CN109240911A - 精准测试方法、装置和计算机设备 - Google Patents

精准测试方法、装置和计算机设备 Download PDF

Info

Publication number
CN109240911A
CN109240911A CN201810918532.1A CN201810918532A CN109240911A CN 109240911 A CN109240911 A CN 109240911A CN 201810918532 A CN201810918532 A CN 201810918532A CN 109240911 A CN109240911 A CN 109240911A
Authority
CN
China
Prior art keywords
case
iteration
version
function
increment
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
Application number
CN201810918532.1A
Other languages
English (en)
Inventor
魏贤全
黄琳
张晶晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Beijing Co Ltd
Original Assignee
Tencent Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Beijing Co Ltd filed Critical Tencent Technology Beijing Co Ltd
Priority to CN201810918532.1A priority Critical patent/CN109240911A/zh
Publication of CN109240911A publication Critical patent/CN109240911A/zh
Pending legal-status Critical Current

Links

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
    • G06F11/3676—Test management for coverage analysis
    • 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)
  • Debugging And Monitoring (AREA)

Abstract

本申请提供一种精准测试方法、装置和计算机设备，上述精准测试方法包括：获取待测程序的迭代后版本与迭代前版本的版本代码；根据所述迭代后版本与所述迭代前版本的版本代码的差异，获取所述迭代后版本的增量函数；根据所述迭代后版本的增量函数查询用例函数关系库，获得所述迭代后版本的增量函数对应的回归用例，所述用例函数关系库中保存用例与函数，并且用例与函数之间存在对应关系；执行所述回归用例对所述待测程序的迭代后版本进行测试。本申请可以自动推荐需要执行的回归用例，精简了测试用例，提高了迭代频繁、系统复杂情况下的测试效率。

Description

精准测试方法、装置和计算机设备
技术领域
本申请涉及互联网技术领域，尤其涉及一种精准测试方法、装置和计算机设备。
背景技术
游戏广告和电商是互联网三大现金流业务，急剧增长的收入背后是不断演进的广告平台的后台系统。广告平台的后台系统经过多年迭代，在流量拓展、市场营销、资源整合和大数据能力建设等方面不断创新，系统规模和复杂度呈指数级增长，这对质量保障带来了很大的挑战。
1、项目迭代频繁，周期锐减，测试效率如何同步提升；
2、系统高度复杂，改动影响范围如何准确评估；
3、测试依赖人工经验，可信性如何精准量化。
为了解决这些问题，现有相关技术在精准测试方向上进行了深入的探索，衍生了多种精准测试方案，典型的主要有以下几种。
1、基于代码调用关系和人工知识库的精准测试方案；
2、基于用例聚类的用例重构精准测试方案；
3、基于白盒分析的精准测试方案。
但上述精准测试方案存在以下缺点：维护成本高，代码变更后用例函数库无法自动更新，需要执行的用例数量庞大，测试效率较低。
发明内容
为克服相关技术中存在的问题，本申请提供一种精准测试方法、装置和电子设备。
本申请的实施例采用如下技术方案：
第一方面，本申请实施例提供一种精准测试方法，包括：获取待测程序的迭代后版本与迭代前版本的版本代码；根据所述迭代后版本与所述迭代前版本的版本代码的差异，获取所述迭代后版本的增量函数；根据所述迭代后版本的增量函数查询用例函数关系库，获得所述迭代后版本的增量函数对应的回归用例，所述用例函数关系库中保存用例与函数，并且用例与函数之间存在对应关系；执行所述回归用例对所述待测程序的迭代后版本进行测试。
上述精准测试方法中，获取待测程序的迭代后版本与迭代前版本的版本代码之后，根据上述迭代后版本与迭代前版本的版本代码的差异，获取上述迭代后版本的增量函数，然后根据上述迭代后版本的增量函数查询用例函数关系库，获得上述迭代后版本的增量函数对应的回归用例，执行上述回归用例对上述待测程序的迭代后版本进行测试，从而可以自动推荐需要执行的回归用例，精简了测试用例，提高了迭代频繁、系统复杂情况下的测试效率。
第二方面，本申请实施例提供一种精准测试装置，包括：获取模块，用于获取待测程序的迭代后版本与迭代前版本的版本代码；以及根据所述迭代后版本与所述迭代前版本的版本代码的差异，获取所述迭代后版本的增量函数；查询模块，用于根据所述迭代后版本的增量函数查询用例函数关系库，获得所述迭代后版本的增量函数对应的回归用例，所述用例函数关系库中保存用例与函数，并且用例与函数之间存在对应关系；测试模块，用于执行所述查询模块获得的回归用例对所述待测程序的迭代后版本进行测试。
上述精准测试装置中，获取模块获取待测程序的迭代后版本与迭代前版本的版本代码之后，根据上述迭代后版本与迭代前版本的版本代码的差异，获取上述迭代后版本的增量函数，然后查询模块根据上述迭代后版本的增量函数查询用例函数关系库，获得上述迭代后版本的增量函数对应的回归用例，测试模块执行上述回归用例对上述待测程序的迭代后版本进行测试，从而可以自动推荐需要执行的回归用例，精简了测试用例，提高了迭代频繁、系统复杂情况下的测试效率。
第三方面，本申请实施例提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上所述的方法。
第四方面，本申请实施例提供一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法。
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。
图1为本申请精准测试方法一个实施例的流程图；
图2为本申请精准测试方法中获取增量函数一个实施例的示意图；
图3为本申请精准测试方法中获得回归用例一个实施例的示意图；
图3a为本申请精准测试方法中用例与函数的对应关系一个示例的示意图；
图4为本申请精准测试方法另一个实施例的流程图；
图5为本申请精准测试方法中增量覆盖报告一个实施例的示意图；
图6为本申请精准测试方法再一个实施例的流程图；
图7为本申请精准测试方法中增量覆盖报告另一个实施例的示意图；
图8为本申请精准测试方法再一个实施例的流程图；
图9为本申请精准测试方法中建立用例函数关系库一个实施例的示意图；
图10为本申请精准测试方法再一个实施例的流程图；
图11为本申请精准测试方法的执行方案一个实施例的示意图；
图12为本申请精准测试装置一个实施例的结构示意图；
图13为本申请精准测试装置另一个实施例的结构示意图；
图14为本申请计算机设备一个实施例的结构示意图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，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。
现有相关技术中，精准测试存在维护成本高，代码变更后用例函数库无法自动更新，需要执行的用例数量庞大，测试效率较低的问题。本申请提出一种精准测试方法，通过分析待测程序迭代前后两次版本之间变更的函数，评估代码影响范围，缩小回归范围，自动推荐需要执行的回归用例，精简了需要执行的测试用例的数量，提高了迭代频繁、系统复杂情况下的测试效率。
图1为本申请精准测试方法一个实施例的流程图，如图1所示，上述精准测试方法可以包括：
步骤101，获取待测程序的迭代后版本与迭代前版本的版本代码。
步骤102，根据上述迭代后版本与上述迭代前版本的版本代码的差异，获取上述迭代后版本的增量函数。
具体地，参见图2，图2为本申请精准测试方法中获取增量函数一个实施例的示意图，在SVN DIFF层获取待测程序的迭代后版本与迭代前版本的版本(Subversion；以下简称：SVN)代码之后，可以在函数分析层根据上述迭代后版本与上述迭代前版本的版本代码的差异，分析获得上述迭代后版本的增量函数，包括添加(ADD)、删除(DELETE)和编辑(EDIT)3种变化状态。另外，还可以在数据持久层将得到的版本信息、差异函数和/或行信息等存储到本地文件。
在具体实现时，可以通过SVN DIFF命令获取上述迭代后版本与上述迭代前版本的版本代码的差异，如下所示：“svn diff-r$start_revision:$end_revision$target$username$passwd>$file”。
需要说明的是，通过SVN DIFF命令得到的增量函数，由于存在函数名截断，需要通过行号信息和截断文件名去源代码文件进行正则匹配，获得上述增量函数准确的函数名信息。
步骤103，根据迭代后版本的增量函数查询用例函数关系库，获得上述迭代后版本的增量函数对应的回归用例，上述用例函数关系库中保存用例与函数，并且用例与函数之间存在对应关系。
具体地，参见图3，图3为本申请精准测试方法中获得回归用例一个实施例的示意图，在获得上述迭代后版本的增量函数之后，可以根据上述增量函数查询用例函数关系库，获得上述迭代后版本的增量函数对应的回归用例，从而实现自动推荐需要执行的回归用例，无需人工分析，实现了回归用例的自动推荐，可以全面释放人力；并且精简了需要执行的测试用例的数量，提高了迭代频繁、系统复杂情况下的测试效率。
本实施例中，在上述用例函数关系库中，用例会通过内部用例系统管理并采用唯一编号区分，用例编号与函数的对应关系的一个示例可以如图3a所示，图3a为本申请精准测试方法中用例与函数的对应关系一个示例的示意图。
步骤104，执行上述回归用例对上述待测程序的迭代后版本进行测试。
图4为本申请精准测试方法另一个实施例的流程图，如图4所示，步骤104之后，还可以包括：
步骤401，获取上述回归用例对上述待测程序的迭代后版本的增量覆盖报告，以及根据上述迭代后版本的增量函数确定上述迭代后版本的新增功能。
具体地，上述回归用例对上述待测程序的迭代后版本的增量覆盖报告可以采用Emma、Cobertura或Gcov等工具获取，本实施例对所采用的具体工具不作限定，但本实施例以采用Gcov获取增量覆盖报告为例进行说明。
在具体实现时，在执行回归用例之后，可以采用Gcov生成全量覆盖报告Coverage.Info文件，然后解析Coverage.Info文件，获取上述回归用例对上述迭代后版本中的增量行、函数、分支的覆盖情况，调用GenHtml工具生成覆盖率报告，最后，二次修改Html，即可生成上述回归用例对上述待测程序的迭代后版本的增量覆盖报告。
步骤402，确定上述迭代后版本的新增功能中未被上述回归用例覆盖的功能。
具体地，在增量覆盖报告中，未被上述回归用例覆盖的代码行会被标示出，图5为本申请精准测试方法中增量覆盖报告一个实施例的示意图，图5中，被灰色标示出的代码行即为未被上述回归用例覆盖的代码行，分析上述未被上述回归用例覆盖的代码行所实现的功能，即为未被上述回归用例覆盖的功能。
步骤403，根据未被上述回归用例覆盖的功能设置对应的新增用例。
步骤404，执行上述新增用例对未被上述回归用例覆盖的功能进行测试。
本实施例中，在步骤104执行回归用例之后，可以通过迭代分析获取未被上述回归用例覆盖的功能，进而根据未被上述回归用例覆盖的功能设置对应的新增用例，从而保证了精准测试的完备性，提高了精准测试的测试精度，保障了增量函数和新增功能的覆盖精度，确保上线质量。
上述精准测试方法中，可以自动推荐需要执行的回归用例，无需人工分析，实现了回归用例的自动推荐，可以全面释放人力；并且精简了需要执行的测试用例的数量，提高了迭代频繁、系统复杂情况下的测试效率。
图6为本申请精准测试方法再一个实施例的流程图，如图6所示，本申请图4所示实施例中，步骤404之后，还可以包括：
步骤601，从上述新增用例对上述待测程序的迭代后版本的增量覆盖报告中，获取上述新增用例对上述待测程序的迭代后版本的增量覆盖率；以及从上述回归用例对上述待测程序的迭代后版本的增量覆盖报告中，获取上述回归用例对上述待测程序的迭代后版本的增量覆盖率。
图7为本申请精准测试方法中增量覆盖报告另一个实施例的示意图，如图7所示，在增量覆盖报告的右上角有关于增量覆盖率(Coverage)的说明，因此从增量覆盖报告中可以获取增量覆盖率，从图7中可以看出，增量覆盖率可以包括差异行覆盖率(Lines)、增量函数覆盖率(Functions)和差异分支覆盖率(Branches)。
其中，差异行即为上述待测程序的迭代后版本与迭代前版本相比，代码发生改变的行，差异行覆盖率是指用例(包括新增用例或回归用例)对迭代后版本中代码发生改变的行的覆盖率；同理，增量函数即为上述待测程序的迭代后版本与迭代前版本相比，发生差异的函数，增量函数覆盖率是指用例(包括新增用例或回归用例)对迭代后版本中发生差异的函数的覆盖率；同理，差异分支即为上述待测程序的迭代后版本与迭代前版本相比，代码发生改变的分支，差异分支覆盖率是指用例(包括新增用例或回归用例)对迭代后版本中代码发生改变的分支的覆盖率。
本实施例中，上述增量覆盖率报告支持各种覆盖计算的可视化，可以准确分析用例对上述迭代后版本的行、函数的覆盖情况。
至此可以获取精准测试中各类的覆盖率数据，假设测试版本A，测试覆盖函数集合M，全量函数集合T，则测试版本A的全量覆盖率为Ca＝(M/T)×100％。对比版本为B，B与A的增量函数集合为N，则A、B的增量函数覆盖率为Cab＝(M∩N)/N×100％，同理得到行覆盖率La和差异行覆盖率Lab，测试置信区间为：α为经验值，可以取值为0.95，β由历史数据线性拟合获得，可以取值为0.83。如上所述，上述增量函数覆盖率和差异行覆盖率均属于增量覆盖率，可以从增量覆盖报告中获取上述增量函数覆盖率和差异行覆盖率。
图8为本申请精准测试方法再一个实施例的流程图，如图8所示，本申请图6所示实施例中，步骤601之后，还可以包括：
步骤801，如果上述回归用例和上述新增用例的增量覆盖率在预先设定的置信区间中，则解析上述新增用例的执行数据，获取上述新增用例覆盖的函数。
其中，上述回归用例和上述新增用例的增量覆盖率在预先设定的置信区间中，说明本次测试的测试结果可信，本次测试达到质量要求。
具体地，执行新增用例之后，可以解析Gcov生成的覆盖率文件得到新增用例的函数、行、分支等执行数据，通过计算即可获得上述新增用例覆盖的函数。
步骤802，建立上述新增用例与上述新增用例覆盖的函数的对应关系，并将上述对应关系保存到上述用例函数关系库中。
具体地，用例函数关系库的建立流程如图9所示，图9为本申请精准测试方法中建立用例函数关系库一个实施例的示意图。如图3a所示，在上述用例函数关系库中，用例会通过内部用例系统管理并采用唯一编号区分。
图10为本申请精准测试方法再一个实施例的流程图，如图10所示，步骤601之后，还可以包括：
步骤1001，如果上述回归用例和上述新增用例的增量覆盖率在预先设定的置信区间中，则解析上述回归用例的执行数据，获取上述增量函数中上述回归用例覆盖的函数。
具体地，获取上述增量函数中上述回归用例覆盖的函数的实现方式可以参见步骤801的描述，在此不再赘述。
步骤1002，根据上述回归用例与上述回归用例覆盖的函数的对应关系，更新上述用例函数关系库中保存的对应关系。
具体地，更新用例函数关系库中保存的对应关系包括：增加上述用例函数关系库中未保存的回归用例与上述回归用例覆盖的函数的对应关系，以及删除上述用例函数关系库中保存的回归用例与上述回归用例未覆盖的函数的对应关系；简单来说，即为在上述用例函数关系库中增加之前不存在的对应关系，以及删除用例函数关系库中存在但经过本次测试验证为错误的对应关系；从而可以实现提高用例函数关系库中用例与函数的对应关系的准确度，提高精准测试的测试精度。
本申请实施例提供了一种精准测试方法，上述精准测试方法的执行方案的示意图可以如图11所示，图11为本申请精准测试方法的执行方案一个实施例的示意图，本申请实施例提供的精准测试方法解决了迭代频繁、系统复杂情况下，精准测试效率较低的问题，通过精简测试用例，自动推荐需要执行的回归用例，提高了精准测试的测试效率；解决了精准测试人员素质较高要求的问题，提供介于黑盒与白盒之间的低成本解决方案；并且建立了增量覆盖率的衡量标准，通过迭代新增用例，保证了精准测试的完备性，提高了精准测试的测试精度，保障了增量函数和新增功能的覆盖精度，确保上线质量。
图12为本申请精准测试装置一个实施例的结构示意图，本申请实施例中的精准测试装置可以实现本申请实施例提供的精准测试方法。如图12所示，上述精准测试装置可以包括：获取模块1201、查询模块1202和测试模块1203；
其中，获取模块1201，用于获取待测程序的迭代后版本与迭代前版本的版本代码；以及根据上述迭代后版本与上述迭代前版本的版本代码的差异，获取上述迭代后版本的增量函数；具体地，参见图2，获取模块1201可以在SVN DIFF层获取待测程序的迭代后版本与迭代前版本的版本代码之后，可以在函数分析层根据上述迭代后版本与上述迭代前版本的版本代码的差异，分析获得上述迭代后版本的增量函数，包括添加(ADD)、删除(DELETE)和编辑(EDIT)3种变化状态。另外，获取模块1201还可以在数据持久层将得到的版本信息、差异函数和/或行信息等存储到本地文件。
在具体实现时，获取模块1201可以通过SVN DIFF命令获取上述迭代后版本与上述迭代前版本的版本代码的差异，如下所示：“svn diff-r$start_revision:$end_revision$target$username$passwd>$file”。
需要说明的是，获取模块1201通过SVN DIFF命令得到的增量函数，由于存在函数名截断，需要通过行号信息和截断文件名去源代码文件进行正则匹配，获得上述增量函数准确的函数名信息。
查询模块1202，用于根据上述迭代后版本的增量函数查询用例函数关系库，获得上述迭代后版本的增量函数对应的回归用例，上述用例函数关系库中保存用例与函数，并且用例与函数之间存在对应关系；具体地，参见图3，在获取模块1201获得上述迭代后版本的增量函数之后，查询模块1202可以根据上述增量函数查询用例函数关系库，获得上述迭代后版本的增量函数对应的回归用例，从而实现自动推荐需要执行的回归用例，无需人工分析，实现了回归用例的自动推荐，可以全面释放人力；并且精简了需要执行的测试用例的数量，提高了迭代频繁、系统复杂情况下的测试效率。
本实施例中，在上述用例函数关系库中，用例会通过内部用例系统管理并采用唯一编号区分，用例编号与函数的对应关系的一个示例可以如图3a所示。
测试模块1203，用于执行查询模块1202获得的回归用例对上述待测程序的迭代后版本进行测试。
上述精准测试装置可以自动推荐需要执行的回归用例，无需人工分析，实现了回归用例的自动推荐，可以全面释放人力；并且精简了需要执行的测试用例的数量，提高了迭代频繁、系统复杂情况下的测试效率。
图13为本申请精准测试装置另一个实施例的结构示意图，与图12所示的精准测试装置相比，不同之处在于，图13所示的精准测试装置中，
获取模块1201，还用于在测试模块1203执行上述回归用例对上述待测程序的迭代后版本进行测试之后，获取上述回归用例对上述待测程序的迭代后版本的增量覆盖报告。
具体地，上述回归用例对上述待测程序的迭代后版本的增量覆盖报告可以采用Emma、Cobertura或Gcov等工具获取，本实施例对所采用的具体工具不作限定，但本实施例以采用Gcov获取增量覆盖报告为例进行说明。
在具体实现时，在执行回归用例之后，获取模块1201可以采用Gcov生成全量覆盖报告Coverage.Info文件，然后解析Coverage.Info文件，获取上述回归用例对上述迭代后版本中的增量行、函数、分支的覆盖情况，调用GenHtml工具生成覆盖率报告，最后，二次修改Html，即可生成上述回归用例对上述待测程序的迭代后版本的增量覆盖报告。
进一步地，上述精准测试装置还可以包括：确定模块1204和设置模块1205；
确定模块1204，用于根据上述迭代后版本的增量函数确定上述迭代后版本的新增功能，以及确定上述迭代后版本的新增功能中未被上述回归用例覆盖的功能；具体地，在增量覆盖报告中，未被上述回归用例覆盖的代码行会被标示出，图5中，被灰色标示出的代码行即为未被上述回归用例覆盖的代码行，分析上述未被上述回归用例覆盖的代码行所实现的功能，即为未被上述回归用例覆盖的功能。
设置模块1205，用于根据确定模块1204确定的未被上述回归用例覆盖的功能设置对应的新增用例；
测试模块1203，还用于执行上述新增用例对未被上述回归用例覆盖的功能进行测试。
本实施例中，确定模块1204可以通过迭代分析获取未被上述回归用例覆盖的功能，进而设置模块1205根据未被上述回归用例覆盖的功能设置对应的新增用例，从而保证了精准测试的完备性，提高了精准测试的测试精度，保障了增量函数和新增功能的覆盖精度，确保上线质量。
本实施例中，获取模块1201，还用于从上述新增用例对上述待测程序的迭代后版本的增量覆盖报告中，获取上述新增用例对上述待测程序的迭代后版本的增量覆盖率；以及从上述回归用例对上述待测程序的迭代后版本的增量覆盖报告中，获取上述回归用例对上述待测程序的迭代后版本的增量覆盖率。
如图7所示，在增量覆盖报告的右上角有关于增量覆盖率(Coverage)的说明，因此获取模块1201从增量覆盖报告中可以获取增量覆盖率，从图7中可以看出，增量覆盖率包括差异行覆盖率(Lines)、增量函数覆盖率(Functions)和差异分支覆盖率(Branches)。
其中，差异行即为上述待测程序的迭代后版本与迭代前版本相比，代码发生改变的行，差异行覆盖率是指用例(包括新增用例或回归用例)对迭代后版本中代码发生改变的行的覆盖率；同理，增量函数即为上述待测程序的迭代后版本与迭代前版本相比，发生差异的函数，增量函数覆盖率是指用例(包括新增用例或回归用例)对迭代后版本中发生差异的函数的覆盖率；同理，差异分支即为上述待测程序的迭代后版本与迭代前版本相比，代码发生改变的分支，差异分支覆盖率是指用例(包括新增用例或回归用例)对迭代后版本中代码发生改变的分支的覆盖率。
本实施例中，上述增量覆盖率报告支持各种覆盖计算的可视化，可以准确分析回归用例对上述迭代后版本的行、函数的覆盖情况。
至此获取模块1201可以获取精准测试中各类的覆盖率数据，在此基础上可以获得精准测试的可信度。
假设测试版本A，测试覆盖函数集合M，全量函数集合T，则测试版本A的全量覆盖率为Ca＝(M/T)×100％。对比版本为B，B与A的增量函数集合为N，则A、B的增量函数覆盖率为Cab＝(M∩N)/N×100％，同理得到行覆盖率La和差异行覆盖率Lab，测试置信区间为：α为经验值，可以取值为0.95，β由历史数据线性拟合获得，可以取值为0.83。如上所述，上述增量函数覆盖率和差异行覆盖率均属于增量覆盖率，可以从增量覆盖报告中获取上述增量函数覆盖率和差异行覆盖率。
进一步地，上述精准测试装置还可以包括：解析模块1206、建立模块1207和保存模块1208；
其中，解析模块1206，用于当获取模块1201获取的上述回归用例和上述新增用例的增量覆盖率在预先设定的置信区间中时，解析上述新增用例的执行数据，获取上述新增用例覆盖的函数；其中，上述回归用例和上述新增用例的增量覆盖率在预先设定的置信区间中，说明本次测试的测试结果可信，本次测试达到质量要求。具体地，测试模块1203执行新增用例之后，解析模块1206可以解析Gcov生成的覆盖率文件得到新增用例的函数、行、分支等执行数据，通过计算即可获得新增用例覆盖的函数。
建立模块1207，用于建立上述新增用例与上述新增用例覆盖的函数的对应关系；
保存模块1208，用于将建立模块1207建立的对应关系保存到上述用例函数关系库中。
具体地，用例函数关系库的建立流程如图9所示。如图3a所示，在上述用例函数关系库中，用例会通过内部用例系统管理并采用唯一编号区分。
另外，上述精准测试装置还可以包括：更新模块1209；
解析模块1206，用于当获取模块1201获取的上述回归用例和上述新增用例的增量覆盖率在预先设定的置信区间中时，解析上述回归用例的执行数据，获取上述增量函数中上述回归用例覆盖的函数；
更新模块1209，用于根据上述回归用例与上述回归用例覆盖的函数的对应关系，更新上述用例函数关系库中保存的对应关系。
具体地，更新模块1209更新用例函数关系库中保存的对应关系包括：增加上述用例函数关系库中未保存的回归用例与上述回归用例覆盖的函数的对应关系，以及删除上述用例函数关系库中保存的回归用例与上述回归用例未覆盖的函数的对应关系；简单来说，即为在上述用例函数关系库中增加之前不存在的对应关系，以及删除用例函数关系库中存在但经过本次测试验证为错误的对应关系；从而可以实现提高用例函数关系库中用例与函数的对应关系的准确度，提高精准测试的测试精度。
本申请实施例提供的精准测试装置解决了迭代频繁、系统复杂情况下，精准测试效率较低的问题，通过精简测试用例，自动推荐需要执行的回归用例，提高了精准测试的测试效率；解决了精准测试人员素质较高要求的问题，提供介于黑盒与白盒之间的低成本解决方案；并且建立了增量覆盖率的衡量标准，通过迭代新增用例，保证了精准测试的完备性，提高了精准测试的测试精度，保障了增量函数和新增功能的覆盖精度，确保上线质量。
图14为本申请计算机设备一个实施例的结构示意图，本实施例中的服务器可以包括存储器、处理器及存储在上述存储器上并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时，可以实现本申请实施例提供的精准测试方法。
其中，上述计算机设备可以为服务器或者终端设备，本实施例对上述计算机设备的具体形态不作限定。
图14示出了适于用来实现本申请实施方式的示例性计算机设备12的框图。图14显示的计算机设备12仅仅是一个示例，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14所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图14未显示，通常称为“硬盘驱动器”)。每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络通信。如图14所示，网络适配器20通过总线18与计算机设备12的其它模块通信。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本申请实施例提供的精准测试方法。
本申请实施例还提供一种非临时性计算机可读存储介质，当上述存储介质中的计算机可执行指令在由计算机处理器执行时，用于执行本申请实施例提供的精准测试方法。
上述非临时性计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。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。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。
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程序代码。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系统、装置或者器件使用或者与其结合使用的程序。
本申请实施例还提供一种计算机程序产品，当上述计算机程序产品中的指令由处理器执行时，执行本申请实施例提供的精准测试方法。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种精准测试方法，其特征在于，包括：
获取待测程序的迭代后版本与迭代前版本的版本代码；
根据所述迭代后版本与所述迭代前版本的版本代码的差异，获取所述迭代后版本的增量函数；
根据所述迭代后版本的增量函数查询用例函数关系库，获得所述迭代后版本的增量函数对应的回归用例，所述用例函数关系库中保存用例与函数，并且用例与函数之间存在对应关系；
执行所述回归用例对所述待测程序的迭代后版本进行测试。
2.根据权利要求1所述的方法，其特征在于，所述执行所述回归用例对所述待测程序的迭代后版本进行测试之后，还包括：
获取所述回归用例对所述待测程序的迭代后版本的增量覆盖报告，以及根据所述迭代后版本的增量函数确定所述迭代后版本的新增功能；
确定所述迭代后版本的新增功能中未被所述回归用例覆盖的功能；
根据未被所述回归用例覆盖的功能设置对应的新增用例；
执行所述新增用例对未被所述回归用例覆盖的功能进行测试。
3.根据权利要求2所述的方法，其特征在于，所述执行所述新增用例对未被所述回归用例覆盖的功能进行测试之后，还包括：
从所述新增用例对所述待测程序的迭代后版本的增量覆盖报告中，获取所述新增用例对所述待测程序的迭代后版本的增量覆盖率；以及，
从所述回归用例对所述待测程序的迭代后版本的增量覆盖报告中，获取所述回归用例对所述待测程序的迭代后版本的增量覆盖率；
如果所述回归用例和所述新增用例的增量覆盖率在预先设定的置信区间中，则解析所述新增用例的执行数据，获取所述新增用例覆盖的函数；
建立所述新增用例与所述新增用例覆盖的函数的对应关系，并将所述对应关系保存到所述用例函数关系库中。
4.根据权利要求3所述的方法，其特征在于，还包括：
如果所述回归用例和所述新增用例的增量覆盖率在预先设定的置信区间中，则解析所述回归用例的执行数据，获取所述增量函数中所述回归用例覆盖的函数；
根据所述回归用例与所述回归用例覆盖的函数的对应关系，更新所述用例函数关系库中保存的对应关系。
5.一种精准测试装置，其特征在于，包括：
获取模块，用于获取待测程序的迭代后版本与迭代前版本的版本代码；以及根据所述迭代后版本与所述迭代前版本的版本代码的差异，获取所述迭代后版本的增量函数；
查询模块，用于根据所述迭代后版本的增量函数查询用例函数关系库，获得所述迭代后版本的增量函数对应的回归用例，所述用例函数关系库中保存用例与函数，并且用例与函数之间存在对应关系；
测试模块，用于执行所述查询模块获得的回归用例对所述待测程序的迭代后版本进行测试。
6.根据权利要求5所述的装置，其特征在于，还包括：确定模块和设置模块；
所述获取模块，还用于在所述测试模块执行所述回归用例对所述待测程序的迭代后版本进行测试之后，获取所述回归用例对所述待测程序的迭代后版本的增量覆盖报告；
所述确定模块，用于根据所述迭代后版本的增量函数确定所述迭代后版本的新增功能；以及确定所述迭代后版本的新增功能中未被所述回归用例覆盖的功能；
所述设置模块，用于根据所述确定模块确定的未被所述回归用例覆盖的功能设置对应的新增用例；
所述测试模块，还用于执行所述新增用例对未被所述回归用例覆盖的功能进行测试。
7.根据权利要求6所述的装置，其特征在于，还包括：解析模块、建立模块和保存模块；
所述获取模块，还用于从所述新增用例对所述待测程序的迭代后版本的增量覆盖报告中，获取所述新增用例对所述待测程序的迭代后版本的增量覆盖率；以及，从所述回归用例对所述待测程序的迭代后版本的增量覆盖报告中，获取所述回归用例对所述待测程序的迭代后版本的增量覆盖率；
所述解析模块，用于当所述获取模块获取的所述回归用例和所述新增用例的增量覆盖率在预先设定的置信区间中时，解析所述新增用例的执行数据，获取所述新增用例覆盖的函数；
所述建立模块，用于建立所述新增用例与所述新增用例覆盖的函数的对应关系；
所述保存模块，用于将所述建立模块建立的对应关系保存到所述用例函数关系库中。
8.根据权利要求7所述的装置，其特征在于，还包括：更新模块；
所述解析模块，还用于当所述获取模块获取的所述回归用例和所述新增用例的增量覆盖率在预先设定的置信区间中时，解析所述回归用例的执行数据，获取所述增量函数中所述回归用例覆盖的函数；
所述更新模块，用于根据所述回归用例与被所述回归用例覆盖的函数的对应关系，更新所述用例函数关系库中保存的对应关系。
9.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-4中任一所述的方法。
10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4中任一所述的方法。
CN201810918532.1A 2018-08-13 2018-08-13 精准测试方法、装置和计算机设备 Pending CN109240911A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810918532.1A CN109240911A (zh) 2018-08-13 2018-08-13 精准测试方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810918532.1A CN109240911A (zh) 2018-08-13 2018-08-13 精准测试方法、装置和计算机设备

Publications (1)

Publication Number Publication Date
CN109240911A true CN109240911A (zh) 2019-01-18

Family

ID=65070422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810918532.1A Pending CN109240911A (zh) 2018-08-13 2018-08-13 精准测试方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN109240911A (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110659293A (zh) * 2019-09-24 2020-01-07 支付宝(杭州)信息技术有限公司 基于变更代码的数据表确定方法以及装置
CN110928776A (zh) * 2019-11-15 2020-03-27 武汉极意网络科技有限公司 一种基于lcov实现增量代码覆盖率的检测方法、装置及设备
CN111124910A (zh) * 2019-12-20 2020-05-08 北京达佳互联信息技术有限公司 确定测试代码执行数据的方法、装置、设备及存储介质
CN111382085A (zh) * 2020-05-09 2020-07-07 北京字节跳动网络技术有限公司 测试用例生成方法、装置、设备及介质
CN111382070A (zh) * 2020-03-03 2020-07-07 腾讯科技（深圳）有限公司 兼容性测试方法、装置、存储介质和计算机设备
CN111736869A (zh) * 2020-06-19 2020-10-02 浙江大搜车软件技术有限公司 服务端接口的版本更新方法和服务端接口的调用方法
CN111831564A (zh) * 2020-07-09 2020-10-27 北京齐尔布莱特科技有限公司 一种回归测试方法、装置及计算设备
CN111831574A (zh) * 2020-07-27 2020-10-27 中国工商银行股份有限公司 回归测试规划方法、装置、计算机系统和介质
CN111897727A (zh) * 2020-07-30 2020-11-06 平安科技（深圳）有限公司 软件测试方法、装置、计算机设备及存储介质
CN112256556A (zh) * 2020-09-11 2021-01-22 上海汇付数据服务有限公司 利用测试用例进行的测试方法及测试装置
CN112835779A (zh) * 2019-11-25 2021-05-25 上海哔哩哔哩科技有限公司 测试用例确定方法、装置、计算机设备
CN113094283A (zh) * 2021-04-29 2021-07-09 平安国际智慧城市科技股份有限公司 一种数据获取方法、装置、设备及存储介质
CN113220560A (zh) * 2020-01-21 2021-08-06 百度在线网络技术（北京）有限公司 一种代码测试方法、装置、电子设备及存储介质
CN113342685A (zh) * 2021-06-29 2021-09-03 平安资产管理有限责任公司 精准测试方法、装置、计算机设备和存储介质
CN113626325A (zh) * 2021-08-05 2021-11-09 杭州遥望网络科技有限公司 一种代码迭代更新中的接口测试方法、装置及设备
CN114564388A (zh) * 2022-02-23 2022-05-31 中国农业银行股份有限公司 一种程序测试方法、装置、电子设备及存储介质
CN115576821A (zh) * 2022-10-20 2023-01-06 沐曦科技(成都)有限公司 一种验证方法、装置，电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198010A (zh) * 2012-01-06 2013-07-10 腾讯科技（深圳）有限公司 软件测试方法、装置及系统
CN103678097A (zh) * 2012-09-05 2014-03-26 百度在线网络技术（北京）有限公司 一种选择回归测试用例的方法和装置
CN105302710A (zh) * 2014-07-03 2016-02-03 腾讯科技（深圳）有限公司 一种确定需要回归测试的测试用例的方法和装置
US20170075801A1 (en) * 2015-09-16 2017-03-16 Emc Corporation White-box testing
CN106528399A (zh) * 2015-09-15 2017-03-22 腾讯科技（深圳）有限公司 一种测试用例确定方法及装置
CN106909510A (zh) * 2017-03-02 2017-06-30 腾讯科技（深圳）有限公司 一种获取测试用例的方法以及服务器
CN107423214A (zh) * 2017-04-18 2017-12-01 恒生电子股份有限公司 软件回归测试用例获取方法、装置及存储介质和电子设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198010A (zh) * 2012-01-06 2013-07-10 腾讯科技（深圳）有限公司 软件测试方法、装置及系统
CN103678097A (zh) * 2012-09-05 2014-03-26 百度在线网络技术（北京）有限公司 一种选择回归测试用例的方法和装置
CN105302710A (zh) * 2014-07-03 2016-02-03 腾讯科技（深圳）有限公司 一种确定需要回归测试的测试用例的方法和装置
CN106528399A (zh) * 2015-09-15 2017-03-22 腾讯科技（深圳）有限公司 一种测试用例确定方法及装置
US20170075801A1 (en) * 2015-09-16 2017-03-16 Emc Corporation White-box testing
CN106909510A (zh) * 2017-03-02 2017-06-30 腾讯科技（深圳）有限公司 一种获取测试用例的方法以及服务器
CN107423214A (zh) * 2017-04-18 2017-12-01 恒生电子股份有限公司 软件回归测试用例获取方法、装置及存储介质和电子设备

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110659293A (zh) * 2019-09-24 2020-01-07 支付宝(杭州)信息技术有限公司 基于变更代码的数据表确定方法以及装置
CN110659293B (zh) * 2019-09-24 2022-02-11 支付宝(杭州)信息技术有限公司 基于变更代码的数据表确定方法以及装置
CN110928776A (zh) * 2019-11-15 2020-03-27 武汉极意网络科技有限公司 一种基于lcov实现增量代码覆盖率的检测方法、装置及设备
CN112835779A (zh) * 2019-11-25 2021-05-25 上海哔哩哔哩科技有限公司 测试用例确定方法、装置、计算机设备
CN111124910A (zh) * 2019-12-20 2020-05-08 北京达佳互联信息技术有限公司 确定测试代码执行数据的方法、装置、设备及存储介质
CN113220560A (zh) * 2020-01-21 2021-08-06 百度在线网络技术（北京）有限公司 一种代码测试方法、装置、电子设备及存储介质
CN111382070B (zh) * 2020-03-03 2022-03-04 腾讯科技（深圳）有限公司 兼容性测试方法、装置、存储介质和计算机设备
CN111382070A (zh) * 2020-03-03 2020-07-07 腾讯科技（深圳）有限公司 兼容性测试方法、装置、存储介质和计算机设备
CN111382085A (zh) * 2020-05-09 2020-07-07 北京字节跳动网络技术有限公司 测试用例生成方法、装置、设备及介质
CN111736869A (zh) * 2020-06-19 2020-10-02 浙江大搜车软件技术有限公司 服务端接口的版本更新方法和服务端接口的调用方法
CN111831564A (zh) * 2020-07-09 2020-10-27 北京齐尔布莱特科技有限公司 一种回归测试方法、装置及计算设备
CN111831574A (zh) * 2020-07-27 2020-10-27 中国工商银行股份有限公司 回归测试规划方法、装置、计算机系统和介质
CN111831574B (zh) * 2020-07-27 2023-09-05 中国工商银行股份有限公司 回归测试规划方法、装置、计算机系统和介质
CN111897727A (zh) * 2020-07-30 2020-11-06 平安科技（深圳）有限公司 软件测试方法、装置、计算机设备及存储介质
CN112256556A (zh) * 2020-09-11 2021-01-22 上海汇付数据服务有限公司 利用测试用例进行的测试方法及测试装置
CN113094283A (zh) * 2021-04-29 2021-07-09 平安国际智慧城市科技股份有限公司 一种数据获取方法、装置、设备及存储介质
CN113342685A (zh) * 2021-06-29 2021-09-03 平安资产管理有限责任公司 精准测试方法、装置、计算机设备和存储介质
CN113626325A (zh) * 2021-08-05 2021-11-09 杭州遥望网络科技有限公司 一种代码迭代更新中的接口测试方法、装置及设备
CN114564388A (zh) * 2022-02-23 2022-05-31 中国农业银行股份有限公司 一种程序测试方法、装置、电子设备及存储介质
CN115576821A (zh) * 2022-10-20 2023-01-06 沐曦科技(成都)有限公司 一种验证方法、装置，电子设备及存储介质
CN115576821B (zh) * 2022-10-20 2024-01-19 沐曦科技(成都)有限公司 一种验证方法、装置，电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN109240911A (zh) 精准测试方法、装置和计算机设备
CN103823758A (zh) 一种浏览器测试方法及装置
Priyanka et al. Empirical evaluation of cloud-based testing techniques: a systematic review
CN101894058B (zh) 针对自动测试系统的测试覆盖性自动分析方法及其装置
CN109684188B (zh) 测试方法和装置
EP3474203A1 (en) Product benchmarking
CN106708718A (zh) 服务框架接口测试方法与装置
CN107861981A (zh) 一种数据处理方法及装置
CN108958959A (zh) 检测hive数据表的方法和装置
CN105868956A (zh) 一种数据处理方法及装置
CN110134583A (zh) 软件测试及数据处理方法及装置
CN106557416B (zh) 软件云测试的实现方法和装置
CN113342692A (zh) 测试用例自动生成方法、装置、电子设备及存储介质
Bonforte et al. Global positioning system survey data for active seismic and volcanic areas of eastern Sicily, 1994 to 2013
CN108875368A (zh) 一种安全检测方法、装置及系统
Chai et al. Modeling distributed platforms from application traces for realistic file transfer simulation
US11567753B1 (en) Automated software patch mapping and recommendation
CN109522213A (zh) 一种基于自定义测试脚本的测试方法及装置
JP2022168859A (ja) コンピュータ実装方法、コンピュータプログラム、及びシステム（予測クエリ処理）
CN115576831A (zh) 一种测试案例推荐方法、装置、设备及存储介质
CN115344495A (zh) 批量任务测试的数据分析方法、装置、计算机设备及介质
CN113434382A (zh) 数据库性能监控方法、装置、电子设备及计算机可读介质
Machiraju et al. Multicompartment modeling of protein shedding kinetics during vascularized tumor growth
KR100775102B1 (ko) 임베디드 디바이스상에서 플랫폼 기반 어플리케이션의 품질테스트 결과 예측 시스템 및 그 방법
CN109426962A (zh) 一种数据模型校准方法、装置和设备

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190118

RJ01 Rejection of invention patent application after publication