CN112131108B - 一种基于特征属性的测试策略调整方法及装置 - Google Patents
一种基于特征属性的测试策略调整方法及装置 Download PDFInfo
- Publication number
- CN112131108B CN112131108B CN202010990018.6A CN202010990018A CN112131108B CN 112131108 B CN112131108 B CN 112131108B CN 202010990018 A CN202010990018 A CN 202010990018A CN 112131108 B CN112131108 B CN 112131108B
- Authority
- CN
- China
- Prior art keywords
- test
- defect
- module
- sub
- defects
- 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 343
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000007547 defect Effects 0.000 claims abstract description 230
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 238000013461 design Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000019771 cognition Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013522 software testing Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000013142 basic testing Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000007787 solid Substances 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
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
本发明公开了一种基于特征属性的测试策略调整方法及装置,该方法包括:获取被测***包括的多个测试子模块,以及其他测试过程中发现的多个缺陷;获取各缺陷的特征属性,特征属性包括缺陷所属测试子模块和缺陷等级,并确定各测试子模块的重要性值以及各缺陷的缺陷等级值;根据各测试子模块的重要性值以及各缺陷的缺陷等级值,计算各测试子模块的测试预测值;根据各测试子模块的测试预测值,对被测***的测试策略进行调整。本发明便于测试人员科学有效地进行测试策略的调整,从而有效解决了现有技术中主要依据测试人员的经验来发现被测***中的缺陷,从而影响测试过程中发现的缺陷数量与缺陷质量使得无法科学有效地实时调整测试策略的问题。
Description
技术领域
本发明涉及计算机测试技术领域,具体涉及一种基于特征属性的测试策略调整方法及装置。
背景技术
软件测试是软件开发过程不可或缺的阶段,而测试策略是做好整个测试的首要条件。目前,如何高效发现被测***中的缺陷,主要依据测试人员的经验,即对被测***测试的覆盖深度和广度的初始认知。
然而,目前***规模大,且日趋复杂,开发周期短,测试时间也更为紧张,测试资源受限,将直接影响***测试过程中发现的缺陷数量与缺陷质量。此外,相同项目产品的多版本测试,重复率较高,测试思维定式也会造成无法有效地发现被测***的潜在缺陷。
因此,如何在有限的时间内发现被测***更多的缺陷,是测试领域追求的目标,故需要一种科学的测试策略调整方法,能够在有限的时间范围内利用有限的测试资源来发现被测***中更多的缺陷,以满足测试需求。
需要注意的是,本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
发明内容
本发明实施例提供一种基于特征属性的测试策略调整方法及装置,以解决现有技术中主要依据测试人员的经验来发现被测***中的缺陷,从而影响测试过程中发现的缺陷数量与缺陷质量,使得无法科学有效地实时调整测试策略的问题。
第一方面,本发明实施例提供一种基于特征属性的测试策略调整方法,该方法包括:
获取被测***包括的多个测试子模块,以及其他测试过程中发现的多个缺陷;
获取各所述缺陷的特征属性,所述特征属性包括缺陷所属测试子模块和缺陷等级,并确定各所述测试子模块的重要性值以及各所述缺陷的缺陷等级值;
根据各所述测试子模块的重要性值以及各所述缺陷的缺陷等级值,计算各所述测试子模块的测试预测值;
根据各所述测试子模块的测试预测值,对所述被测***的测试策略进行调整。
作为本发明第一方面的优选方式,所述根据各所述测试子模块的重要性值以及各所述缺陷的缺陷等级值,计算各所述测试子模块的测试预测值包括:
根据各所述缺陷的特征属性,分别获取各所述测试子模块包括的所有缺陷;
将各所述测试子模块包括的所有缺陷的特征属性代入建立好的缺陷模型中,并根据下述公式计算各所述测试子模块的测试预测值:
其中,Mi为被测***M中包括的第i个测试子模块,i=1、2、3……N,N为测试子模块的总数量,K为测试子模块Mi中包括的所有缺陷的总数量。
作为本发明第一方面的优选方式,所述根据各所述测试子模块的测试预测值,对所述被测***的测试策略进行调整包括:
按照各所述测试子模块的测试预测值从高到低的顺序,对所述测试子模块进行排序;
根据排序后的所述测试子模块,对所述被测***的测试策略进行调整。
作为本发明第一方面的优选方式,所述缺陷等级包括高缺陷等级、中缺陷等级和低缺陷等级。
第二方面,本发明实施例提供一种基于特征属性的测试策略调整装置,该装置包括:
第一获取单元,用于获取被测***包括的多个测试子模块,以及其他测试过程中发现的多个缺陷;
第二获取单元,用于获取各所述缺陷的特征属性,所述特征属性包括缺陷所属测试子模块和缺陷等级,并确定各所述测试子模块的重要性值以及各所述缺陷的缺陷等级值;
计算单元,用于根据各所述测试子模块的重要性值以及各所述缺陷的缺陷等级值,计算各所述测试子模块的测试预测值;
调整单元,用于根据各所述测试子模块的测试预测值,对所述被测***的测试策略进行调整。
作为本发明第二方面的优选方式,所述计算单元具体用于:
根据各所述缺陷的特征属性,分别获取各所述测试子模块包括的所有缺陷;
将各所述测试子模块包括的所有缺陷的特征属性代入建立好的缺陷模型中,并根据下述公式计算各所述测试子模块的测试预测值:
其中,Mi为被测***M中包括的第i个测试子模块,i=1、2、3……N,N为测试子模块的总数量,K为测试子模块Mi中包括的所有缺陷的总数量。
作为本发明第二方面的优选方式,所述调整单元具体用于:
按照各所述测试子模块的测试预测值从高到低的顺序,对所述测试子模块进行排序;
根据排序后的所述测试子模块,对所述被测***的测试策略进行调整。
作为本发明第二方面的优选方式,所述缺陷等级包括高缺陷等级、中缺陷等级和低缺陷等级。
第三方面,本发明实施例提供一种计算设备,包括处理器和存储器,其中存储器内存储有执行指令,处理器读取存储器内的执行指令用于执行如上述一种基于特征属性的测试策略调整方法所述的步骤。
第四方面,本发明实施例提供一种计算机可读存储介质,包含计算机执行指令,所述计算机执行指令被用于执行如上述一种基于特征属性的测试策略调整方法所述的步骤。
本发明实施例提供的基于特征属性的测试策略调整方法及装置,通过获取被测***在其他测试过程中发现的缺陷,然后再获取各个缺陷的特征属性,即该缺陷所属测试子模块和缺陷等级,并根据各测试子模块的重要性值以及各缺陷的缺陷等级值计算出各测试子模块的测试预测值,最后根据各测试子模块的测试预测值对被测***的测试策略进行评估,便于测试人员科学有效地进行测试策略的调整,从而有效解决了现有技术中主要依据测试人员的经验来发现被测***中的缺陷,从而影响测试过程中发现的缺陷数量与缺陷质量使得无法科学有效地实时调整测试策略的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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为本发明实施例提供的一种基于特征属性的测试策略调整方法的实现流程图;
图2为本发明实施例提供的一种基于特征属性的测试策略调整装置的结构示意图;
图3为本发明实施例提供的一种计算设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
软件测试是软件开发过程不可或缺的阶段,而测试策略是做好整个测试的首要条件。目前,如何高效发现被测***中的缺陷,主要依据测试人员的经验,即对被测***测试的覆盖深度和广度的初始认知。
然而,由于目前***规模大且日趋复杂,开发周期短,测试时间也更为紧张,测试资源受限,这将直接影响***测试过程中发现的缺陷数量与缺陷质量。此外,相同项目产品的多版本测试,重复率较高,测试思维定式也会造成无法有效地发现被测***的潜在缺陷。
因此,如何在有限的时间内发现被测***更多的缺陷,是测试领域追求的目标,故需要一种科学的测试策略调整方法,能够在有限的时间范围内利用有限的测试资源来发现被测***中更多的缺陷,以满足测试需求。
参照图1所示,本发明实施例公开了一种基于特征属性的测试策略调整方法,该方法主要包括以下步骤:
101、获取被测***包括的多个测试子模块,以及其他测试过程中发现的多个缺陷;
102、获取各缺陷的特征属性,特征属性包括缺陷所属测试子模块和缺陷等级,并确定各测试子模块的重要性值以及各缺陷的缺陷等级值;
103、根据各测试子模块的重要性值以及各缺陷的缺陷等级值,计算各测试子模块的测试预测值;
104、根据各测试子模块的测试预测值,对被测***的测试策略进行调整。
在步骤101中,针对需要测试的被测***M,先分析其包括的N个测试子模块Mi,其中Mi为被测***M中包括的第i个测试子模块,i=1、2、3……N。
本步骤中,对被测***包括的多个测试子模块的获取过程不做限定,本领域技术人员可以根据实际情况进行获取。
在被测***进行正式测试前,会进行一些其他测试过程,如单元测试、集成测试以及包括之前多轮次版本测试的***测试等,在这些测试过程中会发现被测***的一些缺陷。本步骤中,还要获取这些测试过程中发现的全部缺陷。
示例性地,对被测***M进行分析,可以将其划分成5个测试子模块,即M=(M1,M2,M3,M4,M5)。进一步,被测***M在其他测试过程中发现的全部缺陷B为6个,即B=(B1,B2,B3,B4,B5,B6)。
在步骤102中,针对上述步骤中获取到的被测***的全部缺陷,先分析其所有缺陷的特征属性,每个缺陷的特征属性均包括两个内容,即该缺陷所属测试子模块和缺陷等级。
在对被测***进行其他测试时,发现的某一个缺陷会对应到该被测***划分的某一个测试子***中,因此分析该缺陷的特征属性时,即是要找到该缺陷所属的测试子模块。同时,还要分析该缺陷的另一个特征属性,即该缺陷对应的缺陷等级,以区分缺陷的大小或严重程度。
优选地,所述缺陷等级包括高缺陷等级、中缺陷等级和低缺陷等级。
该步骤中,优选将缺陷等级L设置为三个等级,包括高缺陷等级LH、中缺陷等级LM和低缺陷等级LL,即L=(LH,LM,LL)。
示例性地,被测***M中的每个缺陷获取到的特征属性具体如下所示:
缺陷B1获取的特征属性为(M1,LH),表示缺陷B1所属测试子模块为M1,缺陷B1的缺陷等级为LH;
缺陷B2获取的特征属性为(M1,LM),表示缺陷B2所属测试子模块为M1,缺陷B2的缺陷等级为LM;
缺陷B3获取的特征属性为(M2,LL),表示缺陷B3所属测试子模块为M2,缺陷B3的缺陷等级为LL;
缺陷B4获取的特征属性为(M3,LH),表示缺陷B4所属测试子模块为M3,缺陷B4的缺陷等级为LH;
缺陷B5获取的特征属性为(M4,LM),表示缺陷B5所属测试子模块为M4,缺陷B5的缺陷等级为LM;
缺陷B6获取的特征属性为(M5,LL),表示缺陷B6所属测试子模块为M5,缺陷B6的缺陷等级为LL。
接下来,根据被测***划分的多个测试子模块的特点以及重要程度,将各测试子模块进行重要程度定值,即确定各测试子模块的重要性值。同时,还要确定各缺陷的缺陷等级值。这些值的确定,需要测试经验比较丰富且对被测***有深入理解的测试人员来进行定义。
示例性地,被测***M中,进行分析后,可以分别对其划分的5个测试子模块的重要性值进行定义,使M1=8、M2=6、M3=11、M4=3、M5=7。同时,对设置的三个缺陷等级的缺陷等级值也进行了定义,使LH=5、LM=3、LL=1。
在步骤103中,建立缺陷模型,将各测试子模块包括的所有缺陷的特征属性代入建立好的缺陷模型中,然后对该缺陷模型进行分析,计算得出被测***中各个测试子模块的测试预测值。通过该测试预测值,可以直观地反映出各个测试子模块中存在的缺陷情况。
优选地,在一种可能的实施方式中,步骤103可以按照如下步骤实施:
1031、根据各缺陷的特征属性,分别获取各测试子模块包括的所有缺陷;
该步骤中,根据被测***中获取到的各个缺陷的特征属性,可以按照其所属的测试子模块对全部缺陷进行分类,即将各缺陷分别对应归在其所属的测试子模块下。通过该过程,可以将各测试子模块对应包括的所有缺陷找出来。
示例性地,被测***M中,测试子模块M1包括的缺陷有B1和B2,测试子模块M2包括的缺陷有B3,测试子模块M3包括的缺陷有B4,测试子模块M4包括的缺陷有B5,测试子模块M5包括的缺陷有B6。
1032、将各测试子模块包括的所有缺陷的特征属性代入建立好的缺陷模型中,并根据下述公式计算各测试子模块的测试预测值:
其中,Mi为被测***M中包括的第i个测试子模块,i=1、2、3……N,N为测试子模块的总数量,K为测试子模块Mi中包括的所有缺陷的总数量。
该步骤中,建立缺陷模型后,将各测试子模块包括的所有缺陷的特征属性代入建立好的缺陷模型中,然后根据上述公式分别计算出各测试子模块的测试预测值。
示例性地,被测***M中的每个测试子模块的测试预测值的计算过程具体如下所示:
M2的测试预测值=(B3)=(M2 LL)=M2×LL=6×1=6;
M3的测试预测值=(B4)=(M3 LH)=M3×LH=11×5=55;
M4的测试预测值=(B5)=(M4 LM)=M4×LM=3×3=9;
M5的测试预测值=(B6)=(M5 LL)=M5×LL=7×1=7;
即:M1的测试预测值为64,M2的测试预测值为6,M3的测试预测值为55,M4的测试预测值为9,M5的测试预测值为7。
在步骤104中,根据上述步骤计算出的各测试子模块的测试预测值后,由于该测试预测值可以直观地反映出各个测试子模块中存在的缺陷情况,从而可以对被测***的测试策略进行调整,例如进行测试用例的优化以及测试人员的调整等,能够在有限的时间范围内利用有限的测试资源来发现被测***中更多的缺陷,有效满足了测试需求。
优选地,在一种可能的实施方式中,步骤104可以按照如下步骤实施:
1041、按照各测试子模块的测试预测值从高到低的顺序,对测试子模块进行排序;
该步骤中,根据计算出的各测试子模块的测试预测值,根据从高到低的顺序,对各测试子模块进行排序。
排在前面的测试预测值越高的测试子模块,说明其存在的缺陷情况较为严重,而排在后面的测试预测值越低的测试子模块,说明其存在的缺陷情况相对轻微。
示例性地,根据上述计算出的各测试子模块的测试预测值,各测试子模块的排序结果如下:
M1>M3>M4>M5>M2。
1042、根据排序后的测试子模块,对被测***的测试策略进行调整。
该步骤中,排序后的测试子模块中,其缺陷情况的严重程度是从高到低的,因此可以根据该排序结构对被测***的测试策略进行调整。
测试预测值越高的测试子模块,说明其存在的缺陷情况较为严重,需要高级别的测试人员进行测试用例的设计和执行,才能够达到预期的测试效果,这样能够发现被测***中更多的缺陷;而测试预测值越低的测试子模块,说明其存在的缺陷情况相对轻微,可以选择一般级别的测试人员进行测试用例的设计和执行即可达到预期的测试效果。
示例性地,根据上述排序结果,测试子模块M1需要深入设计其测试用例,且需要配备高级别的测试人员进行测试用例的设计和执行;而测试子模块M2只需要设计基础的测试用例即可,对测试人员没有特殊要求,可以选择相应级别的测试人员进行测试用例的设计和执行。
综上所述,本发明实施例提供的基于特征属性的测试策略调整方法,通过获取被测***在其他测试过程中发现的缺陷,然后再获取各个缺陷的特征属性,即该缺陷所属测试子模块和缺陷等级,并根据各测试子模块的重要性值以及各缺陷的缺陷等级值计算出各测试子模块的测试预测值,最后根据各测试子模块的测试预测值对被测***的测试策略进行评估,便于测试人员科学有效地进行测试策略的调整,从而有效解决了现有技术中主要依据测试人员的经验来发现被测***中的缺陷,从而影响测试过程中发现的缺陷数量与缺陷质量使得无法科学有效地实时调整测试策略的问题。
需要说明的是,对于上述方法的实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明所必须的。
参照图2所示,基于同一发明构思,本发明实施例提供一种基于特征属性的测试策略调整装置,该装置主要包括:
第一获取单元21,用于获取被测***包括的多个测试子模块,以及其他测试过程中发现的多个缺陷;
第二获取单元22,用于获取各所述缺陷的特征属性,所述特征属性包括缺陷所属测试子模块和缺陷等级,并确定各所述测试子模块的重要性值以及各所述缺陷的缺陷等级值;
计算单元23,用于根据各所述测试子模块的重要性值以及各所述缺陷的缺陷等级值,计算各所述测试子模块的测试预测值;
调整单元24,用于根据各所述测试子模块的测试预测值,对所述被测***的测试策略进行调整。
优选地,所述计算单元23具体用于:
根据各所述缺陷的特征属性,分别获取各所述测试子模块包括的所有缺陷;
将各所述测试子模块包括的所有缺陷的特征属性代入建立好的缺陷模型中,并根据下述公式计算各所述测试子模块的测试预测值:
其中,Mi为被测***M中包括的第i个测试子模块,i=1、2、3……N,N为测试子模块的总数量,K为测试子模块Mi中包括的所有缺陷的总数量。
优选地,所述调整单元24具体用于:
按照各所述测试子模块的测试预测值从高到低的顺序,对所述测试子模块进行排序;
根据排序后的所述测试子模块,对所述被测***的测试策略进行调整。
优选地,所述缺陷等级包括高缺陷等级、中缺陷等级和低缺陷等级。
综上所述,本发明实施例提供的基于特征属性的测试策略调整装置,通过获取被测***在其他测试过程中发现的缺陷,然后再获取各个缺陷的特征属性,即该缺陷所属测试子模块和缺陷等级,并根据各测试子模块的重要性值以及各缺陷的缺陷等级值计算出各测试子模块的测试预测值,最后根据各测试子模块的测试预测值对被测***的测试策略进行评估,便于测试人员科学有效地进行测试策略的调整,从而有效解决了现有技术中主要依据测试人员的经验来发现被测***中的缺陷,从而影响测试过程中发现的缺陷数量与缺陷质量使得无法科学有效地实时调整测试策略的问题。
需要说明的是,本发明实施例提供的基于特征属性的测试策略调整装置与前述实施例所述的基于特征属性的测试策略调整方法属于相同的技术构思,其具体实施过程可参照前述实施例中对方法步骤的说明,在此不再赘述。
应当理解,以上一种基于特征属性的测试策略调整装置包括的单元仅为根据该装置实现的功能进行的逻辑划分,实际应用中,可以进行上述单元的叠加或拆分。并且该实施例提供的一种基于特征属性的测试策略调整装置所实现的功能与上述实施例提供的一种基于特征属性的测试策略调整方法一一对应,对于该装置所实现的更为详细的处理流程,在上述方法实施例中已做详细描述,此处不再详细描述。
参照图3所示,基于同一发明构思,本发明实施例提供一种计算设备,该计算设备主要包括处理器31和存储器32,其中存储器32内存储有执行指令。该处理器31读取存储器32内的执行指令用于执行上述基于特征属性的测试策略调整方法任一个实施例中所述的步骤。或者,该处理器31读取存储器32内的执行指令用于实现上述基于特征属性的测试策略调整装置任一个实施例中各单元的功能。
图3为本发明实施例提供的计算设备的一种结构示意图,如图3所示,该计算设备包括处理器31、存储器32和收发器33;其中,处理器31、存储器32和收发器33通过总线34相互连接。
存储器32用于存储程序;具体地,程序可以包括程序代码,程序代码包括计算机操作指令。存储器32可以包括易失性存储器(volatile memory),例如随机存取存储器(random-access memory,简称RAM);存储器32也可以包括非易失性存储器(non-volatilememory),例如快闪存储器(flash memory),硬盘(hard disk drive,简称HDD)或固态硬盘(solid-state drive,简称SSD);存储器32还可以包括上述种类的存储器的组合。
存储器32存储了如下的元素,可执行模块或者数据结构,或者它们的子集,或者它们的扩展集:
操作指令:包括各种操作指令,用于实现各种操作。
操作***:包括各种***程序,用于实现各种基础业务以及处理基于硬件的任务。
总线34可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器31可以是中央处理器(central processing unit,简称CPU),网络处理器(network processor,简称NP)或者CPU和NP的组合。还可以是硬件芯片。上述硬件芯片可以是专用集成电路(application-specific integrated circuit,简称ASIC),可编程逻辑器件(programmable logic device,简称PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complex programmable logic device,简称CPLD),现场可编程逻辑门阵列(fieldprogrammable gate array,简称FPGA),通用阵列逻辑(generic array logic,简称GAL)或其任意组合。
本发明实施例还提供一种计算机可读存储介质,包含计算机执行指令,所述计算机执行指令被用于执行上述基于特征属性的测试策略调整方法任一个实施例中所述的步骤。或者,所述计算机执行指令被用于执行上述基于特征属性的测试策略调整装置实施例中各单元的功能。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于特征属性的测试策略调整方法,其特征在于,该方法包括:
获取被测***包括的多个测试子模块,以及其他测试过程中发现的多个缺陷;
获取各所述缺陷的特征属性,所述特征属性包括缺陷所属测试子模块和缺陷等级,并确定各所述测试子模块的重要性值以及各所述缺陷的缺陷等级值;
根据各所述测试子模块的重要性值以及各所述缺陷的缺陷等级值,计算各所述测试子模块的测试预测值;
根据各所述测试子模块的测试预测值,对所述被测***的测试策略进行调整;
所述根据各所述测试子模块的重要性值以及各所述缺陷的缺陷等级值,计算各所述测试子模块的测试预测值包括:
根据各所述缺陷的特征属性,分别获取各所述测试子模块包括的所有缺陷;
将各所述测试子模块包括的所有缺陷的特征属性代入建立好的缺陷模型中,并根据下述公式计算各所述测试子模块的测试预测值:
测试子模块
其中,Mi为被测***M中包括的第i个测试子模块,i=1、2、3……N,N为测试子模块的总数量,K为测试子模块Mi中包括的所有缺陷的总数量。
2.根据权利要求1所述的方法,其特征在于,所述根据各所述测试子模块的测试预测值,对所述被测***的测试策略进行调整包括:
按照各所述测试子模块的测试预测值从高到低的顺序,对所述测试子模块进行排序;
根据排序后的所述测试子模块,对所述被测***的测试策略进行调整。
3.根据权利要求1所述的方法,其特征在于,所述缺陷等级包括高缺陷等级、中缺陷等级和低缺陷等级。
4.一种基于特征属性的测试策略调整装置,其特征在于,该装置包括:
第一获取单元,用于获取被测***包括的多个测试子模块,以及其他测试过程中发现的多个缺陷;
第二获取单元,用于获取各所述缺陷的特征属性,所述特征属性包括缺陷所属测试子模块和缺陷等级,并确定各所述测试子模块的重要性值以及各所述缺陷的缺陷等级值;
计算单元,用于根据各所述测试子模块的重要性值以及各所述缺陷的缺陷等级值,计算各所述测试子模块的测试预测值;
调整单元,用于根据各所述测试子模块的测试预测值,对所述被测***的测试策略进行调整;
其中,所述计算单元具体用于:
根据各所述缺陷的特征属性,分别获取各所述测试子模块包括的所有缺陷;
将各所述测试子模块包括的所有缺陷的特征属性代入建立好的缺陷模型中,并根据下述公式计算各所述测试子模块的测试预测值:
测试子模块
其中,Mi为被测***M中包括的第i个测试子模块,i=1、2、3……N,N为测试子模块的总数量,K为测试子模块Mi中包括的所有缺陷的总数量。
5.根据权利要求4所述的装置,其特征在于,所述调整单元具体用于:
按照各所述测试子模块的测试预测值从高到低的顺序,对所述测试子模块进行排序;
根据排序后的所述测试子模块,对所述被测***的测试策略进行调整。
6.根据权利要求4所述的装置,其特征在于,所述缺陷等级包括高缺陷等级、中缺陷等级和低缺陷等级。
7.一种计算设备,其特征在于,包括处理器和存储器,其中存储器内存储有执行指令,处理器读取存储器内的执行指令用于执行如权利要求1~3中任一项所述的一种基于特征属性的测试策略调整方法中的步骤。
8.一种计算机可读存储介质,其特征在于,包含计算机执行指令,所述计算机执行指令被用于执行如权利要求1~3中任一项所述的一种基于特征属性的测试策略调整方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010990018.6A CN112131108B (zh) | 2020-09-18 | 2020-09-18 | 一种基于特征属性的测试策略调整方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010990018.6A CN112131108B (zh) | 2020-09-18 | 2020-09-18 | 一种基于特征属性的测试策略调整方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112131108A CN112131108A (zh) | 2020-12-25 |
CN112131108B true CN112131108B (zh) | 2024-04-02 |
Family
ID=73841827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010990018.6A Active CN112131108B (zh) | 2020-09-18 | 2020-09-18 | 一种基于特征属性的测试策略调整方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112131108B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010118472A1 (en) * | 2009-04-17 | 2010-10-21 | Stsa Australia Pty Ltd | System and method for automated skills assessment |
WO2016188170A1 (zh) * | 2015-10-22 | 2016-12-01 | 中兴通讯股份有限公司 | 测试方法和装置、设备、计算机存储介质 |
CN107220176A (zh) * | 2017-05-19 | 2017-09-29 | 郑州云海信息技术有限公司 | 一种基于预估缺陷的软件测试方法 |
CN107544905A (zh) * | 2017-08-22 | 2018-01-05 | 中国农业银行股份有限公司 | 回归测试用例集的优化方法和*** |
CN108241574A (zh) * | 2016-12-26 | 2018-07-03 | 航天信息股份有限公司 | 一种基于测试管理工具qc对软件测试缺陷进行分析的方法及*** |
CN108763063A (zh) * | 2018-05-09 | 2018-11-06 | 南京大学 | 一种无需缺陷标注数据的软件缺陷检测方法 |
CN110347599A (zh) * | 2019-07-11 | 2019-10-18 | 电信科学技术第十研究所有限公司 | 一种基于测试缺陷数据的管理方法及装置 |
CN111143222A (zh) * | 2019-12-30 | 2020-05-12 | 军事科学院***工程研究院***总体研究所 | 一种基于缺陷预测的软件测评方法 |
CN111209190A (zh) * | 2019-12-29 | 2020-05-29 | 航天信息股份有限公司 | 一种基于中央随机的控索性软件测试方法及装置 |
CN111611177A (zh) * | 2020-06-29 | 2020-09-01 | 中国人民解放军国防科技大学 | 一种基于配置项性能期望的软件性能缺陷检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9838265B2 (en) * | 2013-12-19 | 2017-12-05 | Amdocs Software Systems Limited | System, method, and computer program for inter-module communication in a network based on network function virtualization (NFV) |
-
2020
- 2020-09-18 CN CN202010990018.6A patent/CN112131108B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010118472A1 (en) * | 2009-04-17 | 2010-10-21 | Stsa Australia Pty Ltd | System and method for automated skills assessment |
WO2016188170A1 (zh) * | 2015-10-22 | 2016-12-01 | 中兴通讯股份有限公司 | 测试方法和装置、设备、计算机存储介质 |
CN108241574A (zh) * | 2016-12-26 | 2018-07-03 | 航天信息股份有限公司 | 一种基于测试管理工具qc对软件测试缺陷进行分析的方法及*** |
CN107220176A (zh) * | 2017-05-19 | 2017-09-29 | 郑州云海信息技术有限公司 | 一种基于预估缺陷的软件测试方法 |
CN107544905A (zh) * | 2017-08-22 | 2018-01-05 | 中国农业银行股份有限公司 | 回归测试用例集的优化方法和*** |
CN108763063A (zh) * | 2018-05-09 | 2018-11-06 | 南京大学 | 一种无需缺陷标注数据的软件缺陷检测方法 |
CN110347599A (zh) * | 2019-07-11 | 2019-10-18 | 电信科学技术第十研究所有限公司 | 一种基于测试缺陷数据的管理方法及装置 |
CN111209190A (zh) * | 2019-12-29 | 2020-05-29 | 航天信息股份有限公司 | 一种基于中央随机的控索性软件测试方法及装置 |
CN111143222A (zh) * | 2019-12-30 | 2020-05-12 | 军事科学院***工程研究院***总体研究所 | 一种基于缺陷预测的软件测评方法 |
CN111611177A (zh) * | 2020-06-29 | 2020-09-01 | 中国人民解放军国防科技大学 | 一种基于配置项性能期望的软件性能缺陷检测方法 |
Non-Patent Citations (3)
Title |
---|
LDFR: Learning deep feature representation for software defect prediction;Zhou Xu 等;《 Journal of Systems and Software》;第158卷;第1-20页 * |
基于多影响因子和重要度的故障样本优选;邱文昊 等;《兵工学报》;第40卷(第12期);第2551-2559页 * |
基于机器学习的软件缺陷预测方法研究;张志武;《中国博士学位论文全文数据库信息科技辑》(第1期);第I138-13页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112131108A (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111274126B (zh) | 测试用例筛选方法、装置及介质 | |
CN109669436B (zh) | 一种基于电动汽车的功能需求的测试用例生成方法和装置 | |
CN111290967A (zh) | 一种软件缺陷预测方法、装置、设备及存储介质 | |
CN112131108B (zh) | 一种基于特征属性的测试策略调整方法及装置 | |
CN110990295A (zh) | 测试用例的验证方法、装置及电子设备 | |
CN104063307A (zh) | 一种软件测试方法和*** | |
CN107391363B (zh) | 一种测试资源的调度方法、装置及电子设备 | |
US11176026B2 (en) | Assignment of test case priorities based on combinatorial test design model analysis | |
CN108446213A (zh) | 一种静态代码质量分析方法和装置 | |
CN111639031B (zh) | 一种基于测试数据的覆盖评估方法及装置 | |
CN114880637B (zh) | 账户风险的验证方法、装置、计算机设备和存储介质 | |
El Mandouh et al. | Accelerating the debugging of fv traces using k-means clustering techniques | |
Akkouche et al. | Analog/RF test ordering in the early stages of production testing | |
CN111930630B (zh) | 基于数据流的大数据测试用例的生成方法及装置 | |
CN113257329A (zh) | 一种基于机器学习的存储器故障诊断方法 | |
CN114021514A (zh) | 一种spice电压或温度扫描仿真筛选瓶颈单元的方法 | |
CN114355171A (zh) | 一种可重构芯片性能瓶颈检测平台、检测方法及电子设备 | |
CN114116430A (zh) | 一种***可靠性分析方法、装置和设备 | |
CN113592295A (zh) | 产品可靠性综合评估方法与***、设备、介质 | |
US11347628B2 (en) | Test case generation apparatus, test case generation method, and computer readable medium | |
CN116311581B (zh) | 一种芯片的参数测试***及方法 | |
Baker et al. | Quality assurance and error identification for the Community Earth System Model | |
CN113554126B (zh) | 样本评估方法、装置、设备及计算机可读存储介质 | |
CN118037121B (zh) | 态势感知数据的重要性评分方法、装置、设备及介质 | |
Carvalho et al. | Detecting the third family of compact stars with normalizing flows |
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 |