CN114238106A - 测试时间预测方法及装置、电子设备、存储介质 - Google Patents
测试时间预测方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN114238106A CN114238106A CN202111526996.6A CN202111526996A CN114238106A CN 114238106 A CN114238106 A CN 114238106A CN 202111526996 A CN202111526996 A CN 202111526996A CN 114238106 A CN114238106 A CN 114238106A
- Authority
- CN
- China
- Prior art keywords
- test
- historical
- script
- environment
- historical test
- 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.)
- Pending
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
- G06F11/3664—Environments for testing or debugging software
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
- G06F11/3414—Workload generation, e.g. scripts, playback
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
- G06F11/3419—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment by assessing time
- G06F11/3423—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment by assessing time where the assessed time is active or idle time
-
- 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
- G06F11/3692—Test management for test results analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请的实施例揭示了一种测试时间预测方法及装置、电子设备、计算机可读存储介质。该方法包括:将当前测试环境分别与各个历史测试环境进行相似度计算,得到当前测试环境与历史测试环境之间的环境相似度值;根据环境相似度值从多个历史测试环境中确定出目标历史测试环境;从目标历史测试环境对应的历史测试脚本中确定出与待执行测试脚本之间的脚本相似度值大于预设阈值的目标历史测试脚本;对目标历史测试脚本对应的历史测试时间进行修正处理,得到目标测试时间,并将目标测试时间作为待执行测试脚本在当前测试环境中的执行测试时间。本申请的实施例可以使得测试时间预测更为准确。
Description
技术领域
本申请涉及云计算技术领域,具体涉及一种测试时间预测方法、测试时间预测装置、电子设备以及计算机可读存储介质。
背景技术
云测试,是旨在对承载云上层应用的基础资源的测试,测试对象包括云平台本身及云平台应用部署的正确性。相关技术中,云测试可大致分为手工测试和自动化测试。手工测试,是由专业人员手动调用云平台的各项功能。自动化测试,是以自动化脚本来替代手工操作,操作简单,对测试人员要求较低,测试周期可从过去的几天缩短到数个小时。
在云网自动化测试过程中,测试脚本在不同环境上的执行时间不同,测试人员难以对测试制定明确的计划,可能造成交付延期,也会影响工作效率。
发明内容
为解决上述技术问题,本申请的实施例提供了一种路况刷新方法及装置、电子设备、计算机可读存储介质。
根据本申请实施例的一个方面,提供了一种测试时间预测方法,当前测试环境中包括已执行测试脚本和待执行测试脚本,每个历史测试环境中包括历史测试脚本,所述方法包括:将所述当前测试环境分别与各个历史测试环境进行相似度计算,得到所述当前测试环境与所述历史测试环境之间的环境相似度值;根据所述环境相似度值从多个历史测试环境中确定出目标历史测试环境;从所述目标历史测试环境对应的历史测试脚本中确定出与所述待执行测试脚本之间的脚本相似度值大于预设阈值的目标历史测试脚本;对所述目标历史测试脚本对应的历史测试时间进行修正处理,得到目标测试时间,并将所述目标测试时间作为所述待执行测试脚本在所述当前测试环境中的执行测试时间。
根据本申请实施例的一个方面,提供了一种测试时间预测装置,包括:环境相似度值计算模块,配置为将所述当前测试环境分别与各个历史测试环境进行相似度计算,得到所述当前测试环境与所述历史测试环境之间的环境相似度值;目标历史测试环境选择模块,配置为根据所述环境相似度值从多个历史测试环境中确定出目标历史测试环境;目标历史测试脚本选择模块,配置为从所述目标历史测试环境对应的历史测试脚本中确定出与所述待执行测试脚本之间的脚本相似度值大于预设阈值的目标历史测试脚本;修正时间及测试时间计算模块,配置为对所述目标历史测试脚本对应的历史测试时间进行修正处理,得到目标测试时间,并将所述目标测试时间作为所述待执行测试脚本在所述当前测试环境中的执行测试时间。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如前所述的测试时间预测方法。
根据本申请实施例的一个方面,提供了一种计算机可读存储介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行如上所述的测试时间预测方法。
在本申请的实施例所提供的技术方案中,考虑到历史测试环境在配置和性能上可能与当前测试环境具有相似性,本申请利用测试脚本在历史测试环境下执行的历史测试时间对当前测试环境下的执行测试时间进行预测。在进行环境相似度值计算时,由于环境之间的软件、硬件配置差异,难以直接量化为环境相似性指标,因此采用基于测试时间来计算两个测试环境之间的相似性,适用范围更广。根据环境相似度值选择出与当前测试环境最相似的历史测试环境作为目标历史测试环境后,通过计算修正时间值的方式量化当前测试环境和目标历史测试环境之间的差异性。通过修正时间值对选中的目标历史测试脚本的历史测试时间进行进一步修正,使得测试时间预测更为准确。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术者来讲,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。在附图中:
图1是本申请的一示例性实施例示出的测试时间预测***框架示意图;
图2是本申请的一示例性实施例示出的测试时间预测结构框架示意图;
图3是本申请的一示例性实施例示出的测试时间预测方法的流程图;
图4是图3所示实施例中的步骤S110在一示例性实施例中的流程图;
图5是图4所示实施例中的步骤S1101在一示例性实施例中的流程图;
图6是图3所示实施例中的步骤S140在一示例性实施例中的流程图;
图7是本申请的一示例性实施例示出的测试时间预测装置的框图;
图8是适于用来实现本申请实施例的电子设备的计算机***的结构示意图。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
在本申请中提及的“多个”是指两个或者两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请实施例提供的方案涉及的方案包括云环境的自动化测试技术。可以理解的是,云环境的自动化测试是一种新型云测试方案。云测试指的是对承载云上层应用的基础资源的测试。凡是测试中需要使用的软件工具和测试环境都可以进行云测试,测试对象包括云平台本身及云平台应用部署的正确性,例如硬件环境、软件环境、适应性软件、功能自动化测试、性能测试等。测试软件在可针对不同应用场景下对硬件环境与软件环境有不同的测试指标,云测试平台可适用于云环境的自动化功能测试与兼容性测试、性能测试、测试脚本设计、问题报告分析以及测试管理等工作。随着云技术在金融、制造、医疗、教育等领域的应用,云规模也在快速扩大。面对激增的云测试、验收业务,传统的手工测试难以满足效率上的需求。自动化云测试可有效提高测试效率,降低对测试人员的技术要求,在云测试验收中发挥着愈加重要的作用。
云测试平台提供入口以供用户发起自动化测试任务,以便在云测试平台上进行功能、性能、兼容性等自动化云测试。测试人员等用户在云测试平台上进行相关自动化测试,可以直接利用云测试平台具备的测试能力,也可以将自动化测试脚本上传至云测试平台提供的网站即可在云测试平台上运行自动化测试脚本,进行相关测试。
本申请实施例提供的方案涉及的方案包括时间序列预测技术。可以理解的是,时间序列预测是指根据事物演化先后状态间的相关联系可以来预测该事物的未来发展。
相关技术中,在云网自动化测试过程中,由于测试脚本在不同环境上的执行时间不同,测试人员在测试结束前难以知晓测试脚本在当前测试环境下的执行测试时间,导致测试人员难以对测试制定明确的计划,从而影响交付时间和工作效率。因此对待测试脚本在当前测试环境下的执行测试时间进行预测是有必要的。历史测试脚本在历史测试环境上的历史测试时间具备很好的参考价值,相关的时间预测方法直接使用测试脚本在某一历史测试环境下的历史测试时间,或者对测试脚本在多个历史测试环境下的历史测试时间取平均值,得到测试脚本在当前测试环境下执行的测试时间结果与实际测试时间结果误差较大。
历史测试环境在配置和性能上可能与当前测试环境具有相似性,因此在历史测试环境下执行的历史测试数据,对当前测试环境的时间预测具有极大的参考价值。因此,在云网自动化测试场景下,本申请实施例提供一种测试时间预测***,图1是本申请的一示例性实施例示出的测试时间预测***框架示意图,如图1所示,该测试时间预测***包括云测试平台,其中:
测试人员指定测试脚本,在云测试平台上发起测试请求,云测试平台接收到测试请求后,运行测试脚本进行测试,测试结束后将测试脚本、测试环境和测试时间存储至测试数据库中。
测试数据库中的测试环境包括历史测试环境和当前测试环境,已测试完毕的测试环境为历史测试环境,当前正在测试的环境为当前测试环境。当前测试环境中包括已执行测试脚本和待执行测试脚本,每个历史测试环境中包括多个历史测试脚本。应理解的是,当前测试环境下的已执行测试脚本可能在某一个或多个历史测试环境中执行过,即当前测试环境下的已执行测试脚本可能与某一个或多个历史测试环境中所含有的历史测试脚本存在脚本交集;当前测试环境下的待执行测试脚本也可能在某一个或多个历史测试环境中执行过,即当前测试环境下的待执行测试脚本可能与某一个或多个历史测试环境中所含有的历史测试脚本存在脚本交集。
云测试平台执行到待执行测试脚本后,根据当前测试环境下的已执行测试脚本和历史测试环境的历史测试脚本对待执行测试脚本在当前测试环境下的执行测试时间进行预测:
云测试平台将当前测试环境分别与各个历史测试环境进行环境相似度计算,得到当前测试环境与历史测试环境之间的环境相似度值;根据环境相似度值从多个历史测试环境中确定出目标历史测试环境;
从目标历史测试环境对应的历史测试脚本中确定出与待执行测试脚本之间的脚本相似度值大于预设阈值的目标历史测试脚本;
对目标历史测试脚本对应的历史测试时间进行修正处理,得到目标测试时间,并将目标测试时间作为待执行测试脚本在当前测试环境中的执行测试时间。
也即,在云网自动化测试场景下,用户在云测试平台上指定若干测试脚本进行测试,云测试平台基于当前测试环境中已执行测试脚本的测试时间,和在历史测试环境上的历史测试时间,对待执行测试脚本进行测试时间预测。
请参阅图2,图2是本申请的一示例性实施例示出的测试时间预测结构框架示意图。从图2所示的测试时间预测结构框架中可以看出,云测试平台具有逻辑计算,云测试平台接收用户发起的待执行测试脚本的测试请求,然后分别计算当前测试环境与各个历史测试环境之间的环境相似度值,根据环境相似度值从多个历史测试环境中确定出目标历史测试环境,从目标历史测试环境对应的历史测试脚本中确定出与待执行测试脚本之间的脚本相似度值大于预设阈值的目标历史测试脚本;对目标历史测试脚本对应的历史测试时间进行修正处理,得到待执行测试脚本在当前测试环境中的执行测试时间。
需要说明的是,本申请实施例中的云测试平台是自动化测试的管理平台,负责发起测试、显示预测时间、计算测试进度等。
基于图2所示的应用场景,在采用了本申请实施例的技术方案之后,云测试平台根据当前测试环境下的已执行测试脚本和历史测试环境的历史测试脚本计算当前测试环境和历史测试环境之间的环境相似度值,从历史测试环境中寻找与当前测试环境最相似的目标历史测试环境,根据目标历史测试环境的历史测试脚本的历史测试时间和当前测试环境下已执行测试脚本的当前测试时间计算修正时间值,进而根据修正时间值对目标历史测试脚本进行修正处理,实现对待执行测试脚本在当前测试环境下的执行测试时间的预测,在极大程度上提升了时间预测的准确性。
以下对本申请实施例的技术方案的各种实现细节进行详细阐述:
请参阅图3,图3是本申请的一示例性实施例示出的测试时间预测方法的流程图。该方法可以由图2所示测试时间预测结构框架中的云测试平台执行。应理解的是,该方法也可以适用于其它的示例性实施环境,并由其它实施环境中的设备具体执行,本实施例不对该方法所适用的实施环境进行限制。
如图3所示,测试时间预测方法至少包括步骤S110至步骤S130,详细介绍如下:
步骤S110,将当前测试环境分别与各个历史测试环境进行相似度计算,得到当前测试环境与历史测试环境之间的环境相似度值。
首先需要说明的是,当前测试环境中包括已执行测试脚本和待执行测试脚本,历史测试环境为多个,每个历史测试环境中包括多个历史测试脚本。
本申请实施例中的环境相似度值指的是两个测试环境之间的相似性。环境相似度值越大则说明对当前测试环境下的时间预测越有参考性。由于环境之间的软件、硬件配置差异,难以直接量化为环境相似性指标,因此采用基于测试时间来计算两个测试环境之间的相似性,适用范围更广。
在本申请的一个实施例中,请参阅图4,步骤S110中将当前测试环境分别与各个历史测试环境进行相似度计算,得到当前测试环境与历史测试环境之间的环境相似度值的过程,可以包括步骤S1101至步骤S1104,详细介绍如下:
步骤S1101,从多个历史测试环境中所含有的历史测试脚本中确定已执行测试脚本的关联历史测试脚本。
在本申请的一个实施例中,请参阅图5,步骤S1101中从多个历史测试环境中所含有的历史测试脚本中确定已执行测试脚本的关联历史测试脚本的过程,可以包括步骤S11011至步骤S11012,详细介绍如下:
步骤S11011,计算已执行测试脚本分别与各个历史测试环境中所含有的历史测试脚本之间的脚本交集,得到多个交集结果。
本申请实施例中的脚本交集指的是当前测试环境下的所有已执行测试脚本的集合与历史测试环境中的历史测试脚本的集合之间的交集。
举例说明,若当前测试环境下的已执行测试脚本包括脚本1、脚本2、脚本3、脚本4和脚本5;第一历史测试环境中的历史测试脚本包括脚本1、脚本2、脚本A、脚本B;第二历史测试环境中的历史测试脚本包括脚本1、脚本2、脚本3、脚本4、脚本5、脚本6和脚本7;第三历史测试环境中的历史测试脚本包括脚本1、脚本A、脚本B、脚本C和脚本D;则已执行测试脚本与第一历史测试环境中所含有的历史测试脚本之间的脚本交集为脚本1、脚本2,交集结果为2;已执行测试脚本与第二历史测试环境中所含有的历史测试脚本之间的脚本交集为脚本1、脚本2、脚本3、脚本4、脚本5,交集结果为5;已执行测试脚本与第三历史测试环境中所含有的历史测试脚本之间的脚本交集为脚本1,交集结果为1。
步骤S11012,根据交集结果从多个历史测试环境中筛选出交集结果大于预设交集数量阈值的历史测试环境,并将筛选出的历史测试环境中所含有的历史测试脚本与已执行测试脚本的脚本交集作为所述关联历史测试脚本。
本申请实施例中的预设交集数量阈值是由人为或计算机根据经验或者实验而提前设定的值,预设交集数量阈值是为了从多个历史测试环境中筛选出与当前测试环境交集结果最多的历史测试环境,筛选出的历史测试环境可能仅有一个,也可能有多个,再从筛选出的历史测试环境中确定出对测试时间预测具有参考价值的关联历史测试脚本。
本申请实施例中的关联历史测试脚本是从上述筛选出的历史测试环境中所含有的历史测试脚本与已执行测试脚本的脚本交集。
举例说明,当前测试环境下的已执行测试脚本包括脚本1、脚本2、脚本3、脚本4和脚本5;第一历史测试环境中的历史测试脚本包括脚本1、脚本2、脚本A、脚本B;第二历史测试环境中的历史测试脚本包括脚本1、脚本2、脚本3、脚本4、脚本5、脚本6和脚本7;第三历史测试环境中的历史测试脚本包括脚本1、脚本A、脚本B、脚本C和脚本D;已执行测试脚本与第一历史测试环境中所含有的历史测试脚本之间的脚本交集为脚本1、脚本2,交集结果为2;已执行测试脚本与第二历史测试环境中所含有的历史测试脚本之间的脚本交集为脚本1、脚本2、脚本3、脚本4、脚本5,交集结果为5;已执行测试脚本与第三历史测试环境中所含有的历史测试脚本之间的脚本交集为脚本1,交集结果为1。在此基础上,若预设交集数量阈值为1,则筛选出的历史环境为第一历史测试环境和第二历史测试环境,对于第一历史测试环境,关联历史测试脚本为已执行测试脚本与第一历史测试环境中所含有的历史测试脚本之间的脚本交集,即第一历史测试环境中的关联历史测试脚本为脚本1、脚本2;对于第二历史测试环境,关联历史测试脚本为已执行测试脚本与第二历史测试环境中所含有的历史测试脚本之间的脚本交集,即第二历史测试环境中的关联历史测试脚本为脚本1、脚本2、脚本3、脚本4、脚本5。
步骤S1102,获取已执行测试脚本的执行测试时间,以及已执行测试脚本与关联历史测试脚本之间的脚本相似度值。
本申请实施例中的脚本相似度值指的是关联历史测试脚本的数量与所有已执行测试脚本的数量之比,脚本相似度值与脚本交集呈正相关,脚本相似度值的取值范围为(0,1]。
举例说明,当前测试环境下的已执行测试脚本包括脚本1、脚本2、脚本3、脚本4和脚本5;第一历史测试环境中的历史测试脚本包括脚本1、脚本2、脚本A、脚本B;第二历史测试环境中的历史测试脚本包括脚本1、脚本2、脚本3、脚本4、脚本5、脚本6和脚本7;第三历史测试环境中的历史测试脚本包括脚本1、脚本A、脚本B、脚本C和脚本D;已执行测试脚本与第一历史测试环境中所含有的历史测试脚本之间的脚本交集为脚本1、脚本2,交集结果为2;已执行测试脚本与第二历史测试环境中所含有的历史测试脚本之间的脚本交集为脚本1、脚本2、脚本3、脚本4、脚本5,交集结果为5;已执行测试脚本与第三历史测试环境中所含有的历史测试脚本之间的脚本交集为脚本1,交集结果为1。预设交集数量阈值为1,第一历史测试环境中的关联历史测试脚本为脚本1、脚本2;第二历史测试环境中的关联历史测试脚本为脚本1、脚本2、脚本3、脚本4、脚本5。在此基础上,第一历史测试环境中的关联历史测试脚本的数量为2,已执行测试脚本的数量为5,因此已执行测试脚本与第一历史测试环境中的关联历史测试脚本之间的脚本相似度值为2/5;第二历史测试环境中的关联历史测试脚本的数量为5,已执行测试脚本的数量为5,因此已执行测试脚本与第二历史测试环境中的关联历史测试脚本之间的脚本相似度值为5/5=1。
步骤S1103,根据执行测试时间与关联历史测试脚本对应的历史测试时间,得到第一时间值。
本申请实施例中的执行测试时间指的是已执行测试脚本在当前测试环境下执行的执行测试时间。
在本申请的一个实施例中,根据已执行测试脚本的执行测试时间与关联历史测试脚本对应的历史测试时间,得到第一时间值的过程,可以包括以下步骤,详细介绍如下:
将关联历史测试脚本对应的历史测试时间与已执行测试脚本的执行测试时间进行求差运算,得到第一计算结果;
对第一计算结果与已执行测试脚本的执行测试时间进行求商运算,得到所述第一时间值。
在本申请的一个实施例中,当已执行测试脚本为一个,且一个历史测试环境中的关联历史测试脚本只有一个时,可以采用下述公式计算第一时间值:
在本申请的一个实施例中,当已执行测试脚本为一个,且一个历史测试环境中的关联历史测试脚本只有一个时,可以采用下述公式计算第一时间值:
其中,该公式中,该公式中的部分参数和前述公式中的参数相同,N表征预设系数。
在本申请的一个实施例中,当已执行测试脚本为一个,且一个历史测试环境中的关联历史测试脚本为多个,或者当已执行测试脚本为多个,且一个历史测试环境中的关联历史测试脚本为多个时,可以采用下述公式计算第一时间值:
本申请实施例中的预设系数是相关工作人员根据经验或通过实验进行设置的。由于部分脚本在同一环境下的运行时间不稳定,为了使脚本在测试环境中的运行时间更加稳定,设置基于经验的权重系数作为预设系数。
步骤S1104,根据脚本相似度值与第一时间值,得到当前测试环境与历史测试环境之间的环境相似度值。
在本申请的一个实施例中,当已执行脚本只有一个,且关联历史测试脚本只有一个时,可以采用下述公式计算当前测试环境与历史测试环境之间的环境相似度值:
其中,该公式中的部分参数和前述公式中的参数相同,S表征环境相似度值,K表征脚本相似度值。
在本申请的一个实施例中,当已执行测试脚本为一个,且一个历史测试环境中的关联历史测试脚本为多个,或者当已执行测试脚本为多个,且一个历史测试环境中的关联历史测试脚本为多个时,可以采用下述公式计算当前测试环境与历史测试环境之间的环境相似度值:
其中,该公式中的部分参数和前述公式中的参数相同。
步骤S120,根据环境相似度值从多个历史测试环境中确定出目标历史测试环境。
在本申请的一个实施例中,步骤S120中根据环境相似度值从历史测试环境中确定出目标历史测试环境的过程,详细介绍如下:
从多个历史测试环境中确定出与当前测试环境之间的环境相似度值最大的历史测试环境作为所述目标历史测试环境。
也即,从多个历史测试环境中确定出唯一的一个目标历史测试环境,该目标历史测试环境与当前测试环境之间的环境相似度值最大,说明该目标历史测试环境对当前测试环境下的测试时间预测最具有参考性。
步骤S130,从目标历史测试环境对应的历史测试脚本中确定出与待执行测试脚本之间的脚本相似度值大于预设阈值的目标历史测试脚本。
在本申请的一个实施例中,在目标历史测试环境为一个的基础上,步骤S130中从目标历史测试环境对应的历史测试脚本中确定出与待执行测试脚本之间的脚本相似度值大于预设阈值的目标历史测试脚本的过程,可以包括以下步骤,详细介绍如下:
获取当前测试环境中待执行测试脚本与目标历史测试环境中的各个历史测试脚本之间的脚本相似度值。
从目标历史测试环境中选择与当前测试环境中待执行测试脚本的脚本相似度值大于预设阈值的历史测试脚本作为目标历史测试脚本;
或者,
从目标历史测试环境中选择与当前测试环境中待执行测试脚本的脚本相似度值最大的历史测试脚本作为目标历史测试脚本。
也即,在目标历史测试环境为一个的基础上,选择脚本相似度值最大的历史测试脚本作为目标历史测试脚本,则目标历史测试脚本的数量只有一个,在后续进行测试时间预测时得到的目标测试时间唯一,此时,将目标测试时间作为待执行测试脚本在当前测试环境中的执行测试时间即可完成预测。若选择脚本相似度值大于预设阈值的历史测试脚本作为目标历史测试脚本,则目标历史测试脚本的数量可能有多个。
步骤S140,对目标历史测试脚本对应的历史测试时间进行修正处理,得到目标测试时间,并将目标测试时间作为待执行测试脚本在当前测试环境中的执行测试时间。
在本申请的一个实施例中,请参阅图6,步骤S140中对目标历史测试脚本对应的历史测试时间进行修正处理,得到目标测试时间的过程,可以包括步骤S1401至步骤S1403,详细介绍如下:
步骤S1401,获取当前测试环境与目标历史测试环境之间的环境相似度值。
步骤S1402,根据环境相似度值、已执行测试脚本的执行测试时间以及关联历史测试脚本的历史测试时间,得到修正时间值。
在本申请的一个实施例中,步骤S1402中,修正时间值的计算过程可以包括以下步骤,详细介绍如下:
根据已执行测试脚本的执行测试时间与关联历史测试脚本的历史测试时间,得到第二时间值。
示例性的,将已执行测试脚本的执行测试时间与关联历史测试脚本的历史测试时间进行求商运算,得到第二时间值。
在本申请的一个实施例中,当已执行测试脚本为一个,且一个历史测试环境中的关联历史测试脚本只有一个时,可以采用下述公式计算第二时间值:
其中,该公式中的部分参数和前述公式中的参数相同。
在本申请的一个实施例中,当已执行测试脚本为一个,且一个历史测试环境中的关联历史测试脚本为多个,或者当已执行测试脚本为多个,且一个历史测试环境中的关联历史测试脚本为多个时,可以采用下述公式计算第二时间值:
其中,该公式中的部分参数和前述公式中的参数相同。
根据关联历史测试脚本的历史测试时间与第二时间值,得到第三时间值。
示例性的,将历史测试时间与第二时间值进行乘积运算,得到第三时间值。
在本申请的一个实施例中,当已执行测试脚本为一个,且一个历史测试环境中的关联历史测试脚本只有一个时,可以采用下述公式计算第三时间值:
其中,该公式中的部分参数和前述公式中的参数相同。
在本申请的一个实施例中,当已执行测试脚本为一个,且一个历史测试环境中的关联历史测试脚本为多个,或者当已执行测试脚本为多个,且一个历史测试环境中的关联历史测试脚本为多个时,可以采用下述公式计算第三时间值:
其中,该公式中的部分参数和前述公式中的参数相同,ΔTk表征各个关联历史测试脚本对应的历史测试时间的平均值。
根据第三时间值与环境相似度值,得到修正时间值。
示例性的,将第三时间值与环境相似度值进行乘积运算,得到修正时间值。
在本申请的一个实施例中,当已执行测试脚本为一个,且一个历史测试环境中的关联历史测试脚本只有一个时,可以采用下述公式计算修正时间值:
其中,该公式中的部分参数和前述公式中的参数相同。
在本申请的一个实施例中,当已执行测试脚本为一个,且一个历史测试环境中的关联历史测试脚本为多个,或者当已执行测试脚本为多个,且一个历史测试环境中的关联历史测试脚本为多个时,可以采用下述公式计算修正时间值:
其中,该公式中的部分参数和前述公式中的参数相同,δ表征修正时间值。
步骤S1403,根据修正时间值对目标历史测试脚本对应的历史测试时间进行修正处理,得到目标测试时间。
在本申请实施例中,在目标历史测试环境为一个的基础上,当目标历史测试脚本的数量为一个时,对目标历史测试脚本对应的历史测试时间进行修正处理得到的目标测试时间唯一,此时,将目标测试时间作为待执行测试脚本在当前测试环境中的执行测试时间即可完成预测。
在本申请实施例中,在目标历史测试环境为一个的基础上,当目标历史测试脚本的数量为多个时,根据修正时间值对目标历史测试脚本对应的历史测试时间进行修正处理,得到目标测试时间,可以包括如下过程,详细介绍如下:
根据修正时间值分别对各个目标历史测试脚本对应的历史测试时间进行修正处理,得到多个修正结果,并根据多个修正结果得到一个目标测试时间。
示例性,根据多个修正结果得到目标测试时间的过程,可以包括:对多个修正结果求平均值,得到一个目标测试时间。
示例性,根据多个修正结果得到目标测试时间的过程,还可以包括:分别对多个修正结果赋予不同的融合系数,计算得到一个目标测试时间。
在本申请实施例中,在目标历史测试环境为一个的基础上,当目标历史测试脚本的数量为多个时,根据修正时间值对目标历史测试脚本对应的历史测试时间进行修正处理,得到目标测试时间,还可以包括如下过程,详细介绍如下:
根据各个目标历史测试脚本对应的历史测试时间得到一个基础测试时间,并根据修正时间值对基础测试时间进行修正处理,得到目标测试时间。
示例性,可以采用下述公式计算目标测试时间:
Tx=Tk’±δ
其中,Tx表征目标测试时间,将该目标测试时间作为待执行测试脚本x在当前测试环境中的执行测试时间,Tk’表征基础测试时间,符号“±”取决于历史测试时间和已执行测试脚本的执行测试时间的普遍偏差方向,若历史测试脚本的历史测试时间多数大于已执行测试脚本的执行测试时间,则符号选用“-”,反之,符号选用“+”。
示例性,根据各个目标历史测试脚本对应的历史测试时间得到一个基础测试时间的过程,可以包括:对各个目标历史测试脚本对应的历史测试时间进行平均值计算,得到一个基础测试时间。
示例性,根据各个目标历史测试脚本对应的历史测试时间得到一个基础测试时间的过程,还可以包括:分别对对各个目标历史测试脚本对应的历史测试时间赋予不同的融合系数,计算得到一个基础测试时间。
由上可知,本申请考虑到历史测试环境在配置和性能上可能与当前测试环境具有相似性,利用测试脚本在历史测试环境下执行的历史测试时间对当前测试环境下的执行测试时间进行预测。在进行环境相似度值计算时,由于环境之间的软件、硬件配置差异,难以直接量化为环境相似性指标,因此采用基于测试时间来计算两个测试环境之间的相似性,适用范围更广。根据环境相似度值选择出与当前测试环境最相似的历史测试环境作为目标历史测试环境后,通过计算修正时间值的方式量化当前测试环境和目标历史测试环境之间的差异性。通过修正时间值对选中的目标历史测试脚本的历史测试时间进行进一步修正,使得测试时间预测更为准确。
在另一个示例性实施例中,在图3所示的实施例的基础上,在步骤S110之前,该测试时间预测方法还包括步骤S101至步骤S102,详细介绍如下:
步骤S101,获取多个历史测试脚本对应的历史测试时间;
步骤S102,根据各个历史测试脚本对应的历史测试环境对各个历史测试脚本进行分组;其中,同一组中的历史测试脚本对应的历史测试环境相同。
示例性的,每个历史测试环境中包括多组由历史测试脚本标识-历史测试时间组成的数据。
由上可知,本实施例提供的方法在预测前按照历史测试环境对各个历史测试脚本进行分组,在进行测试时间预测时,便于获取各个历史测试环境下的历史测试脚本和历史测试时间,节约数据获取时间,加快数据获取速度,从而有助于提升测试时间的预测效率。
在另一个示例性实施例中,在图3所示的实施例的基础上,预测一个待执行测试脚本在当前测试环境中执行的测试时间后,更新当前测试环境中已执行测试脚本的数量以及当前测试环境中已执行测试脚本的当前测试时间。当所有待执行测试脚本在当前测试环境中执行后完毕后,将当前测试环境下执行的所有已执行测试脚本及其对应的当前测试时间记录至测试数据库,下一次执行测试时间预测时从测试数据库中获取历史测试时间。
由上可知,测试数据库中的数据随着测试的推进进行不断累积,由于历史测试数据对时间预测有很大意义的参考性,因此在每一次测试结束后对当前测试环境下的已执行测试脚本进行及时更新,在所有待执行测试脚本在当前测试环境中执行后完毕后,对测试数据库中的历史测试脚本进行及时更新,有利于提高后续预测的准确性。
在一些示例性的实施例中,为进一步提升测试时间预测的准确性,在测试时间预测的过程中还需要考虑更加全面的情况,例如测试推进,随着历史测试脚本的增加和/或已执行测试脚本的增加,预测出的测试时间的精确度会越来越高,因此可以采用机器学习的手段来进行测试时间预测。
机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。其中,机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
基于机器学习的强大学习能力,可通过针对大量的历史测试脚本的机器学习过程,可以实现机器学习模型对于环境相似度值、修正时间值、待执行测试脚本在当前测试环境中的执行测试时间等特征的估计,以保证所预测到的待执行测试脚本在当前测试环境下的执行测试时间是更加准确可信的。示例性的,机器学习模型可以包括基于神经网络的监督模型,例如二分类机器学习模型,通过使用大量的历史测试脚本对机器学习模型进行训练,以使机器学习模型在训练过程中进行模型参数调整,使得调整后的模型参数对于环境相似度值、修正时间值、待执行测试脚本在当前测试环境中的执行测试时间等特征具有综合性的预测表现。
图7是本申请的一示例性实施例示出的测试时间预测装置的框图。该装置可以应用于图2所示的实施环境,并具体配置在云测试平台中。该装置也可以适用于其它的示例性实施环境,并具体配置在其它设备中,本实施例不对该装置所适用的实施环境进行限制。
如图7所示,该示例性的测试时间预测装置包括:
环境相似度值计算模块7101,配置为将当前测试环境分别与各个历史测试环境进行相似度计算,得到当前测试环境与所述历史测试环境之间的环境相似度值;
目标历史测试环境选择模块7102,配置为从目标历史测试环境对应的历史测试脚本中确定出与待执行测试脚本之间的脚本相似度值大于预设阈值的目标历史测试脚本;
目标历史测试脚本选择模块7103,配置为从目标历史测试环境对应的历史测试脚本中确定出与待执行测试脚本之间的脚本相似度值大于预设阈值的目标历史测试脚本;
修正时间及测试时间计算模块7104,配置为对目标历史测试脚本对应的历史测试时间进行修正处理,得到目标测试时间,并将目标测试时间作为所述待执行测试脚本在所述当前测试环境中的执行测试时间。
在本申请的一个实施例中,环境相似度值计算模块7101包括:
第一确定单元,配置为从多个历史测试环境中所含有的历史测试脚本中确定已执行测试脚本的关联历史测试脚本;
获取单元,配置为获取已执行测试脚本的执行测试时间,以及已执行测试脚本与关联历史测试脚本之间的脚本相似度值;
第一计算单元,配置为根据执行测试时间与关联历史测试脚本对应的历史测试时间,得到第一时间值;
第二计算单元,配置为根据脚本相似度值与第一时间值,得到当前测试环境与历史测试环境之间的环境相似度值。
在本申请的一个实施例中,第一确定单元包括:
第一计算子单元,配置为计算已执行测试脚本分别与各个历史测试环境中所含有的历史测试脚本之间的脚本交集,得到多个交集结果;
第一选取子单元,配置为根据交集结果从多个历史测试环境中筛选出交集结果大于预设交集数量阈值的历史测试环境,并将筛选出的历史测试环境中所含有的历史测试脚本与已执行测试脚本的脚本交集作为所述关联历史测试脚本。
在本申请的一个实施例中,修正时间及测试时间计算模块7104包括:
第二获取单元,配置为获取当前测试环境与目标历史测试环境之间的环境相似度值;
第三计算单元,配置为根据环境相似度值、执行测试时间以及历史测试时间,得到修正时间值;
第四计算单元,配置为根据修正时间值对目标历史测试脚本对应的历史测试时间进行修正处理,得到目标测试时间。
需要说明的是,上述实施例所提供的测试时间预测装置与上述实施例所提供的测试时间预测方法属于同一构思,其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。上述实施例所提供的测试时间预测装置在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能,本处也不对此进行限制。
本申请的实施例还提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现上述各个实施例中提供的测试时间预测方法。
图8示出了适于用来实现本申请实施例的电子设备的计算机***的结构示意图。需要说明的是,图8示出的电子设备的计算机***1200仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图8所示,计算机***1200包括中央处理单元(Central Processing Unit,CPU)1201,其可以根据存储在只读存储器(Read-Only Memory,ROM)1202中的程序或者从储存部分1208加载到随机访问存储器(Random Access Memory,RAM)1203中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 1203中,还存储有***操作所需的各种程序和数据。CPU 1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(Input/Output,I/O)接口1205也连接至总线1204。
以下部件连接至I/O接口1205:包括键盘、鼠标等的输入部分1206;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分1207;包括硬盘等的储存部分1208;以及包括诸如LAN(Local AreaNetwork,局域网)卡、调制解调器等的网络接口卡的通信部分1209。通信部分1209经由诸如因特网的网络执行通信处理。驱动器1210也根据需要连接至I/O接口1205。可拆卸介质1211,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1210上,以便于从其上读出的计算机程序根据需要被安装入储存部分1208。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分1209从网络上被下载和安装,和/或从可拆卸介质1211被安装。在该计算机程序被中央处理单元(CPU)1201执行时,执行本申请的***中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本申请的另一方面还提供了一种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如前所述的路况刷新方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的,也可以是单独存在,而未装配入该电子设备中。
本申请的另一方面还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各个实施例中提供的路况刷新方法。
上述内容,仅为本申请的较佳示例性实施例,并非用于限制本申请的实施方案,本领域普通技术人员根据本申请的主要构思和精神,可以十分方便地进行相应的变通或修改,故本申请的保护范围应以权利要求书所要求的保护范围为准。
Claims (10)
1.一种测试时间预测方法,其特征在于,当前测试环境中包括已执行测试脚本和待执行测试脚本,每个历史测试环境中包括历史测试脚本,所述方法包括:
将所述当前测试环境分别与各个历史测试环境进行相似度计算,得到所述当前测试环境与所述历史测试环境之间的环境相似度值;
根据所述环境相似度值从多个历史测试环境中确定出目标历史测试环境;
从所述目标历史测试环境对应的历史测试脚本中确定出与所述待执行测试脚本之间的脚本相似度值大于预设阈值的目标历史测试脚本;
对所述目标历史测试脚本对应的历史测试时间进行修正处理,得到目标测试时间,并将所述目标测试时间作为所述待执行测试脚本在所述当前测试环境中的执行测试时间。
2.根据权利要求1所述的方法,其特征在于,所述将所述当前测试环境分别与各个历史测试环境进行相似度计算,得到所述当前测试环境与所述历史测试环境之间的环境相似度值,包括:
从多个历史测试环境中所含有的历史测试脚本中确定所述已执行测试脚本的关联历史测试脚本;
获取所述已执行测试脚本的执行测试时间,以及所述已执行测试脚本与所述关联历史测试脚本之间的脚本相似度值;
根据所述执行测试时间与所述关联历史测试脚本对应的历史测试时间,得到第一时间值;
根据所述脚本相似度值与所述第一时间值,得到所述当前测试环境与所述历史测试环境之间的环境相似度值。
3.根据权利要求2所述的方法,其特征在于,所述从多个历史测试环境中所含有的历史测试脚本中确定所述已执行测试脚本的关联历史测试脚本,包括:
计算所述已执行测试脚本分别与各个历史测试环境中所含有的历史测试脚本之间的脚本交集,得到多个交集结果;
根据交集结果从多个历史测试环境中筛选出交集结果大于预设交集数量阈值的历史测试环境,并将筛选出的历史测试环境中所含有的历史测试脚本与已执行测试脚本的脚本交集作为所述关联历史测试脚本。
4.根据权利要求1所述的方法,其特征在于,所述根据所述环境相似度值从历史测试环境中确定出目标历史测试环境,包括:
从多个历史测试环境中确定出与所述当前测试环境之间的环境相似度值最大的历史测试环境作为所述目标历史测试环境。
5.根据权利要求1所述的方法,其特征在于,所述对所述目标历史测试脚本对应的历史测试时间进行修正处理,得到目标测试时间,包括:
获取所述当前测试环境与所述目标历史测试环境之间的环境相似度值;
根据所述环境相似度值、所述执行测试时间以及所述历史测试时间,得到修正时间值;
根据所述修正时间值对所述目标历史测试脚本对应的历史测试时间进行修正处理,得到目标测试时间。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述目标历史测试脚本为多个;所述根据所述修正时间值对所述目标历史测试脚本对应的历史测试时间进行修正处理,得到目标测试时间,包括:
根据所述修正时间值分别对各个目标历史测试脚本对应的历史测试时间进行修正处理,得到多个修正结果,并根据多个修正结果得到目标测试时间;
或者,
根据各个目标历史测试脚本对应的历史测试时间得到基础测试时间,并根据所述修正时间值对所述基础测试时间进行修正处理,得到目标测试时间。
7.根据权利要求1-5中任一项所述的方法,其特征在于,在所述将所述当前测试环境分别与各个历史测试环境进行相似度计算之前,所述方法还包括:
获取多个历史测试脚本对应的历史测试时间;
根据各个历史测试脚本对应的历史测试环境对各个历史测试脚本进行分组;其中,同一组中的历史测试脚本对应的历史测试环境相同。
8.一种测试时间预测装置,其特征在于,所述装置包括:
环境相似度值计算模块,配置为将所述当前测试环境分别与各个历史测试环境进行相似度计算,得到所述当前测试环境与所述历史测试环境之间的环境相似度值;
目标历史测试环境选择模块,配置为根据所述环境相似度值从多个历史测试环境中确定出目标历史测试环境;
目标历史测试脚本选择模块,配置为从所述目标历史测试环境对应的历史测试脚本中确定出与所述待执行测试脚本之间的脚本相似度值大于预设阈值的目标历史测试脚本;
修正时间及测试时间计算模块,配置为对所述目标历史测试脚本对应的历史测试时间进行修正处理,得到目标测试时间,并将所述目标测试时间作为所述待执行测试脚本在所述当前测试环境中的执行测试时间。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如权利要求1至7中任一项所述的测试时间预测方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行权利要求1至7中任一项所述的测试时间预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111526996.6A CN114238106A (zh) | 2021-12-13 | 2021-12-13 | 测试时间预测方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111526996.6A CN114238106A (zh) | 2021-12-13 | 2021-12-13 | 测试时间预测方法及装置、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114238106A true CN114238106A (zh) | 2022-03-25 |
Family
ID=80755772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111526996.6A Pending CN114238106A (zh) | 2021-12-13 | 2021-12-13 | 测试时间预测方法及装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114238106A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116991747A (zh) * | 2023-09-26 | 2023-11-03 | 新华三技术有限公司 | 分析测试错误项的方法、装置、电子设备及存储介质 |
-
2021
- 2021-12-13 CN CN202111526996.6A patent/CN114238106A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116991747A (zh) * | 2023-09-26 | 2023-11-03 | 新华三技术有限公司 | 分析测试错误项的方法、装置、电子设备及存储介质 |
CN116991747B (zh) * | 2023-09-26 | 2023-12-15 | 新华三技术有限公司 | 分析测试错误项的方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110147456B (zh) | 一种图像分类方法、装置、可读存储介质及终端设备 | |
CN111950225B (zh) | 一种芯片布局方法、装置、存储介质和电子设备 | |
CN112086203A (zh) | 一种疫情预测方法、装置及终端设备 | |
CN114418035A (zh) | 决策树模型生成方法、基于决策树模型的数据推荐方法 | |
CN109903100A (zh) | 一种用户流失预测方法、装置及可读存储介质 | |
CN112420125A (zh) | 分子属性预测方法、装置、智能设备和终端 | |
CN113469570A (zh) | 信息质量评价模型构建方法、装置、设备及存储介质 | |
CN112700006A (zh) | 网络架构搜索方法、装置、电子设备及介质 | |
CN112465141A (zh) | 模型压缩方法、装置、电子设备及介质 | |
CN114238106A (zh) | 测试时间预测方法及装置、电子设备、存储介质 | |
CN112131587B (zh) | 一种智能合约伪随机数安全检验方法、***、介质和装置 | |
CN113742069A (zh) | 基于人工智能的容量预测方法、装置及存储介质 | |
CN112257958A (zh) | 一种电力饱和负荷预测方法及装置 | |
CN116957043A (zh) | 模型量化方法、装置、设备及介质 | |
CN114049764B (zh) | 一种基于卷积长短时记忆神经网络的交通仿真方法及*** | |
CN113689959B (zh) | 基于人工智能的疫情防控决策方法、装置、设备及介质 | |
CN113822441A (zh) | 决策模型训练方法、装置、终端设备及存储介质 | |
CN112528500B (zh) | 一种场景图构造模型的评估方法及评估设备 | |
CN109885504B (zh) | 推荐***的测试方法、装置、介质及电子设备 | |
CN114968821A (zh) | 基于强化学习的测试数据生成方法及装置 | |
CN114462571A (zh) | 训练深度学习模型的方法、数据处理方法及装置 | |
CN113344056B (zh) | 一种人员移动性预测模型的训练方法及装置 | |
CN113723611B (zh) | 基于因果推断的业务因子生成方法、装置、设备及介质 | |
CN118333163A (zh) | 基于知识点间相互作用和学习遗忘的追踪预测方法与*** | |
CN115222149A (zh) | 资源转换参数管理方法、装置、设备及存储介质 |
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 |