CN109815220A - 一种缺陷数据处理方法和装置 - Google Patents
一种缺陷数据处理方法和装置 Download PDFInfo
- Publication number
- CN109815220A CN109815220A CN201811535151.1A CN201811535151A CN109815220A CN 109815220 A CN109815220 A CN 109815220A CN 201811535151 A CN201811535151 A CN 201811535151A CN 109815220 A CN109815220 A CN 109815220A
- Authority
- CN
- China
- Prior art keywords
- defective data
- data
- destination item
- visualized
- defective
- 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
Landscapes
- Stored Programmes (AREA)
Abstract
本发明实施例提供了一种缺陷数据处理方法和装置,其中,该方法包括:从缺陷平台获取目标项目的多个预设维度的缺陷数据;将目标项目的多个预设维度的缺陷数据进行可视化,得到多个可视化数据,其中,每个可视化数据与一个预设维度具有对应关系;判断目标项目是否为已经上线的项目;如果目标项目为已经上线的项目,则根据目标项目的多个预设维度的缺陷数据生成质量分析报告,向用户发送多个可视化数据和质量分析报告;如果目标项目为未上线的项目,则向用户发送多个可视化数据。因此,本发明实施例提供的技术方案能够解决现有技术中人工处理缺陷数据效率低的问题。
Description
【技术领域】
本发明涉及数据处理技术领域,尤其涉及一种缺陷数据处理方法和装置。
【背景技术】
目前很多公司使用Redmine缺陷系统进行缺陷维护,但Redmine需要人工下载缺陷数据并统计分析缺陷情况,当缺陷数据的量比较大时,人工处理缺陷数据效率低。
【发明内容】
有鉴于此,本发明实施例提供了一种缺陷数据处理方法和装置,用以解决现有技术人工处理缺陷数据效率低的问题。
一方面,本发明实施例提供了一种缺陷数据处理方法,所述方法包括:从缺陷平台获取目标项目的多个预设维度的缺陷数据;将所述目标项目的多个所述预设维度的缺陷数据进行可视化,得到多个可视化数据,其中,每个所述可视化数据与一个所述预设维度具有对应关系;判断所述目标项目是否为已经上线的项目;如果所述目标项目为已经上线的项目,则根据所述目标项目的多个所述预设维度的缺陷数据生成质量分析报告,向用户发送所述多个可视化数据和所述质量分析报告;如果所述目标项目为未上线的项目,则向所述用户发送所述多个可视化数据。
进一步地,所述将所述目标项目的多个所述预设维度的缺陷数据进行可视化,包括:对所述目标项目的多个所述预设维度的缺陷数据进行数据清洗;将清洗完成的缺陷数据进行可视化。
进一步地,所述多个预设维度之中不同预设维度之间具有制约条件,所述对所述目标项目的多个所述预设维度的缺陷数据进行数据清洗,包括:根据所述多个预设维度以及不同预设维度之间具有的制约条件对所述缺陷数据进行数据清洗。
进一步地,在所述得到多个可视化数据之后,所述方法还包括:确定所述缺陷数据的严重程度等级;如果所述缺陷数据的严重程度等级满足预设条件,则每隔预设时间间隔发出提示信息直至所述缺陷数据被所述用户处理,所述提示信息用于提示所述用户对所述缺陷数据进行处理;统计发出提示信息的次数;根据所述次数生成所述缺陷数据的处理跟进进度图。
进一步地,在所述得到多个可视化数据之后,所述方法还包括:按照预设周期计算以下至少之一:缺陷数据引入情况、缺陷数据提交情况、缺陷数据完成情况。
一方面,本发明实施例提供了一种缺陷数据处理装置,所述装置包括:获取单元,用于从缺陷平台获取目标项目的多个预设维度的缺陷数据;可视化单元,用于将所述目标项目的多个所述预设维度的缺陷数据进行可视化,得到多个可视化数据,其中,每个所述可视化数据与一个所述预设维度具有对应关系;判断单元,用于判断所述目标项目是否为已经上线的项目;第一发送单元,用于如果所述目标项目为已经上线的项目,则根据所述目标项目的多个所述预设维度的缺陷数据生成质量分析报告,向用户发送所述多个可视化数据和所述质量分析报告;第二发送单元,用于如果所述目标项目为未上线的项目,则向所述用户发送所述多个可视化数据。
进一步地,所述可视化单元包括:数据清洗子单元,用于对所述目标项目的多个所述预设维度的缺陷数据进行数据清洗;可视化子单元,用于将清洗完成的缺陷数据进行可视化。
进一步地,所述多个预设维度之中不同预设维度之间具有制约条件,所述数据清洗子单元包括:数据清洗模块,用于根据所述多个预设维度以及不同预设维度之间具有的制约条件对所述缺陷数据进行数据清洗。
进一步地,所述装置还包括:确定单元,用于在所述可视化单元得到多个可视化数据之后,确定所述缺陷数据的严重程度等级;提示单元,用于如果所述缺陷数据的严重程度等级满足预设条件,则每隔预设时间间隔发出提示信息直至所述缺陷数据被所述用户处理,所述提示信息用于提示所述用户对所述缺陷数据进行处理;统计单元,用于统计发出提示信息的次数;生成单元,用于根据所述次数生成所述缺陷数据的处理跟进进度图。
进一步地,所述装置还包括:计算单元,用于在所述可视化单元得到可视化数据之后,按照预设周期计算以下至少之一:缺陷数据引入情况、缺陷数据提交情况、缺陷数据完成情况。
一方面,本发明实施例提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述的缺陷数据处理方法。
一方面,本发明实施例提供了一种计算机设备,包括存储器和处理器,所述存储器用于存储包括程序指令的信息,所述处理器用于控制程序指令的执行,所述程序指令被处理器加载并执行时实现上述的缺陷数据处理方法的步骤。
在本方案中,从缺陷平台获取目标项目的多个预设维度的缺陷数据,将目标项目的多个预设维度的缺陷数据进行可视化,得到多个可视化数据,如果目标项目为已经上线的项目,则根据目标项目的多个预设维度的缺陷数据生成质量分析报告,向用户发送多个可视化数据和质量分析报告,如果目标项目为未上线的项目,则向用户发送多个可视化数据,避免了人工处理缺陷数据效率低的问题,达到了高效处理缺陷数据的效果。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种可选的缺陷数据处理方法的流程图;
图2是本发明实施例提供的一种可选的缺陷数据处理方法的流程图;
图3是本发明实施例提供的一种可选的缺陷数据处理装置的示意图;
图4是本发明实施例提供的一种可选的计算机设备的示意图。
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种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。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本发明实施例提供了一种缺陷数据处理方法,如图1所示,该方法包括:
步骤S102:从缺陷平台获取目标项目的多个预设维度的缺陷数据;
步骤S104:将目标项目的多个预设维度的缺陷数据进行可视化,得到多个可视化数据,其中,每个可视化数据与一个预设维度具有对应关系;
步骤S106:判断目标项目是否为已经上线的项目;
步骤S108:如果目标项目为已经上线的项目,则根据目标项目的多个预设维度的缺陷数据生成质量分析报告,向用户发送多个可视化数据和质量分析报告;
步骤S110:如果目标项目为未上线的项目,则向用户发送多个可视化数据。
缺陷平台可以是Redmine缺陷系统。
在本方案中,从缺陷平台获取目标项目的多个预设维度的缺陷数据,将目标项目的多个预设维度的缺陷数据进行可视化,得到多个可视化数据,如果目标项目为已经上线的项目,则根据目标项目的多个预设维度的缺陷数据生成质量分析报告,向用户发送多个可视化数据和质量分析报告,如果目标项目为未上线的项目,则向用户发送多个可视化数据,避免了人工处理缺陷数据效率低的问题,达到了高效处理缺陷数据的效果。
针对已经完成上线的项目,获取多个预设维度的缺陷数据,并将缺陷数据进行可视化,可视化完成后,生成质量分析报告。预设维度可以包括:bug(即缺陷数据)趋势、bug严重程度分布、bug修复周期、bug引入者分布、bug提交者分布等。获取多个预设维度的缺陷数据,具体地,可以是基于Redmine-API通过python+flask+mysql搭建web框架从缺陷平台获取多个预设维度的缺陷数据,例如,如图2所示,调Redmine-API获取缺陷数据,对缺陷数据进行清洗,清洗完成后,将缺陷数据存储到数据库中,浏览器通过js向服务器取数据,然后前端用pygal/hight charts展示图表。
bug趋势图展现缺陷平台的bug数量随监控时间的变化趋势,展现维度是bug数量和时间。
bug严重程度分布图展现严重bug和一般bug的分布情况。
bug修复周期展现的是不同严重程度的bug的修复时长。
bug引入者分布展现的是bug生产者分布情况。
bug提交者分布展现的是bug提交者分布情况。
bug引入者可以是开发人员,bug提交者可以是测试人员。
本方案中,使用基于Redmine-API的web系统从缺陷平台获取缺陷数据,实现了对各维度缺陷数据的动态可视化展现,完成了对已完成上线的项目一键生成质量分析报告,同时对正在实施的项目实时监控项目质量,降低了数据获取成本和汇报沟通成本,并能及时处理出现的问题,提高了效率。
可选地,获取目标项目的多个预设维度的缺陷数据之后,将目标项目的多个预设维度的缺陷数据进行可视化,包括:对多个预设维度的缺陷数据进行数据清洗,将清洗完成的缺陷数据进行可视化。
多个预设维度之中不同预设维度之间具有制约条件,数据清洗可根据制约条件来进行。对于不满足制约条件的缺陷数据,发送给相关人员,由相关人员人工判断。
对缺陷数据进行数据清洗,主要目的是对缺陷数据进行标准化处理,包括数据准确性、完整性、一致性、惟一性、有效性等方面的检查,最终按照标准数据格式存储到数据库中,标准数据格式包括的数据字段有bug名称、状态、来源、类型、提交时间、引入时间、修复时间、修复周期、修复状态、严重程度、处理跟进提醒/提示次数、已完成待测试提醒/提示次数等。
使用可视化工具对缺陷数据进行展现,具体可以是使用第三方图表工具,从各维度对缺陷数据进行图形化表达。
通过对缺陷数据进行数据清洗,去除了缺陷数据中冗余或者无效的数据,保留并完善了关键字段信息,为后续可视化展现和数据分析提供了规范的数据格式,同时使用第三方图表工具对数据进行可视化展现,不仅展现了各维度缺陷数据的总体情况,而且能随时了解缺陷数据变化趋势。
可选地,在得到多个可视化数据之后,方法还包括:确定缺陷数据的严重程度等级;如果缺陷数据的严重程度等级满足预设条件,则每隔预设时间间隔发出提示信息直至缺陷数据被用户处理,提示信息用于提示用户对缺陷数据进行处理;统计发出提示信息的次数;根据次数生成缺陷数据的处理跟进进度图。
通过对项目进行缺陷数据实时监控,能全面管理bug的生命周期和修复周期,并对未能及时处理的bug向相关人员邮件提示,使其快速响应,及时采取应对措施。
可选地,在得到可视化数据之后,计算目标项目的缺陷数据引入、提交和完成情况,具体地,可以包括:按照周期计算缺陷数据引入最多的人;按照周期计算缺陷数据提交最多的人;按照周期计算缺陷数据解决最多的人。
详细地,可以按照周、月、季度、年等周期定期汇总bug引入最多的人、bug提交最多的人和bug解决最多的人,对bug引入最多的人,将督促其提升开发工作的正确率,保证交付的质量,对提交bug最多的人和解决bug最多的人,按照其不同的bug提交数量和bug解决数量,应给予不同程度的激励和奖赏;奖惩措施可以是将bug处理情况作为年度考核或者绩效考核的依据之一;对bug引入最多的人,如果bug引入的数量在可接受范围内,则不影响其年度考核或绩效考核,如果bug引入的数量超过了可接受范围,则根据数量的范围,其年度考核或绩效考核将产生不同程度负面的影响;对bug提交最多的人,根据其提交的bug数量,采取相应激励措施鼓励其继续提交bug;对bug解决最多的人,根据其解决的bug数量,在年度考核或者绩效考核中进行不同程度的激励和奖赏。
本方案中,通过搭建基于Redmine-API的web框架,从缺陷平台获取缺陷数据,并从各维度进行缺陷数据可视化展现,实现了对已上线项目一键生成质量分析报告,避免了需要人工去Redmine系统中下载缺陷数据然后再进行各维度的数据统计生成报告等繁琐的工作,降低了人力成本和时间成本;同时对实施中项目进行缺陷数据可视化实时监控,可以随时管理项目质量情况,减少了项目的数据获取成本和汇报沟通成本,并能及时发现问题,解决问题,保障项目质量。
本发明实施例提供了一种缺陷数据处理装置,该装置用于执行上述缺陷数据处理方法,如图3所示,装置包括:获取单元10、可视化单元20、判断单元30、第一发送单元40、第二发送单元50。
获取单元10,用于从缺陷平台获取目标项目的多个预设维度的缺陷数据。
可视化单元20,用于将目标项目的多个预设维度的缺陷数据进行可视化,得到多个可视化数据,其中,每个可视化数据与一个预设维度具有对应关系。
判断单元30,用于判断目标项目是否为已经上线的项目;
第一发送单元40,用于如果目标项目为已经上线的项目,则根据目标项目的多个预设维度的缺陷数据生成质量分析报告,向用户发送多个可视化数据和质量分析报告;
第二发送单元50,用于如果目标项目为未上线的项目,则向用户发送多个可视化数据。
缺陷平台可以是Redmine缺陷系统。
在本方案中,从缺陷平台获取目标项目的多个预设维度的缺陷数据,将目标项目的多个预设维度的缺陷数据进行可视化,得到多个可视化数据,如果目标项目为已经上线的项目,则根据目标项目的多个预设维度的缺陷数据生成质量分析报告,向用户发送多个可视化数据和质量分析报告,如果目标项目为未上线的项目,则向用户发送多个可视化数据,避免了人工处理缺陷数据效率低的问题,达到了高效处理缺陷数据的效果。
针对已经完成上线的项目,获取多个预设维度的缺陷数据,并将缺陷数据进行可视化,可视化完成后,生成质量分析报告。预设维度可以包括:bug(即缺陷数据)趋势、bug严重程度分布、bug修复周期、bug引入者分布、bug提交者分布等。获取多个预设维度的缺陷数据,具体地,可以是基于Redmine-API通过python+flask+mysql搭建web框架从缺陷平台获取多个预设维度的缺陷数据,例如,如图2所示,调Redmine-API获取缺陷数据,对缺陷数据进行清洗,清洗完成后,将缺陷数据存储到数据库中,浏览器通过js向服务器取数据,然后前端用pygal/hight charts展示图表。
bug趋势图展现缺陷平台的bug数量随监控时间的变化趋势,展现维度是bug数量和时间。
bug严重程度分布图展现严重bug和一般bug的分布情况。
bug修复周期展现的是不同严重程度的bug的修复时长。
bug引入者分布展现的是bug生产者分布情况。
bug提交者分布展现的是bug提交者分布情况。
bug引入者可以是开发人员,bug提交者可以是测试人员。
本方案中,使用基于Redmine-API的web系统从缺陷平台获取缺陷数据,实现了对各维度缺陷数据的动态可视化展现,完成了对已完成上线的项目一键生成质量分析报告,同时对正在实施的项目实时监控项目质量,降低了数据获取成本和汇报沟通成本,并能及时处理出现的问题,提高了效率。
可选地,可视化单元20包括:数据清洗子单元、可视化子单元。数据清洗子单元,用于对目标项目的多个预设维度的缺陷数据进行数据清洗。可视化子单元,用于将清洗完成的缺陷数据进行可视化。
可选地,不同预设维度之间存在制约条件,数据清洗子单元包括:数据清洗模块。数据清洗模块,用于根据不同预设维度之间的制约条件对缺陷数据进行数据清洗。
有些预设维度之间存在制约条件,数据清洗可根据制约条件来进行。对于不满足制约条件的缺陷数据,发送给相关人员,由相关人员人工判断。
对缺陷数据进行数据清洗,主要目的是对缺陷数据进行标准化处理,包括数据准确性、完整性、一致性、惟一性、有效性等方面的检查,最终按照标准数据格式存储到数据库中,标准数据格式包括的数据字段有bug名称、状态、来源、类型、提交时间、引入时间、修复时间、修复周期、修复状态、严重程度、处理跟进提醒/提示次数、已完成待测试提醒/提示次数等。
使用可视化工具对缺陷数据进行展现,具体可以是使用第三方图表工具,从各维度对缺陷数据进行图形化表达。
通过对缺陷数据进行数据清洗,去除了缺陷数据中冗余或者无效的数据,保留并完善了关键字段信息,为后续可视化展现和数据分析提供了规范的数据格式,同时使用第三方图表工具对数据进行可视化展现,不仅展现了各维度缺陷数据的总体情况,而且能随时了解缺陷数据变化趋势。
装置还包括:确定单元、提示单元、统计单元、生成单元。确定单元,用于在可视化单元20得到多个可视化数据之后,确定缺陷数据的严重程度等级。提示单元,用于如果缺陷数据的严重程度等级满足预设条件,则每隔预设时间间隔发出提示信息直至缺陷数据被用户处理,提示信息用于提示用户对缺陷数据进行处理。统计单元,用于统计发出提示信息的次数;生成单元,用于根据次数生成缺陷数据的处理跟进进度图。
通过对项目进行缺陷数据实时监控,能全面管理bug的生命周期和修复周期,并对未能及时处理的bug向相关人员邮件提示,使其快速响应,及时采取应对措施。
可选地,装置还包括:计算单元。计算单元,用于在可视化单元20得到可视化数据之后,按照预设周期计算以下至少之一:缺陷数据引入情况、缺陷数据提交情况、缺陷数据完成情况。
详细地,可以按照周、月、季度、年等周期定期汇总bug引入最多的人、bug提交最多的人和bug解决最多的人,对bug引入最多的人,将督促其提升开发工作的正确率,保证交付的质量,对提交bug最多的人和解决bug最多的人,按照其不同的bug提交数量和bug解决数量,应给予不同程度的激励和奖赏;奖惩措施可以是将bug处理情况作为年度考核或者绩效考核的依据之一;对bug引入最多的人,如果bug引入的数量在可接受范围内,则不影响其年度考核或绩效考核,如果bug引入的数量超过了可接受范围,则根据数量的范围,其年度考核或绩效考核将产生不同程度负面的影响;对bug提交最多的人,根据其提交的bug数量,采取相应激励措施鼓励其继续提交bug;对bug解决最多的人,根据其解决的bug数量,在年度考核或者绩效考核中进行不同程度的激励和奖赏。
本方案中,通过搭建基于Redmine-API的web框架,从缺陷平台获取缺陷数据,并从各维度进行缺陷数据可视化展现,实现了对已上线项目一键生成质量分析报告,避免了需要人工去Redmine系统中下载缺陷数据然后再进行各维度的数据统计生成报告等繁琐的工作,降低了人力成本和时间成本;同时对实施中项目进行缺陷数据可视化实时监控,可以随时管理项目质量情况,减少了项目的数据获取成本和汇报沟通成本,并能及时发现问题,解决问题,保障项目质量。
一方面,本发明实施例提供了一种存储介质,存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行以下步骤:从缺陷平台获取目标项目的多个预设维度的缺陷数据;将目标项目的多个预设维度的缺陷数据进行可视化,得到多个可视化数据,其中,每个可视化数据与一个预设维度具有对应关系;判断目标项目是否为已经上线的项目;如果目标项目为已经上线的项目,则根据目标项目的多个预设维度的缺陷数据生成质量分析报告,向用户发送多个可视化数据和质量分析报告;如果目标项目为未上线的项目,则向用户发送多个可视化数据。
可选地,在程序运行时控制存储介质所在设备还执行以下步骤:对目标项目的多个预设维度的缺陷数据进行数据清洗;将清洗完成的缺陷数据进行可视化。
可选地,在程序运行时控制存储介质所在设备还执行以下步骤:根据多个预设维度以及不同预设维度之间具有的制约条件对缺陷数据进行数据清洗。
可选地,在程序运行时控制存储介质所在设备还执行以下步骤:在得到多个可视化数据之后,确定缺陷数据的严重程度等级;如果缺陷数据的严重程度等级满足预设条件,则每隔预设时间间隔发出提示信息直至缺陷数据被用户处理,提示信息用于提示用户对缺陷数据进行处理;统计发出提示信息的次数;根据次数生成缺陷数据的处理跟进进度图。
可选地,在程序运行时控制存储介质所在设备还执行以下步骤:在得到多个可视化数据之后,按照预设周期计算以下至少之一:缺陷数据引入情况、缺陷数据提交情况、缺陷数据完成情况。
一方面,本发明实施例提供了一种计算机设备,包括存储器和处理器,存储器用于存储包括程序指令的信息,处理器用于控制程序指令的执行,程序指令被处理器加载并执行时实现以下步骤:从缺陷平台获取目标项目的多个预设维度的缺陷数据;将目标项目的多个预设维度的缺陷数据进行可视化,得到多个可视化数据,其中,每个可视化数据与一个预设维度具有对应关系;判断目标项目是否为已经上线的项目;如果目标项目为已经上线的项目,则根据目标项目的多个预设维度的缺陷数据生成质量分析报告,向用户发送多个可视化数据和质量分析报告;如果目标项目为未上线的项目,则向用户发送多个可视化数据。
可选地,程序指令被处理器加载并执行时还实现以下步骤:对目标项目的多个预设维度的缺陷数据进行数据清洗;将清洗完成的缺陷数据进行可视化。
可选地,程序指令被处理器加载并执行时还实现以下步骤:根据多个预设维度以及不同预设维度之间具有的制约条件对缺陷数据进行数据清洗。
可选地,程序指令被处理器加载并执行时还实现以下步骤:在得到多个可视化数据之后,确定缺陷数据的严重程度等级;如果缺陷数据的严重程度等级满足预设条件,则每隔预设时间间隔发出提示信息直至缺陷数据被用户处理,提示信息用于提示用户对缺陷数据进行处理;统计发出提示信息的次数;根据次数生成缺陷数据的处理跟进进度图。
可选地,程序指令被处理器加载并执行时还实现以下步骤:在得到多个可视化数据之后,按照预设周期计算以下至少之一:缺陷数据引入情况、缺陷数据提交情况、缺陷数据完成情况。
图4是本发明实施例提供的一种计算机设备的示意图。如图4所示,该实施例的计算机设备500包括:处理器51、存储器52以及存储在存储器52中并可在处理器51上运行的计算机程序53,该计算机程序53被处理器51执行时实现实施例中的缺陷数据处理方法,为避免重复,此处不一一赘述。或者,该计算机程序被处理器51执行时实现实施例中缺陷数据处理装置中各模型/单元的功能,为避免重复,此处不一一赘述。
计算机设备500可包括,但不仅限于,处理器51、存储器52。本领域技术人员可以理解,图4仅仅是计算机设备500的示例,并不构成对计算机设备500的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如计算机设备500还可以包括输入输出设备、网络接入设备、总线等。
所称处理器51可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器52可以是计算机设备500的内部存储单元,例如计算机设备500的硬盘或内存。存储器52也可以是计算机设备500的外部存储设备,例如计算机设备500上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器52还可以既包括计算机设备500的内部存储单元也包括外部存储设备。存储器52用于存储计算机程序以及计算机设备500所需的其他程序和数据。存储器52还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元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装置(可以是个人计算机,服务器,或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种缺陷数据处理方法,其特征在于,所述方法包括:
从缺陷平台获取目标项目的多个预设维度的缺陷数据;
将所述目标项目的多个所述预设维度的缺陷数据进行可视化,得到多个可视化数据,其中,每个所述可视化数据与一个所述预设维度具有对应关系;
判断所述目标项目是否为已经上线的项目;
如果所述目标项目为已经上线的项目,则根据所述目标项目的多个所述预设维度的缺陷数据生成质量分析报告,向用户发送所述多个可视化数据和所述质量分析报告;
如果所述目标项目为未上线的项目,则向所述用户发送所述多个可视化数据。
2.根据权利要求1所述的方法,其特征在于,所述将所述目标项目的多个所述预设维度的缺陷数据进行可视化,包括:
对所述目标项目的多个所述预设维度的缺陷数据进行数据清洗;
将清洗完成的缺陷数据进行可视化。
3.根据权利要求2所述的方法,其特征在于,所述多个预设维度之中不同预设维度之间具有制约条件,所述对所述目标项目的多个所述预设维度的缺陷数据进行数据清洗,包括:
根据所述多个预设维度以及不同预设维度之间具有的制约条件对所述缺陷数据进行数据清洗。
4.根据权利要求1所述的方法,其特征在于,在所述得到多个可视化数据之后,所述方法还包括:
确定所述缺陷数据的严重程度等级;
如果所述缺陷数据的严重程度等级满足预设条件,则每隔预设时间间隔发出提示信息直至所述缺陷数据被所述用户处理,所述提示信息用于提示所述用户对所述缺陷数据进行处理;
统计发出提示信息的次数;
根据所述次数生成所述缺陷数据的处理跟进进度图。
5.根据权利要求1至4任一项所述的方法,其特征在于,在所述得到多个可视化数据之后,所述方法还包括:
按照预设周期计算以下至少之一:缺陷数据引入情况、缺陷数据提交情况、缺陷数据完成情况。
6.一种缺陷数据处理装置,其特征在于,所述装置包括:
获取单元,用于从缺陷平台获取目标项目的多个预设维度的缺陷数据;
可视化单元,用于将所述目标项目的多个所述预设维度的缺陷数据进行可视化,得到多个可视化数据,其中,每个所述可视化数据与一个所述预设维度具有对应关系;
判断单元,用于判断所述目标项目是否为已经上线的项目;
第一发送单元,用于如果所述目标项目为已经上线的项目,则根据所述目标项目的多个所述预设维度的缺陷数据生成质量分析报告,向用户发送所述多个可视化数据和所述质量分析报告;
第二发送单元,用于如果所述目标项目为未上线的项目,则向所述用户发送所述多个可视化数据。
7.根据权利要求6所述的装置,其特征在于,所述可视化单元包括:
数据清洗子单元,用于对所述目标项目的多个所述预设维度的缺陷数据进行数据清洗;
可视化子单元,用于将清洗完成的缺陷数据进行可视化。
8.根据权利要求7所述的装置,其特征在于,所述多个预设维度之中不同预设维度之间具有制约条件,所述数据清洗子单元包括:
数据清洗模块,用于根据所述多个预设维度以及不同预设维度之间具有的制约条件对所述缺陷数据进行数据清洗。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至5中任意一项所述的缺陷数据处理方法。
10.一种计算机设备,包括存储器和处理器,所述存储器用于存储包括程序指令的信息,所述处理器用于控制程序指令的执行,其特征在于:所述程序指令被处理器加载并执行时实现权利要求1至5任意一项所述的缺陷数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811535151.1A CN109815220A (zh) | 2018-12-14 | 2018-12-14 | 一种缺陷数据处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811535151.1A CN109815220A (zh) | 2018-12-14 | 2018-12-14 | 一种缺陷数据处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109815220A true CN109815220A (zh) | 2019-05-28 |
Family
ID=66602077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811535151.1A Pending CN109815220A (zh) | 2018-12-14 | 2018-12-14 | 一种缺陷数据处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109815220A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543422A (zh) * | 2019-09-05 | 2019-12-06 | 中国人民解放军国防科技大学 | 一种用于fpr的软件包代码缺陷数据处理方法、系统及介质 |
CN110727947A (zh) * | 2019-09-17 | 2020-01-24 | 苏州科达科技股份有限公司 | 一种安全漏洞处理方法、装置、设备及可读存储介质 |
CN111240978A (zh) * | 2020-01-09 | 2020-06-05 | 上海丰蕾信息科技有限公司 | 数据报告生成与分析方法 |
CN111291105A (zh) * | 2020-01-21 | 2020-06-16 | 江门荣信电路板有限公司 | 一种pcb板检验数据处理方法、装置和存储介质 |
CN111837109A (zh) * | 2019-11-22 | 2020-10-27 | 深圳海付移通科技有限公司 | 一种代码质量和缺陷的分析方法、服务器及存储介质 |
CN112084115A (zh) * | 2020-09-16 | 2020-12-15 | 京东数字科技控股股份有限公司 | 软件缺陷的流程化操作方法和装置 |
CN113011795A (zh) * | 2021-05-06 | 2021-06-22 | 北京京东振世信息技术有限公司 | 一种应用程序开发项目的质量分析方法及系统 |
CN113360367A (zh) * | 2020-03-06 | 2021-09-07 | 京东安联财产保险有限公司 | 缺陷数据处理方法、装置、计算机设备及可读存储介质 |
-
2018
- 2018-12-14 CN CN201811535151.1A patent/CN109815220A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543422A (zh) * | 2019-09-05 | 2019-12-06 | 中国人民解放军国防科技大学 | 一种用于fpr的软件包代码缺陷数据处理方法、系统及介质 |
CN110543422B (zh) * | 2019-09-05 | 2022-12-27 | 中国人民解放军国防科技大学 | 一种用于fpr的软件包代码缺陷数据处理方法、系统及介质 |
CN110727947A (zh) * | 2019-09-17 | 2020-01-24 | 苏州科达科技股份有限公司 | 一种安全漏洞处理方法、装置、设备及可读存储介质 |
CN111837109A (zh) * | 2019-11-22 | 2020-10-27 | 深圳海付移通科技有限公司 | 一种代码质量和缺陷的分析方法、服务器及存储介质 |
WO2021097824A1 (zh) * | 2019-11-22 | 2021-05-27 | 深圳海付移通科技有限公司 | 一种代码质量和缺陷的分析方法、服务器及存储介质 |
CN111240978A (zh) * | 2020-01-09 | 2020-06-05 | 上海丰蕾信息科技有限公司 | 数据报告生成与分析方法 |
CN111291105A (zh) * | 2020-01-21 | 2020-06-16 | 江门荣信电路板有限公司 | 一种pcb板检验数据处理方法、装置和存储介质 |
CN111291105B (zh) * | 2020-01-21 | 2023-12-15 | 江门荣信电路板有限公司 | 一种pcb板检验数据处理方法、装置和存储介质 |
CN113360367A (zh) * | 2020-03-06 | 2021-09-07 | 京东安联财产保险有限公司 | 缺陷数据处理方法、装置、计算机设备及可读存储介质 |
CN112084115A (zh) * | 2020-09-16 | 2020-12-15 | 京东数字科技控股股份有限公司 | 软件缺陷的流程化操作方法和装置 |
CN113011795A (zh) * | 2021-05-06 | 2021-06-22 | 北京京东振世信息技术有限公司 | 一种应用程序开发项目的质量分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109815220A (zh) | 一种缺陷数据处理方法和装置 | |
CN107850889A (zh) | 管理系统及管理方法 | |
CN111209647A (zh) | 模拟装置及方法 | |
CN107992410B (zh) | 软件质量监测方法、装置、计算机设备和存储介质 | |
Ankenman et al. | A quick assessment of input uncertainty | |
CN109165153A (zh) | 一种高仿真证券业交易类系统的性能测试方法 | |
CN109783090A (zh) | 一种用于持续交付的可视化方法、装置和服务器 | |
CN109242363B (zh) | 一种基于多种质量控制模型的全生命周期测试管理平台 | |
CN112861492A (zh) | 一种报表表内表间联动计算的方法、装置及电子设备 | |
Sylla et al. | Customer/supplier relationship: Reducing uncertainties in commercial offers thanks to readiness, risk and confidence considerations | |
US7698245B2 (en) | Applying rules to validating data for a machine arrangement | |
CN113535538A (zh) | 应用全链路自动化测试方法、装置、电子设备和存储介质 | |
KR100311051B1 (ko) | 설비효율 최적화방법 및 이를 위한 설비효율 분석장치 | |
Petar et al. | Organizational design based on simulation modeling | |
Jain et al. | Verification and validation of simulation models | |
Rus et al. | Supporting decision-making in software engineering with process simulation and empirical studies | |
CN111723152A (zh) | 一种基于区块链的数据处理方法及系统 | |
Hovorushchenko et al. | Intelligent System for Determining the Sufficiency of Metric Information in the Software Requirements Specifications. | |
CN106855841B (zh) | 一种系统内存分析方法和装置 | |
CN110458607A (zh) | 一种电力市场价格影响因素分析系统 | |
Sika et al. | Data acquisition in modeling using neural networks and decision trees | |
CN106855840B (zh) | 一种系统cpu分析方法和装置 | |
US20040138867A1 (en) | System and method for modeling multi-tier distributed workload processes in complex systems | |
CN108845945A (zh) | 应用测试优化方法及装置 | |
CN112380204B (zh) | 一种数据质量的评估方法及装置 |
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 |