关键词。
在本实施例中,用于回归测试的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从用户利用其进行回归测试的终端接收测试需求,测试需求中包括问题类别,例如,点云误检。预先为每种类别设置一些相关的关键词。例如,我们可以根据他的问题分类“点云误捡”来匹配到关键词“Obstacle Pol6gon In Roi ShouldBe Less Than”,这个关键词可以覆盖大部分的误捡问题。
步骤202,从测试用例库中查找与关键词匹配的测试用例作为目标测试用例。
在本实施例中,测试用例库存储有大量的测试用例,每个测试用例的测试重点不同。回归测试是指重复以前的全部或部分的相同测试。新加入测试的模组,可能对其他模组产生副作用,故需进行某些程度的回归测试。回归测试的重心,以关键性模组为核心。因此需要从测试用例库中挑选测试用例。本申请从测试用例库中查找与关键词匹配的测试用例作为目标测试用例。这里的匹配指的是代码或注释信息的字符串与关键词匹配。例如,如果在某测试用例中的注释信息中包括关键词“Obstacle Pol6gon In Roi Should Be LessThan”,则将该测试用例作为目标测试用例。这里的匹配可以是完全匹配,也可以是部分匹配。计算字符串的匹配度。还可从测试用例中通过现有的摘要提取技术,提取摘要。然后再将摘要与关键词匹配。将匹配度大于预定匹配度阈值的测试用例作为目标测试用例。
可从海量测试用例中挑选出针对测试需求的测试用例,减少测试时间的同时保障测试的全面性。
步骤203,根据目标测试用例从预设的测试数据集中获取测试数据和期望输出结果。
在本实施例中,本申请的测试对象(例如无人车)在特定的数据输入后能够实现某种功能或触发某种问题。这也就奠定了回归测试体系以数据为驱动的基础,通过将测试数据(例如,点云、图像、雷达参数、定位等信息)固化并保存在云端,每次测试都从云端拉取数据也能够确保模块测试输入的一致性。以障碍物的漏检类为例,通过标注兴趣障碍物的区域(世界坐标系下坐标),并按预设的格式保存为文件,即为期望输出结果。
步骤204,将测试数据作为目标测试用例的输入,运行目标测试用例,得到实际输出结果。
在本实施例中,使用测试数据复现测试对象出问题的场景。测试用例中写明了测试对象和发给测试对象执行的测试数据。测试对象按测试数据运行,得到实际输出结果,返回给服务器。
步骤205,对比期望输出结果和实际输出结果确定测试是否通过。
在本实施例中,服务器中预先存储了测试数据对应的期望输出结果,再与实际输出结果进行对比,即可判断出测试是否通过。例如,计算感知输出的障碍物中落入指定区域的障碍物数量以及帧数,与设定的阈值进行对比从而获取测试结论。
本申请的上述实施例提供的方法,通过云端存储数据能避免每次重新下载准备环境,***化回归测试用例能够节省时间,代替人工逐帧对比的低效率测试模式,能够有效的提升测试效率。基于该回归体系可以迅速发现当前版本存在退化的功能,及时将问题暴露出来有助于研发同学对其进行修复。
进一步参考图3,其示出了用于回归测试的方法的又一个实施例的流程300。该用于回归测试的方法的流程300,包括以下步骤:
步骤301,响应于接收到测试需求,根据测试需求中的问题类别确定功能分类,根据功能分类选择预先设置的关键词。
在本实施例中,用于回归测试的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从用户利用其进行回归测试的终端接收测试需求,测试需求中包括问题类别,例如,点云误检。根据测试需求中的问题类别确定功能分类,再根据功能分类选择关键词。预先为每种类别的功能分类设置一些相关的关键词。例如,我们可以根据他的问题分类“点云误捡”的效果类功能来匹配到关键词“Obstacle Pol6gon In RoiShould Be Less Than”,这个关键词可以覆盖大部分的误检问题。这样可以按照不同的功能选择不同的检查规则,提高准出判决效率,全面实现自动化测试。
各模块的回归测试过程中会面对各式各样的测试需求:从模型的更新至各类路测问题的修复不尽相同,但从宏观角度来看,模块的功能可以大致为两大类:(1)效果类:该类特性通常为解决特定检测效果问题而存在,常见的效果类问题可以归纳为障碍物的漏检(实际有障碍物但没有检测到)、误检(实际没有障碍物但报出有障碍物)、属性错误(类别错误、朝向错误、速度错误等)等;(2)工程类:这类特性通常在于修复***漏洞,根据表现可以分类为异常退出、输出异常等。尽管分类多样,但这两种模块功能的共同点在于他们都是以数据驱动,即是在特定的数据输入后能够实现某种功能或触发某种问题。这也就奠定了回归测试体系以数据为驱动的基础,通过将测试数据(包含点云、图像、雷达参数、定位等信息)固化并保存在云端,每次测试都从云端拉取数据也能够确保模块测试输入的一致性。
步骤302,从测试用例库中查找与关键词匹配的测试用例作为目标测试用例。
步骤302与步骤202基本相同,因此不再赘述。
步骤303,根据目标测试用例从预设的测试数据集中获取测试数据和期望输出结果。
步骤303与步骤203基本相同,因此不再赘述。
步骤304,将测试数据作为目标测试用例的输入,运行目标测试用例,得到实际输出结果。
步骤304与步骤204基本相同,因此不再赘述。
步骤305,若功能分类为效果类,则确定标注信息与实际输出结果的匹配度。
在本实施例中,基于以上各个分类,需要建设对应的检查规则用于判断模块是否通过测试。例如无人车测试中,对于效果类功能回归的核心在于兴趣障碍物位置的标注,标注即确定兴趣障碍物的真实位置,基于该位置才能够进一步判断是否有漏检、误检现象发生以及在该位置检出的障碍物属性是否正常。以障碍物的漏检类为例,通过标注兴趣障碍物的区域(世界坐标系下坐标),并按预设的格式保存为文件,随后在测试用例中通过读取该文件并与感知模块输出进行对比,计算感知输出的障碍物中落入指定区域的障碍物数量以及帧数,即为匹配度。
步骤306,若匹配度小于预设的匹配度阈值,则测试不通过。
在本实施例中,与设定的阈值进行对比从而获取测试结论,例如,如果落入指定区域的障碍物数量的比例小于95%,以及帧数比例小于98%,则测试不通过。
步骤307,若功能分类为工程类,则统计实际输出结果的输出频率。
在本实施例中,对于工程类的问题,通过监控运行过程中模块输出频率以及模块没有意外退出进行判断。
步骤308,若输出频率小于最小的输出频率阈值或大于最大的输出频率阈值,则测试不通过。
在本实施例中,例如,理论上应该每帧有一个输出结果,如果每帧输出超过一个结果,或2帧以上才输出一次结果,则测试不通过。输出频率过大或过小都说明识别异常。通过输出频率检测,可进一步保证***的安全性。
步骤309,若实际输出结果为空或未生成目标文件,则测试不通过。
在本实施例中,可通过检测实际输出结果为空或未生成目标文件来判断意外退出。如果意外退出,则测试不通过。可防止实际应用中因为漏检导致的安全问题。
步骤310,监控回归测试任务的性能。
在本实施例中,监控的性能可包括以下至少一项:单帧耗时、内存占用空间、CPU占用率、GPU占用率。单帧耗时指的是识别单帧图像所耗费的时间。
步骤311,若性能中任一项超过该项性能的预定性能阈值,则测试不通过。
在本实施例中,任一项性能指标不合格,则测试不通过。例如,单帧耗时超过预定时长阈值,则即使识别结果正确,但因为无法及时发现障碍物会导致安全隐患,因此测试不通过。内存占用空间、CPU占用率、GPU占用率也可能会导致***崩溃,因此测试不通过。
从图3中可以看出,与图2对应的实施例相比,本实施例中的用于回归测试的方法的流程体现了根据功能分类设置检查规则的步骤。由此,本实施例描述的方案可以引入更多检查规则,实现全面的自动测试、提高回归测试的速度和准确性。
继续参见图4,图4是根据本实施例的用于回归测试的方法的应用场景的一个示意图。在图4的应用场景中,基于robot framework测试框架,以数据为驱动,通过将模块历史功能抽象化选择测试用例,根据功能类型选择相应的检查规则来判断测试是否通过。只有所有选择的测试用例都验证通过,才能认定软件版本通过回归测试。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于回归测试的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于回归测试的装置500包括:接收单元501、查找单元502、获取单元503、运行单元504和判决单元505。其中,接收单元501,被配置成响应于接收到测试需求,根据测试需求中的问题类别获取预先设置的关键词;查找单元502,被配置成从测试用例库中查找与关键词匹配的测试用例作为目标测试用例;获取单元503,被配置成根据目标测试用例从预设的测试数据集中获取测试数据和期望输出结果;运行单元504,被配置成将测试数据作为目标测试用例的输入,运行目标测试用例,得到实际输出结果;判决单元505,被配置成对比期望输出结果和实际输出结果确定测试是否通过。
在本实施例中,用于回归测试的装置500的接收单元501、查找单元502、获取单元503、运行单元504和判决单元505的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204、步骤205。
在本实施例的一些可选的实现方式中,接收单元501进一步被配置成:根据测试需求中的问题类别确定功能分类;根据功能分类选择预先设置的关键词。
在本实施例的一些可选的实现方式中,功能分类包括:效果类,期望输出结果包括标注信息;以及判决单元进一步被配置成:确定标注信息与实际输出结果的匹配度;若匹配度小于预设的匹配度阈值,则测试不通过。
在本实施例的一些可选的实现方式中,功能分类包括:工程类;以及判决单元505进一步被配置成:统计实际输出结果的输出频率;若输出频率小于最小的输出频率阈值或大于最大的输出频率阈值,则测试不通过。
在本实施例的一些可选的实现方式中,判决单元505进一步被配置成:实际输出结果为空或未生成目标文件,则测试不通过。
在本实施例的一些可选的实现方式中,判决单元505进一步被配置成:监控回归测试任务的性能,其中,性能包括以下至少一项:单帧耗时、内存占用空间、CPU占用率、GPU占用率;若性能中任一项超过该项性能的预定性能阈值,则测试不通过。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的用于回归测试的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的用于回归测试的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的用于回归测试的方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的用于回归测试的方法对应的程序指令/模块(例如,附图5所示的接收单元501、查找单元502、获取单元503、运行单元504和判决单元505)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的用于回归测试的方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据用于回归测试的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至用于回归测试的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用于回归测试的方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与用于回归测试的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,能够减少测试耗时,提高定位问题的速度。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种用于回归测试的方法,包括:
响应于接收到测试需求,根据所述测试需求中的问题类别获取预先设置的关键词;
从测试用例库中查找与所述关键词匹配的测试用例作为目标测试用例;
根据所述目标测试用例从预设的测试数据集中获取测试数据和期望输出结果;
将所述测试数据作为所述目标测试用例的输入,运行目标测试用例,得到实际输出结果;
对比所述期望输出结果和所述实际输出结果确定测试是否通过。
2.根据权利要求1所述的方法,所述根据所述测试需求中的问题类别获取预先设置的关键词,包括:
根据所述测试需求中的问题类别确定功能分类;
根据所述功能分类选择预先设置的关键词。
3.根据权利要求2所述的方法,所述功能分类包括:效果类,所述期望输出结果包括标注信息;以及
所述对比所述期望输出结果和所述实际输出结果确定测试是否通过,包括:
确定所述标注信息与所述实际输出结果的匹配度;
若所述匹配度小于预设的匹配度阈值,则测试不通过。
4.根据权利要求2所述的方法,所述功能分类包括:工程类;以及
所述对比所述期望输出结果和所述实际输出结果确定测试是否通过,包括:
统计实际输出结果的输出频率;
若所述输出频率小于最小的输出频率阈值或大于最大的输出频率阈值,则测试不通过。
5.根据权利要求4所述的方法,所述对比所述期望输出结果和所述实际输出结果确定测试是否通过,还包括:
若所述实际输出结果为空或未生成目标文件,则测试不通过。
6.根据权利要求4所述的方法,所述对比所述期望输出结果和所述实际输出结果确定测试是否通过,还包括:
监控回归测试任务的性能,其中,所述性能包括以下至少一项:单帧耗时、内存占用空间、CPU占用率、GPU占用率;
若所述性能中任一项超过该项性能的预定性能阈值,则测试不通过。
7.一种用于回归测试的装置,包括:
接收单元,被配置成响应于接收到测试需求,根据所述测试需求中的问题类别获取预先设置的关键词;
查找单元,被配置成从测试用例库中查找与所述关键词匹配的测试用例作为目标测试用例;
获取单元,被配置成根据所述目标测试用例从预设的测试数据集中获取测试数据和期望输出结果;
运行单元,被配置成将所述测试数据作为所述目标测试用例的输入,运行目标测试用例,得到实际输出结果;
判决单元,被配置成对比所述期望输出结果和所述实际输出结果确定测试是否通过。
8.根据权利要求7所述的装置,所述接收单元进一步被配置成:
根据所述测试需求中的问题类别确定功能分类;
根据所述功能分类选择预先设置的关键词。
9.根据权利要求8所述的装置,所述功能分类包括:效果类,所述期望输出结果包括标注信息;以及
所述判决单元进一步被配置成:
确定所述标注信息与所述实际输出结果的匹配度;
若所述匹配度小于预设的匹配度阈值,则测试不通过。
10.根据权利要求8所述的装置,所述功能分类包括:工程类;以及
所述判决单元进一步被配置成:
统计实际输出结果的输出频率;
若所述输出频率小于最小的输出频率阈值或大于最大的输出频率阈值,则测试不通过。
11.根据权利要求10所述的装置,所述判决单元进一步被配置成:
所述实际输出结果为空或未生成目标文件,则测试不通过。
12.根据权利要求10所述的装置,所述判决单元进一步被配置成:
监控回归测试任务的性能,其中,所述性能包括以下至少一项:单帧耗时、内存占用空间、CPU占用率、GPU占用率;
若所述性能中任一项超过该项性能的预定性能阈值,则测试不通过。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010364845.4A CN111552646B (zh) | 2020-04-30 | 2020-04-30 | 用于回归测试的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010364845.4A CN111552646B (zh) | 2020-04-30 | 2020-04-30 | 用于回归测试的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111552646A true CN111552646A (zh) | 2020-08-18 |
CN111552646B CN111552646B (zh) | 2023-08-29 |
Family
ID=72007853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010364845.4A Active CN111552646B (zh) | 2020-04-30 | 2020-04-30 | 用于回归测试的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111552646B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084110A (zh) * | 2020-09-08 | 2020-12-15 | 北京百度网讯科技有限公司 | 数据处理方法、装置、设备以及存储介质 |
CN112506757A (zh) * | 2020-11-17 | 2021-03-16 | 中广核工程有限公司 | 自动测试方法、***、计算机设备及其介质 |
CN112816954A (zh) * | 2021-02-09 | 2021-05-18 | 中国信息通信研究院 | 一种基于真值的路侧感知***评测方法和*** |
CN113703417A (zh) * | 2021-07-13 | 2021-11-26 | 交控科技股份有限公司 | 列车运行全自动场景的测试用例确定方法及装置 |
CN113778881A (zh) * | 2021-09-13 | 2021-12-10 | 中国银行股份有限公司 | 一种数据处理方法、装置和电子设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719095A (zh) * | 2009-12-30 | 2010-06-02 | 北京世纪高通科技有限公司 | 一种回归测试的管理方法及装置 |
CN102331970A (zh) * | 2011-07-28 | 2012-01-25 | 北京航空航天大学 | 面向安全苛刻***的自动化测试资源管理方法及其平台 |
CN103186456A (zh) * | 2011-12-29 | 2013-07-03 | 北京新媒传信科技有限公司 | 一种***测试的方法和装置 |
CN104615544A (zh) * | 2015-03-10 | 2015-05-13 | 于秀山 | 面向问题的gui软件关联功能分析方法及装置 |
CN105930257A (zh) * | 2015-10-12 | 2016-09-07 | ***股份有限公司 | 一种确定目标测试用例的方法及装置 |
CN109344048A (zh) * | 2018-08-17 | 2019-02-15 | 中国平安人寿保险股份有限公司 | 一种测试方法、存储介质和服务器 |
CN109783128A (zh) * | 2018-12-13 | 2019-05-21 | 平安普惠企业管理有限公司 | 代码改动通知方法、设备、存储介质及装置 |
US20190213117A1 (en) * | 2018-01-09 | 2019-07-11 | International Business Machines Corporation | Regression testing of an application that uses big data as a source of data |
CN110471858A (zh) * | 2019-08-22 | 2019-11-19 | 腾讯科技(深圳)有限公司 | 应用程序测试方法、装置及存储介质 |
CN110888797A (zh) * | 2019-10-11 | 2020-03-17 | 平安信托有限责任公司 | 测试数据生成方法、装置、计算机设备及存储介质 |
-
2020
- 2020-04-30 CN CN202010364845.4A patent/CN111552646B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719095A (zh) * | 2009-12-30 | 2010-06-02 | 北京世纪高通科技有限公司 | 一种回归测试的管理方法及装置 |
CN102331970A (zh) * | 2011-07-28 | 2012-01-25 | 北京航空航天大学 | 面向安全苛刻***的自动化测试资源管理方法及其平台 |
CN103186456A (zh) * | 2011-12-29 | 2013-07-03 | 北京新媒传信科技有限公司 | 一种***测试的方法和装置 |
CN104615544A (zh) * | 2015-03-10 | 2015-05-13 | 于秀山 | 面向问题的gui软件关联功能分析方法及装置 |
CN105930257A (zh) * | 2015-10-12 | 2016-09-07 | ***股份有限公司 | 一种确定目标测试用例的方法及装置 |
US20190213117A1 (en) * | 2018-01-09 | 2019-07-11 | International Business Machines Corporation | Regression testing of an application that uses big data as a source of data |
CN109344048A (zh) * | 2018-08-17 | 2019-02-15 | 中国平安人寿保险股份有限公司 | 一种测试方法、存储介质和服务器 |
CN109783128A (zh) * | 2018-12-13 | 2019-05-21 | 平安普惠企业管理有限公司 | 代码改动通知方法、设备、存储介质及装置 |
CN110471858A (zh) * | 2019-08-22 | 2019-11-19 | 腾讯科技(深圳)有限公司 | 应用程序测试方法、装置及存储介质 |
CN110888797A (zh) * | 2019-10-11 | 2020-03-17 | 平安信托有限责任公司 | 测试数据生成方法、装置、计算机设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
ERIKROGSTAD等: "Test case selection for black-box regression testing of database applications", INFORMATION AND SOFTWARE TECHNOLOGY, vol. 55, no. 10, pages 1781 - 1795, XP028680784, DOI: 10.1016/j.infsof.2013.04.004 * |
卢炎生 等: "面向方面程序动态横切实现的错误分析", 小型微型计算机***, no. 5, pages 801 - 806 * |
张伟: "基于缺陷管理工具的银行业务软件分析与测试研究", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 4, pages 138 - 87 * |
袁香菊等: "SilkTest在数据驱动技术中的应用", 《现代电子技术》, no. 06, pages 74 - 76 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084110A (zh) * | 2020-09-08 | 2020-12-15 | 北京百度网讯科技有限公司 | 数据处理方法、装置、设备以及存储介质 |
CN112084110B (zh) * | 2020-09-08 | 2024-05-28 | 北京百度网讯科技有限公司 | 数据处理方法、装置、设备以及存储介质 |
CN112506757A (zh) * | 2020-11-17 | 2021-03-16 | 中广核工程有限公司 | 自动测试方法、***、计算机设备及其介质 |
CN112816954A (zh) * | 2021-02-09 | 2021-05-18 | 中国信息通信研究院 | 一种基于真值的路侧感知***评测方法和*** |
CN112816954B (zh) * | 2021-02-09 | 2024-03-26 | 中国信息通信研究院 | 一种基于真值的路侧感知***评测方法和*** |
CN113703417A (zh) * | 2021-07-13 | 2021-11-26 | 交控科技股份有限公司 | 列车运行全自动场景的测试用例确定方法及装置 |
CN113703417B (zh) * | 2021-07-13 | 2022-12-20 | 交控科技股份有限公司 | 列车运行全自动场景的测试用例确定方法及装置 |
CN113778881A (zh) * | 2021-09-13 | 2021-12-10 | 中国银行股份有限公司 | 一种数据处理方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111552646B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111552646A (zh) | 用于回归测试的方法和装置 | |
CN112965466B (zh) | 自动驾驶***的还原测试方法、装置、设备及程序产品 | |
CN112527748B (zh) | 用于分析用户操作行为的方法、装置、设备以及存储介质 | |
CN111784663A (zh) | 零部件的检测方法、装置、电子设备及存储介质 | |
US20210312799A1 (en) | Detecting traffic anomaly event | |
CN112507949A (zh) | 目标跟踪方法、装置、路侧设备以及云控平台 | |
CN111309343B (zh) | 一种开发部署方法及装置 | |
CN111738072A (zh) | 目标检测模型的训练方法、装置及电子设备 | |
CN113704116A (zh) | 自动驾驶车辆的数据处理方法、装置、电子设备和介质 | |
CN112270399A (zh) | 基于深度学习的算子注册处理方法、装置及电子设备 | |
CN113256583A (zh) | 图像质量检测方法及装置、计算机设备和介质 | |
CN111275011A (zh) | 移动红绿灯检测方法、装置、电子设备和存储介质 | |
CN112084110A (zh) | 数据处理方法、装置、设备以及存储介质 | |
CN111783226A (zh) | 生成自动驾驶场景度量参数的方法、装置、电子设备和存储介质 | |
CN115113528A (zh) | 神经网络模型的运行控制方法、装置、设备及介质 | |
CN112149828B (zh) | 基于深度学习框架的算子精度检测方法和装置 | |
CN114495103A (zh) | 文本识别方法、装置、电子设备和介质 | |
CN114036248A (zh) | 高精地图数据的处理方法、装置及电子设备 | |
CN113050501A (zh) | 一种车间虚拟监控***及服务终端 | |
CN111371862B (zh) | 无人车调试方法、装置、服务器和介质 | |
CN111563541A (zh) | 图像检测模型的训练方法和装置 | |
CN116737928A (zh) | 平台用户需求的文本挖掘方法、***及云平台 | |
CN111696095B (zh) | 用于检测物体表面缺陷的方法及装置 | |
CN116894317A (zh) | 数据处理方法、装置、电子设备和介质 | |
CN115891868A (zh) | 自动驾驶车辆的故障检测方法、装置、电子设备和介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211011 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Address before: 2 / F, *** building, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |