CN110633222B - 一种回归测试用例的确定方法及装置 - Google Patents
一种回归测试用例的确定方法及装置 Download PDFInfo
- Publication number
- CN110633222B CN110633222B CN201911059581.5A CN201911059581A CN110633222B CN 110633222 B CN110633222 B CN 110633222B CN 201911059581 A CN201911059581 A CN 201911059581A CN 110633222 B CN110633222 B CN 110633222B
- Authority
- CN
- China
- Prior art keywords
- test
- alternative
- test case
- key
- parameters
- 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
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
- G06F11/3684—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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种回归测试用例的确定方法及装置，通过构建测试分析全景图，将重点业务场景对应的测试用例、风险测试点对应的测试用例和第一轮测试中测试问题单对应的测试用例作为备选测试用例，保证测试范围被全面覆盖。在此基础上，通过设置备选测试用例的重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数，并依据备选测试用例的重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数，计算备选测试用例的标准值，筛选出标准值大于回归阈值的备选测试用例确定为回归测试用例，保证了回归测试用例的选择符合最少标准，提高了选择回归测试用例的效率和准确性，进一步提高了回归测试效率。
Description
技术领域
本发明涉及软件测试技术领域，更具体的，涉及一种回归测试用例的确定方法及装置。
背景技术
回归测试是指修改了旧代码后，重新进行测试以确认修改没有引入新的错误或导致其他代码产生错误。回归测试作为软件生命周期的一个组成部分，在整个软件测试过程中占有很大的工作量比重，软件开发的各个阶段都会进行多次回归测试。
金融领域业务复杂多变，大型商业银行以其无法比拟的繁杂业务居于首位。每一次的更新迭代都有大量的功能点、测试点，测试用例也是在成倍的增长，在不断的测试实践过程中发现，如何高效且有效的选取回归测试用例也逐步成为当下金融机构减本增效的重要考量点之一。
发明内容
有鉴于此，本发明提供了一种回归测试用例的确定方法及装置，提高了选择回归测试用例的效率和准确性。
为了实现上述发明目的，本发明提供的具体技术方案如下：
一种回归测试用例的确定方法，包括：
构建测试分析全景图，所述测试分析全景图为业务场景、功能、功能点、测试点和测试用例之间的树状关系图；
在所述测试分析全景图中对重点业务场景进行标注，获取所述重点业务场景对应的备选测试用例；
在所述测试分析全景图中对风险测试点进行标注，获取所述风险测试点对应的备选测试用例；
依据所述测试分析全景图，获取第一轮测试中测试问题单对应的备选测试用例；
为备选测试用例设置重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数；
依据备选测试用例的重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数，计算备选测试用例的标准值；
将标准值大于回归阈值的备选测试用例确定为回归测试用例。
可选的，所述获取所述重点业务场景对应的备选测试用例，包括：
调用所述测试分析全景图，获取所述重点业务场景对应的重点功能；
获取所述重点功能对应的重点功能点；
获取所述重点功能点对应的重点测试点；
获取所述重点功能点对应的重点测试点；
获取所述重点测试点对应的重点测试用例，并将所述重点测试用例确定为备选测试用例。
可选的，所述获取所述风险测试点对应的备选测试用例，包括：
调用所述测试分析全景图，获取所述风险测试点对应的风险测试用例，并将所述风险测试用例确定为备选测试用例。
可选的，所述为备选测试用例设置重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数，包括：
获取备选测试用例的重要等级，并依据预先设定的重要等级与重点业务场景参数之间的对应关系，确定备选测试用例的重要等级对应的重点业务场景参数；
获取备选测试用例的问题影响特征，并将备选测试用例的问题影响特征输入问题影响参数模型中进行处理，得到备选测试用例的第一轮问题影响参数；
获取备选测试用例的历史缺陷等级，并依据预先设定的历史缺陷等级与历史缺陷影响参数之间的对应关系，确定备选测试用例的重要等级对应的历史缺陷影响参数。
可选的，所述依据备选测试用例的重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数，计算备选测试用例的标准值，包括：
依据重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数的权重，对备选测试用例的重点业务场景参数、第一轮问题影响参数、历史缺陷影响参数进行加权求和计算，得到备选测试用例的标准值。
可选的，在所述计算备选测试用例的标准值之后，所述方法还包括：
确定所有备选测试用例的标准值的中位数；
依据备选测试用例的数量设置回归阈值参数；
计算所述中位数与所述回归阈值参数的乘积，得到所述回归阈值。
可选的，所述方法还包括：
获取备选测试用例的问题影响特征，将备选测试用例的问题影响特征和第一轮问题影响参数作为训练样本；
利用训练样本，对所述问题影响参数模型进行训练。
一种回归测试用例的确定装置，包括：
测试分析全景图构建单元，用于构建测试分析全景图，所述测试分析全景图为业务场景、功能、功能点、测试点和测试用例之间的树状关系图；
第一备选测试用例获取单元，用于在所述测试分析全景图中对重点业务场景进行标注，获取所述重点业务场景对应的备选测试用例；
第二备选测试用例获取单元，用于在所述测试分析全景图中对风险测试点进行标注，获取所述风险测试点对应的备选测试用例；
第三备选测试用例获取单元，用于依据所述测试分析全景图，获取第一轮测试中测试问题单对应的备选测试用例；
参数设置单元，用于为备选测试用例设置重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数；
标准值计算单元，用于依据备选测试用例的重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数，计算备选测试用例的标准值；
回归测试用例确定单元，用于将标准值大于回归阈值的备选测试用例确定为回归测试用例。
可选的，所述第一备选测试用例获取单元，具体用于：
调用所述测试分析全景图，获取所述重点业务场景对应的重点功能；
获取所述重点功能对应的重点功能点；
获取所述重点功能点对应的重点测试点；
获取所述重点功能点对应的重点测试点；
获取所述重点测试点对应的重点测试用例，并将所述重点测试用例确定为备选测试用例。
可选的，所述第二备选测试用例获取单元，具体用于：
调用所述测试分析全景图，获取所述风险测试点对应的风险测试用例，并将所述风险测试用例确定为备选测试用例。
可选的，所述参数设置单元，具体用于：
获取备选测试用例的重要等级，并依据预先设定的重要等级与重点业务场景参数之间的对应关系，确定备选测试用例的重要等级对应的重点业务场景参数；
获取备选测试用例的问题影响特征，并将备选测试用例的问题影响特征输入问题影响参数模型中进行处理，得到备选测试用例的第一轮问题影响参数；
获取备选测试用例的历史缺陷等级，并依据预先设定的历史缺陷等级与历史缺陷影响参数之间的对应关系，确定备选测试用例的重要等级对应的历史缺陷影响参数。
可选的，所述标准值计算单元，具体用于依据重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数的权重，对备选测试用例的重点业务场景参数、第一轮问题影响参数、历史缺陷影响参数进行加权求和计算，得到备选测试用例的标准值。
可选的，所述装置还包括：
回归阈值设置单元，用于确定所有备选测试用例的标准值的中位数；依据备选测试用例的数量设置回归阈值参数；计算所述中位数与所述回归阈值参数的乘积，得到所述回归阈值。
可选的，所述装置还包括：
模型训练单元，用于获取备选测试用例的问题影响特征，将备选测试用例的问题影响特征和第一轮问题影响参数作为训练样本；利用训练样本，对所述问题影响参数模型进行训练。
相对于现有技术，本发明的有益效果如下：
本发明公开的一种回归测试用例的确定方法，通过构建测试分析全景图，将重点业务场景对应的测试用例、风险测试点对应的测试用例和第一轮测试中测试问题单对应的测试用例作为备选测试用例，保证测试范围被全面覆盖。在此基础上，通过设置备选测试用例的重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数，并依据备选测试用例的重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数，计算备选测试用例的标准值，筛选出标准值大于回归阈值的备选测试用例确定为回归测试用例，保证了回归测试用例的选择符合最少标准，提高了选择回归测试用例的效率和准确性，进一步提高了回归测试效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种回归测试用例的确定方法的流程示意图；
图2为本发明实施例公开的一种测试分析全景图示意图；
图3为本发明实施例公开的一种参数设置方法的流程示意图；
图4为本发明实施例公开的一种回归测试用例的确定装置的结构示意图。
具体实施方式
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，都属于本发明保护的范围。
本实施例公开了一种回归测试用例的确定方法，应用于回归测试过程中，请参阅图1，该方法具体包括以下步骤：
S101：构建测试分析全景图，所述测试分析全景图为业务场景、功能、功能点、测试点和测试用例之间的树状关系图；
请参阅图2，测试分析全景图中包括待测试系统的所有业务场景，每个业务场景所涉及的所有功能，每个功能又涉及至少一个功能点，每个功能点需要测试的测试点，以及每个测试点对应的至少一个测试用例。
构建测试分析全景图保证测试范围被全面覆盖。
S102：在所述测试分析全景图中对重点业务场景进行标注，获取所述重点业务场景对应的备选测试用例；
不同系统中的重点业务场景不同，同一个业务场景在不同系统中的重要程序不同，因此，需要依据系统配置文件在测试分析全景图中对重点业务场景进行标注。其中，系统配置文件中预先配置有系统中的重点业务场景。
具体的，获取重点业务场景对应的备选测试用例的过程如下：
调用所述测试分析全景图，获取所述重点业务场景对应的重点功能；
获取所述重点功能对应的重点功能点；
获取所述重点功能点对应的重点测试点；
获取所述重点功能点对应的重点测试点；
获取所述重点测试点对应的重点测试用例，并将所述重点测试用例确定为备选测试用例。
S103：在所述测试分析全景图中对风险测试点进行标注，获取所述风险测试点对应的备选测试用例；
风险测试点为待测试系统投产后反馈的系统运行日志、用户反馈信息等数据确定的。
具体的，调用所述测试分析全景图，获取所述风险测试点对应的风险测试用例，并将所述风险测试用例确定为备选测试用例。
S104：依据所述测试分析全景图，获取第一轮测试中测试问题单对应的备选测试用例；
待测试系统第一轮测试后会得到一个测试问题清单，包括第一次测试中待测试系统存在的问题，需要在回归测试中重点进行测试，测试问题清单中涵盖有测试分析全景图中的部分业务场景、部分功能、部分功能点或部分测试点，因此，依据测试分析全景图和测试问题清单可以确定备选测试用例。
S105：为备选测试用例设置重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数；
具体的，请参阅图3，参数设置具体包括以下步骤：
S301：获取备选测试用例的重要等级，并依据预先设定的重要等级与重点业务场景参数之间的对应关系，确定备选测试用例的重要等级对应的重点业务场景参数；
其中，重要等级与重点业务场景参数之间的对应关系是预先设定的，重要等级越高，重点业务场景参数越大，其中，重点业务场景参数值在[0,1]内。
备选测试用例的重要等级是由多种因素综合确定的，如应用范围、影响范围，业务重要等级等，怎样综合多种因素确定备选测试用例的重要等级可以有多种实现方式，可以灵活设置，在此不再具体限定。
S302：获取备选测试用例的问题影响特征，并将备选测试用例的问题影响特征输入问题影响参数模型中进行处理，得到备选测试用例的第一轮问题影响参数；
问题影响特征包括影响范围、业务类型、使用客户类型等。
其中，问题影响参数模型是预先对机器学习模型进行大量样本训练得到的。
第一轮问题影响参数值在[0,1]内。
S303：获取备选测试用例的历史缺陷等级，并依据预先设定的历史缺陷等级与历史缺陷影响参数之间的对应关系，确定备选测试用例的重要等级对应的历史缺陷影响参数。
备选测试用例的历史缺陷等级是待测试系统投产后，根据系统运行日志、用户反馈信息等确定的，历史缺陷等级越高，历史缺陷影响参数越大。
其中，重点业务历史缺陷影响参数值在[0,1]内。
S106：依据备选测试用例的重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数，计算备选测试用例的标准值；
具体的，依据重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数的权重，对备选测试用例的重点业务场景参数、第一轮问题影响参数、历史缺陷影响参数进行加权求和计算，得到备选测试用例的标准值。
其中，重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数的权重可以为1。
S107：将标准值大于回归阈值的备选测试用例确定为回归测试用例。
需要说明的是，在所述计算备选测试用例的标准值之后，所述方法还包括：
确定所有备选测试用例的标准值的中位数；
依据备选测试用例的数量设置回归阈值参数；
计算所述中位数与所述回归阈值参数的乘积，得到所述回归阈值。
备选测试用例的数量约多，回归阈值参数越小，在保证测试用例足够多的基础上，降低测试成本。
作为一种优选的实施方式，可以将本次备选测试用例的问题影响特征和第一轮问题影响参数作为训练样本，利用训练样本，对所述问题影响参数模型进行训练，不断提高模型的准确率。
基于上述实施例公开的一种回归测试用例的确定方法，本实施例对应公开了一种回归测试用例的确定装置，请参阅图4，该装置包括：
测试分析全景图构建单元401，用于构建测试分析全景图，所述测试分析全景图为业务场景、功能、功能点、测试点和测试用例之间的树状关系图；
第一备选测试用例获取单元402，用于在所述测试分析全景图中对重点业务场景进行标注，获取所述重点业务场景对应的备选测试用例；
第二备选测试用例获取单元403，用于在所述测试分析全景图中对风险测试点进行标注，获取所述风险测试点对应的备选测试用例；
第三备选测试用例获取单元404，用于依据所述测试分析全景图，获取第一轮测试中测试问题单对应的备选测试用例；
参数设置单元405，用于为备选测试用例设置重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数；
标准值计算单元406，用于依据备选测试用例的重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数，计算备选测试用例的标准值；
回归测试用例确定单元407，用于将标准值大于回归阈值的备选测试用例确定为回归测试用例。
可选的，所述第一备选测试用例获取单元402，具体用于：
调用所述测试分析全景图，获取所述重点业务场景对应的重点功能；
获取所述重点功能对应的重点功能点；
获取所述重点功能点对应的重点测试点；
获取所述重点功能点对应的重点测试点；
获取所述重点测试点对应的重点测试用例，并将所述重点测试用例确定为备选测试用例。
可选的，所述第二备选测试用例获取单元403，具体用于：
调用所述测试分析全景图，获取所述风险测试点对应的风险测试用例，并将所述风险测试用例确定为备选测试用例。
可选的，所述参数设置单元405，具体用于：
获取备选测试用例的重要等级，并依据预先设定的重要等级与重点业务场景参数之间的对应关系，确定备选测试用例的重要等级对应的重点业务场景参数；
获取备选测试用例的问题影响特征，并将备选测试用例的问题影响特征输入问题影响参数模型中进行处理，得到备选测试用例的第一轮问题影响参数；
获取备选测试用例的历史缺陷等级，并依据预先设定的历史缺陷等级与历史缺陷影响参数之间的对应关系，确定备选测试用例的重要等级对应的历史缺陷影响参数。
可选的，所述标准值计算单元406，具体用于依据重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数的权重，对备选测试用例的重点业务场景参数、第一轮问题影响参数、历史缺陷影响参数进行加权求和计算，得到备选测试用例的标准值。
可选的，所述装置还包括：
回归阈值设置单元，用于确定所有备选测试用例的标准值的中位数；依据备选测试用例的数量设置回归阈值参数；计算所述中位数与所述回归阈值参数的乘积，得到所述回归阈值。
可选的，所述装置还包括：
模型训练单元，用于获取备选测试用例的问题影响特征，将备选测试用例的问题影响特征和第一轮问题影响参数作为训练样本；利用训练样本，对所述问题影响参数模型进行训练。
本实施例公开的一种回归测试用例的确定装置，通过构建测试分析全景图，将重点业务场景对应的测试用例、风险测试点对应的测试用例和第一轮测试中测试问题单对应的测试用例作为备选测试用例，保证测试范围被全面覆盖。在此基础上，通过设置备选测试用例的重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数，并依据备选测试用例的重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数，计算备选测试用例的标准值，筛选出标准值大于回归阈值的备选测试用例确定为回归测试用例，保证了回归测试用例的选择符合最少标准，提高了选择回归测试用例的效率和准确性，进一步提高了回归测试效率。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种回归测试用例的确定方法，其特征在于，包括：
构建测试分析全景图，所述测试分析全景图为业务场景、功能、功能点、测试点和测试用例之间的树状关系图；
在所述测试分析全景图中对重点业务场景进行标注，获取所述重点业务场景对应的备选测试用例；
在所述测试分析全景图中对风险测试点进行标注，获取所述风险测试点对应的备选测试用例；
依据所述测试分析全景图，获取第一轮测试中测试问题单对应的备选测试用例；
为备选测试用例设置重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数；
依据备选测试用例的重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数，计算备选测试用例的标准值；
将标准值大于回归阈值的备选测试用例确定为回归测试用例。
2.根据权利要求1所述的方法，其特征在于，所述获取所述重点业务场景对应的备选测试用例，包括：
调用所述测试分析全景图，获取所述重点业务场景对应的重点功能；
获取所述重点功能对应的重点功能点；
获取所述重点功能点对应的重点测试点；
获取所述重点测试点对应的重点测试用例，并将所述重点测试用例确定为备选测试用例。
3.根据权利要求1所述的方法，其特征在于，所述获取所述风险测试点对应的备选测试用例，包括：
调用所述测试分析全景图，获取所述风险测试点对应的风险测试用例，并将所述风险测试用例确定为备选测试用例。
4.根据权利要求1所述的方法，其特征在于，所述为备选测试用例设置重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数，包括：
获取备选测试用例的重要等级，并依据预先设定的重要等级与重点业务场景参数之间的对应关系，确定备选测试用例的重要等级对应的重点业务场景参数；
获取备选测试用例的问题影响特征，并将备选测试用例的问题影响特征输入问题影响参数模型中进行处理，得到备选测试用例的第一轮问题影响参数；
获取备选测试用例的历史缺陷等级，并依据预先设定的历史缺陷等级与历史缺陷影响参数之间的对应关系，确定备选测试用例的重要等级对应的历史缺陷影响参数。
5.根据权利要求1所述的方法，其特征在于，所述依据备选测试用例的重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数，计算备选测试用例的标准值，包括：
依据重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数的权重，对备选测试用例的重点业务场景参数、第一轮问题影响参数、历史缺陷影响参数进行加权求和计算，得到备选测试用例的标准值。
6.根据权利要求1所述的方法，其特征在于，在所述计算备选测试用例的标准值之后，所述方法还包括：
确定所有备选测试用例的标准值的中位数；
依据备选测试用例的数量设置回归阈值参数；
计算所述中位数与所述回归阈值参数的乘积，得到所述回归阈值。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取备选测试用例的问题影响特征，将备选测试用例的问题影响特征和第一轮问题影响参数作为训练样本；
利用训练样本，对所述问题影响参数模型进行训练。
8.一种回归测试用例的确定装置，其特征在于，包括：
测试分析全景图构建单元，用于构建测试分析全景图，所述测试分析全景图为业务场景、功能、功能点、测试点和测试用例之间的树状关系图；
第一备选测试用例获取单元，用于在所述测试分析全景图中对重点业务场景进行标注，获取所述重点业务场景对应的备选测试用例；
第二备选测试用例获取单元，用于在所述测试分析全景图中对风险测试点进行标注，获取所述风险测试点对应的备选测试用例；
第三备选测试用例获取单元，用于依据所述测试分析全景图，获取第一轮测试中测试问题单对应的备选测试用例；
参数设置单元，用于为备选测试用例设置重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数；
标准值计算单元，用于依据备选测试用例的重点业务场景参数、第一轮问题影响参数和历史缺陷影响参数，计算备选测试用例的标准值；
回归测试用例确定单元，用于将标准值大于回归阈值的备选测试用例确定为回归测试用例。
9.根据权利要求8所述的装置，其特征在于，所述第一备选测试用例获取单元，具体用于：
调用所述测试分析全景图，获取所述重点业务场景对应的重点功能；
获取所述重点功能对应的重点功能点；
获取所述重点功能点对应的重点测试点；
获取所述重点测试点对应的重点测试用例，并将所述重点测试用例确定为备选测试用例。
10.根据权利要求8所述的装置，其特征在于，所述第二备选测试用例获取单元，具体用于：
调用所述测试分析全景图，获取所述风险测试点对应的风险测试用例，并将所述风险测试用例确定为备选测试用例。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911059581.5A CN110633222B (zh) | 2019-11-01 | 2019-11-01 | 一种回归测试用例的确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911059581.5A CN110633222B (zh) | 2019-11-01 | 2019-11-01 | 一种回归测试用例的确定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110633222A CN110633222A (zh) | 2019-12-31 |
| CN110633222B true CN110633222B (zh) | 2023-01-20 |
Family
ID=68978765
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911059581.5A Active CN110633222B (zh) | 2019-11-01 | 2019-11-01 | 一种回归测试用例的确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110633222B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111290962A (zh) * | 2020-02-29 | 2020-06-16 | 苏州浪潮智能科技有限公司 | 一种测试用例管理方法、系统、终端及存储介质 |
| CN111858366B (zh) * | 2020-07-24 | 2023-06-02 | 建信金融科技有限责任公司 | 一种测试用例生成方法、装置、设备及存储介质 |
| CN111949532A (zh) * | 2020-08-10 | 2020-11-17 | 上海熙菱信息技术有限公司 | 一种基于契约测试下的风险应对的测试策略 |
| CN112015655B (zh) * | 2020-09-01 | 2023-08-08 | 中国银行股份有限公司 | 测试案例的分配方法、装置、设备及可读存储介质 |
| CN112463584B (zh) * | 2020-10-28 | 2022-07-08 | 苏州浪潮智能科技有限公司 | 一种基于缺陷分析的精准测试分析方法、装置 |
| CN113392002B (zh) * | 2021-06-15 | 2024-04-12 | 北京京东振世信息技术有限公司 | 一种测试系统构建方法、装置、设备及存储介质 |
| CN113672506B (zh) * | 2021-08-06 | 2023-06-13 | 中国科学院软件研究所 | 基于机器学习的动态比例测试用例排序选择方法及系统 |
| CN116662210B (zh) * | 2023-07-28 | 2023-09-29 | 杭州罗莱迪思科技股份有限公司 | 一种接口回归测试方法、装置及应用 |
| CN117007897B (zh) * | 2023-10-07 | 2023-12-08 | 山西省安装集团股份有限公司 | 一种应用于电仪实验室的电气设备测试系统 |
Family Cites Families (6)
| 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 |
| CN106610891A (zh) * | 2015-10-22 | 2017-05-03 | 中兴通讯股份有限公司 | 测试方法和装置 |
| CN108268366B (zh) * | 2016-12-30 | 2021-01-22 | 腾讯科技（深圳）有限公司 | 测试用例执行方法及装置 |
| US10223240B2 (en) * | 2017-01-31 | 2019-03-05 | Wipro Limited | Methods and systems for automating regression testing of a software application |
| CN110262956A (zh) * | 2018-03-12 | 2019-09-20 | 中移(苏州)软件技术有限公司 | 一种测试用例选择方法及装置 |
| 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 |
-
2019
- 2019-11-01 CN CN201911059581.5A patent/CN110633222B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110633222A (zh) | 2019-12-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110633222B (zh) | 一种回归测试用例的确定方法及装置 | |
| US8805717B2 (en) | Method and system for improving performance of customer service representatives | |
| US8001068B2 (en) | System and method for calibrating and extrapolating management-inherent complexity metrics and human-perceived complexity metrics of information technology management | |
| Barla et al. | Machine learning methods for predictive proteomics | |
| CN107203467A (zh) | 一种分布式环境下监督学习算法的基准测试方法和装置 | |
| CN112612813B (zh) | 一种测试数据的生成方法和装置 | |
| CN112783762B (zh) | 软件质量的评估方法、装置及服务器 | |
| CN112565422B (zh) | 一种对电力物联网故障数据的识别方法、系统和存储介质 | |
| CN112052160A (zh) | 一种代码的用例获取方法、装置、电子设备及介质 | |
| CN113515402A (zh) | 用于工程设备的故障信息分类方法、装置及工程设备 | |
| CN110334012B (zh) | 一种风险评估方法及装置 | |
| CN106557419B (zh) | 程序的测试方法及装置 | |
| CN116774986A (zh) | 软件开发工作量自动评估方法、装置、存储介质及处理器 | |
| CN105913429A (zh) | 智能终端用户视觉感知响应时延指标的计算方法 | |
| CN117132169B (zh) | 电力人工智能模型调用评价方法及系统 | |
| CN108416662B (zh) | 一种数据验证方法及装置 | |
| CN116384680A (zh) | 研发质量的可视化监测方法、装置、设备及可读存储介质 | |
| CN114938339A (zh) | 一种数据处理方法和相关装置 | |
| CN114723554A (zh) | 异常账户识别方法及装置 | |
| CN110176225B (zh) | 一种韵律预测效果的评估方法及装置 | |
| CN111859141A (zh) | 内容推送方法、装置、服务器及存储介质 | |
| CN117370215B (zh) | 寻优抽样方法、装置、电子设备及存储介质 | |
| CN111143220A (zh) | 一种软件测试的训练系统及方法 | |
| CN110766544A (zh) | 信用风险的检测方法及装置、存储介质、电子装置 | |
| CN116384779B (zh) | 在轨试验关键指标影响因素统筹裁剪方法、装置及服务器 |
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 |