CN111552641A - 一种判断软件产品质量的方法、装置、设备及存储介质 - Google Patents
一种判断软件产品质量的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111552641A CN111552641A CN202010343601.8A CN202010343601A CN111552641A CN 111552641 A CN111552641 A CN 111552641A CN 202010343601 A CN202010343601 A CN 202010343601A CN 111552641 A CN111552641 A CN 111552641A
- Authority
- CN
- China
- Prior art keywords
- defect
- case
- defects
- test
- software product
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000007547 defect Effects 0.000 claims abstract description 268
- 238000012360 testing method Methods 0.000 claims abstract description 141
- 230000002950 deficient Effects 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 14
- 238000011161 development Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 2
- 230000008439 repair process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013522 software testing Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007849 functional defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- 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
- G06F11/3604—Software analysis for verifying properties of programs
-
- 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
- G06F11/3692—Test management for test results analysis
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)
- Software Systems (AREA)
- Stored Programmes (AREA)
Abstract
本发明提供一种判断软件产品质量的方法、装置、设备及存储介质,从软件产品测试信息中获取测试案件,从测试案件中提取出缺陷案件,根据缺陷案件与测试案件获取缺陷比,判断该缺陷比是否大于第一阈值,当缺陷比大于第一阈值时,对缺陷案件进行修复处理,而后对修复处理后的缺陷案件进行测试,获得测试信息,从测试信息中获取没有修复的案件的缺陷,根据这些没有修复案件的缺陷获取缺陷系数,判断缺陷系数是否小于第二阈值,当缺陷系数小于第二阈值时,说明软件产品的质量合格。
Description
技术领域
本发明涉及信息技术领域,特别涉及一种判断软件产品质量的方法、装置、设备及存储介质。
背景技术
随着用户需求的不断增加,软件产品也在飞速发展,目前,软件在各个领域都有广泛的应用,对于软件产品的质量要求也越来越严格,软件研发整个周期中,影响软件质量的因素很多,例如项目进行过程中双方交流不够导致需求分析出现偏差;软件复杂度高,例如用户功能模块繁多,模块间接口复杂、界面图形化、软甲架构多样、数据库结构及系统规模庞大等;开发工具本身存在的缺陷带入到开发的软件产品中;缺乏项目相关文档资料或者不及时更新导致代码维护和修改变得异常艰辛,最终结果导致各种错误的发生,影响产品质量的判断。
为了更好地解决这些问题,软件行业做出了各种各样的努力,最基本的方法是进行软件测试,测试是对软件质量的度量。软件测试是保证软件质量的方法,是检验应用系统与用户需求是否一致的手段,但是目前的测试没有较为简单有效的方法进行软件产品质量的评判。
发明内容
有鉴于此,本发明的目的在于提供一种判断软件产品质量的方法、装置、设备及存储介质,能够对软件产品质量进行简单有效的评判。
为实现上述目的,本发明有如下技术方案:
一种判断软件产品质量的方法,包括:
从软件产品测试信息中获取测试案件,从所述测试案件中提取缺陷案件;
根据所述测试案件以及所述缺陷案件获取缺陷比,判断所述缺陷比是否大于第一阈值,若是,则对所述缺陷案件进行处理,对处理后的缺陷案件进行测试,获得测试信息;
从所述测试信息中获取未修复案件的缺陷,根据所述缺陷的数量以及缺陷种类,获取缺陷系数,判断所述缺陷系数是否小于第二阈值,若是,则软件产品质量合格。
可选的,所述根据所述缺陷的数量以及缺陷种类,获取缺陷系数,包括:
根据所述未修复案件的缺陷严重度,对所述缺陷划分等级,所述等级具有对应的比例系数;
根据所述等级对应的缺陷数量以及所述等级对应的比例系数获得缺陷系数。
可选的,所述根据所述缺陷的数量以及缺陷种类,获取缺陷系数,包括:
根据所述未修复案件的缺陷对软件产品的影响程度,将所述缺陷分为多个影响范围,所述影响范围具有对应的比例系数;
获取所述影响范围内的缺陷数量,根据所述缺陷数量以及所述影响范围对应的比例系数,获得缺陷系数。
可选的,所述从软件产品测试信息中获取测试案件之后,还包括:
根据所述测试案件以及开发工作量获得案例比,判断所述案例比是否大于第三阈值,若是,则从所述测试案件中提取缺陷案件。
一种判断软件产品质量的装置,包括:
获取单元,用于从软件产品测试信息中获取测试案件,从所述测试案件中提取缺陷案件;
处理单元,用于根据所述测试案件以及所述缺陷案件获取缺陷比,判断所述缺陷比是否大于第一阈值,若是,则对所述缺陷案件进行处理,对处理后的缺陷案件进行测试,获得测试信息;
判断单元,用于从所述测试信息中获取未修复案件的缺陷,根据所述缺陷的数量以及缺陷种类,获取缺陷系数,判断所述缺陷系数是否小于第二阈值,若是,则软件产品质量合格。
可选的,所述判断单元,具体用于根据所述未修复案件的缺陷严重度,对所述缺陷划分等级,所述等级具有对应的比例系数,以及,根据所述等级对应的缺陷数量以及所述等级对应的比例系数获得缺陷系数。
可选的,所述判断单元具体,用于根据所述未修复案件的缺陷对软件产品的影响程度,将所述缺陷分为多个影响范围,所述影响范围具有对应的比例系数,以及,获取所述影响范围内的缺陷数量,根据所述缺陷数量以及所述影响范围对应的比例系数,获得缺陷系数。
可选的,还包括:
对比单元,用于根据所述测试案件以及开发工作量获得案例比,判断所述案例比是否大于第三阈值,若是,则获取单元,从所述测试案件中提取缺陷案件。
一种电子设备,包括存储器和处理器,所述处理器用于执行存储器中存储的计算机程序时实现如上述任意一项所述的判断软件产品质量的方法的步骤。
一种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述任意一项所述的判断软件产品质量的方法的步骤。
本发明实施例提供的一种判断软件产品质量的方法,从软件产品测试信息中获取测试案件,从测试案件中提取出缺陷案件,根据缺陷案件与测试案件获取缺陷比,判断该缺陷比是否大于第一阈值,当缺陷比大于第一阈值时,对缺陷案件进行修复处理,而后对修复处理后的缺陷案件进行测试,获得测试信息,从测试信息中获取没有修复的案件的缺陷,根据这些没有修复案件的缺陷获取缺陷系数,判断缺陷系数是否小于第二阈值,当缺陷系数小于第二阈值时,说明软件产品的质量合格。这样,通过从测试案件中获取有缺陷的案件,对有缺陷的案件进行修复处理,而后对修复处理的案件进行测试,获得测试信息,测试信息中包含修复成功的案件以及修复失败的案件,而后获取修复失败的案件的缺陷,根据这些缺陷获得缺陷系数,将缺陷系数与预设的第二阈值进行对比,缺陷系数小于第二阈值时,说明软件产品的质量较好,符合产品质量要求,从而简单有效的判断出软件产品是否合格。
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它的附图。
图1示出了根据本发明实施例判断软件产品质量的方法的流程示意图;
图2示出了根据本发明实施例判断软件产品质量的装置的结构示意图;
图3示出了本申请实施例提供的一种电子设备的实施例示意图;
图4示出了本申请实施例提供的一种计算机可读存储介质的实施例示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其它不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
正如背景技术的描述,软件测试是保证软件质量的方法,是检验应用系统与用户需求是否一致的手段,但是目前的测试没有较为简单有效的方法进行软件产品质量的评判。
为此,本申请提出一种判断软件产品质量的方法,从软件产品测试信息中获取测试案件,从测试案件中提取出缺陷案件,根据缺陷案件与测试案件获取缺陷比,判断该缺陷比是否大于第一阈值,当缺陷比大于第一阈值时,对缺陷案件进行修复处理,而后对修复处理后的缺陷案件进行测试,获得测试信息,从测试信息中获取没有修复的案件的缺陷,根据这些没有修复案件的缺陷获取缺陷系数,判断缺陷系数是否小于第二阈值,当缺陷系数小于第二阈值时,说明软件产品的质量合格。这样,通过从测试案件中获取有缺陷的案件,对有缺陷的案件进行修复处理,而后对修复处理的案件进行测试,获得测试信息,测试信息中包含修复成功的案件以及修复失败的案件,而后获取修复失败的案件的缺陷,根据这些缺陷获得缺陷系数,将缺陷系数与预设的第二阈值进行对比,缺陷系数小于第二阈值时,说明软件产品的质量较好,符合产品质量要求,从而简单有效的判断出软件产品是否合格。
为了更好的理解本申请的技术方案,以下对本申请的具体实施例进行详细的说明。
参考图1所述,在步骤101中,从软件产品测试信息中获取测试案件,从测试案件中提取缺陷案件。
软件测试是指为了度量和提高被测对象的质量、对测试对象进行工程设计、使用和维护的与软件开发过程并发的生命周期过程。软件测试的目的为验证软件产品的实现状态以及实现质量。
本申请实施例中,软件产品的测试信息可以包括测试任务信息、缺陷信息等数据,测试任务信息可以包括开发工作量、测试类型、测试案例、测试时间等。缺陷信息可以包括缺陷的编号、缺陷的标题、缺陷的基本信息、测试的软件和硬件环境、测试的软件版本、缺陷的类型、缺陷的严重程度、缺陷的优先处理级、缺陷的复现步骤、缺陷的实际结果描述、期望的正确结果描述、截取的缺陷图像、注释文字等。
本实施例中,从软件产品测试信息中获取测试案件,测试案件中可以包括测试目标、测试环境、输入数据、测试步骤、预期结果、测试脚本等,而后对测试案例进行分析,提取出与预期结果差距较大的缺陷案件。本实施例中,缺陷案件可以为计算机软件或程序中存在的某种破坏正常运行能力的问题、错误,或者隐藏的功能缺陷。例如可以包括,设计缺陷:页面美观性、协调性、错别字等;用户体验:对产品、项目的建议性意见,不强制要求修改;性能问题:进行性能测试时使用,暂定:网络延时、内存问题、CPU占用、硬盘问题;安全问题:业务功能存在的安全问题;接口问题:涉及有模块间数据传递时使用;配置问题:由于提供的配置不当或者配置不能够满足实际要求而出现的问题。
本实施例中,从软件产品测试信息中获取测试案件之后,还可以根据测试案例与开发工作量获得案例比,案例比即时测试案例与开发工作量的比值,将案例比与第三阈值进行比较,第三阈值是衡量测试数量是否充分的指标,若案例比大于第三阈值,说明测试案件测试充分,能够根据测试案件去分析、预测所有的软件产品;若案例比小于第三阈值,说明测试案件不充分,无法根据测试案件去分析、预测所有的软件产品。
在步骤102中,根据测试案件以及缺陷案件获取缺陷比,判断缺陷比是否大于第一阈值,若是,则对缺陷案件进行处理,对处理后的缺陷案件进行测试,获得测试信息。
本申请实施例中,根据缺陷案件与测试案件的比值,获得缺陷比,即缺陷案件占测试案件的比例,若缺陷比较高,说明测试案件中存在较多的缺陷案件,若缺陷比较低,说明测试案件中存在较少的缺陷案件。当缺陷比小于第一阈值时,软件产品质量较高,可以直接进行后续的开发利用;当缺陷比大于第一阈值时,软件产品质量无法满足开发利用的需求,需要进行修复处理,在对缺陷案件进行修复处理之后,再次对缺陷案件进行测试,检查修复处理的效果是否达到预期,因此对修复处理后的缺陷案件继续进行处理,获得测试信息,测试信息中包含修复失败的案件的信息以及修复成功的案件的信息。
在步骤103中,从测试信息中获取未修复案件的缺陷,根据缺陷的数量以及缺陷种类,获取缺陷系数,判断缺陷系数是否小于第二阈值,若是,则软件产品质量合格。
本申请实施例中,从测试信息中获取未修复案件,未修复案件即为修复失败的案件,从未修复案件中提取未修复的具体缺陷,而后根据这些缺陷获取缺陷系数。本实施例中,可以根据缺陷的严重程度,将缺陷划分为多个等级,每一等级具有对应的比例系数,而后根据各个缺陷等级的缺陷数量以及各个等级对应的比例系数获取缺陷系数。
在具体的实施例中,将缺陷等级分为5个级别为了进行详细说明,5级-建议问题的软件缺陷(Enhancemental):由问题提出人对测试对象的改进意见或测试人员提出的建议、质疑;4级—较小错误的软件缺陷(Minor),使操作者不方便或遇到麻烦,但它不影响功能过的操作和执行,如错别字、界面不规范(字体大小不统一,文字排列不整齐,可输入区域和只读区域没有明显的区分标志),辅助说明描述不清楚;3级—一般错误的软件缺陷(major):次要功能没有完全实现但不影响使用。如提示信息不太准确,或用户界面差,操作时间长,模块功能部分失效等,打印内容、格式错误,删除操作未给出提示,数据库表中有过多的空字段等;2级—严重错误的软件缺陷(critical):系统的主要功能部分丧失、数据不能保存,系统的次要功能完全丧失。问题局限在本模块,导致模块功能失效或异常退出,如致命的错误声明,程序接口错误,数据库的表、业务规则、缺省值未加完整性等约束条件;1级—致命的软件缺陷(Fatal):造成系统或应用程序崩溃、死机、系统挂起,或造成数据丢失,主要功能完全丧失,导致本模块以及相关模块异常等问题。如代码错误,死循环,数据库发生死锁、与数据库连接错误或数据通讯错误,未考虑异常操作,功能错误等。
而后根据实际情况对这些等级进行比例分配,严重程度越高,该等级所占的比重越大,例如1级所占的比重为45%,2级所占的比重为25%,3级所占的比重为15%,4级所占的比重为10%,5级所占的比重为5%。而后获得每一等级对应的缺陷数量,例如1级缺陷数量为1,2级缺陷数量为2,3级缺陷数量为3,4级缺陷数量为4,5级缺陷数量为5,根据每一等级的缺陷数量以及每一等级所占的比重获取缺陷系数,例如为,1×45%+2×25%+3×15%+4×10%+5×5%=2.05,最后将获得的缺陷系数2.05与第二阈值进行比较,第二阈值是衡量缺陷是否会影响软件产品质量的质量,当缺陷系数小于第二阈值时,存在的缺陷数量对软件产品的影响可以忽略,软件产品质量合格。
本实施例中,根据缺陷的数量以及缺陷种类,获取缺陷系数还可以为,获得未修复案件的缺陷之后,根据缺陷对软件产品的影响程度,将缺陷分为多个影响范围,具体的可以根据实际情况进行影响范围的划分,而后根据缺陷数量以及影响范围对应的比例系数,获得缺陷系数。
在具体的实施例中,根据缺陷对软件产品的影响程度,将缺陷分为4个影响范围,可以根据不同的情况分为影响范围非常大、影响范围较大、影响范围一般、影响范围较小。而后赋予不同的影响范围不同的影响比例系数,可以根据影响范围越大所占的影响比例越大例如,影响范围非常大所占的比例为40%,影响范围较大所占的比例为30%,影响范围一般所占的比例为20%,影响范围较小所占的比例为10%。而后将缺陷根据影响范围分类之后,获取每一个影响范围类别中的缺陷数量,例如影响范围非常大内的缺陷数量为1个,影响范围较大内的缺陷数量为2个,影响范围一般内的缺陷数量为3个,影响范围较小的缺陷数量为4个。而后根据缺陷所需的范围类别以及该范围类别的影响比例系数获得缺陷系数。具体的,可以为40%×1+30%×2+20%×3+10%×4=2,判断获得的缺陷系数2是否小于第二阈值,若是说明缺陷对软件产品的影响可以忽略,若缺陷系数大于第二阈值,说明缺陷对软件产品的影响较大,无法对后续的软件产品开发提供参考价值。
以上对本申请实施例提供的判断软件产品质量的方法做出了详细的描述,该方法通过从测试案件中获取有缺陷的案件,对有缺陷的案件进行修复处理,而后对修复处理的案件进行测试,获得测试信息,测试信息中包含修复成功的案件以及修复失败的案件,而后获取修复失败的案件的缺陷,根据这些缺陷获得缺陷系数,将缺陷系数与预设的第二阈值进行对比,缺陷系数小于第二阈值时,说明软件产品的质量较好,符合产品质量要求,从而简单有效的判断出软件产品是否合格。
本实施例中,还可以利用根据未修复案件的缺陷等级对应的缺陷数量以及等级对应的比例系数获得的缺陷系数,以及根据未修复案件的缺陷数量以及影响系数获得的缺陷系数这两种影响因素,进行软件产品质量的判断,具体的,可以为,在根据未修复案件的缺陷等级对应的缺陷数量以及等级对应的比例系数,获得的缺陷系数小于第二阈值的同时,根据未修复案件的缺陷数量以及影响范围对应的比例系数获得的缺陷系数也小于第二阈值的情况下,才可以将软件产品的质量作为合格的软件产品,这样能够提高软件产品质量为后续软件开发利用的参考价值。
本申请实施例还提供一种判断软件产品质量的装置,参考图2所示,包括:
获取单元201,用于从软件产品测试信息中获取测试案件,从所述测试案件中提取缺陷案件;
处理单元202,用于根据所述测试案件以及所述缺陷案件获取缺陷比,判断所述缺陷比是否大于第一阈值,若是,则对所述缺陷案件进行处理,对处理后的缺陷案件进行测试,获得测试信息;
判断单元203,用于从所述测试信息中获取未修复案件的缺陷,根据所述缺陷的数量以及缺陷种类,获取缺陷系数,判断所述缺陷系数是否小于第二阈值,若是,则软件产品质量合格。
本申请实施例中,获取单元201从软件产品质量信息中获取测试案件,从测试案件中提取缺陷案件,处理单元202根据测试案件以及缺陷案件获取案例比,判断案例是否大于第一阈值,在案例比大于第一阈值时,对缺陷案件进行处理,而后对处理后的缺陷案件进行测试,获得测试信息,判断单元203从测试信息中获取修复失败的案件的缺陷,根据缺陷的数量以及缺陷种类,获得缺陷系数,判断缺陷系数是否小于第二阈值,若是,则软件产品种类合格。
本一些实施例中,判断单元203可以根据未修复案件的缺陷严重度,对缺陷划分等级,等级具有对应的比例系数;根据等级对应的缺陷数量以及等级对应的比例系数获得缺陷系数。在另一些实施例中,判断单元203还可以根据未修复案件的缺陷对软件产品的影响程度,将缺陷分为多个影响范围,影响范围具有对应的比例系数;获取影响范围内的缺陷数量,根据缺陷数量以及影响范围对应的比例系数,获得缺陷系数。
本实施例中,还包括:对比单元,用于根据测试案件以及开发工作量获得案例比,判断案例比是否大于第三阈值,若是,则从测试案件中提取缺陷案件。
参考图3所示,本申请实施例提供了一种电子设备300,包括存储器301、处理器302以及存储在存储器301上并在处理器302上运行的计算机程序311,处理器302执行计算机程序311时实现以下步骤:
从软件产品测试信息中获取测试案件,从所述测试案件中提取缺陷案件;
根据所述测试案件以及所述缺陷案件获取缺陷比,判断所述缺陷比是否大于第一阈值,若是,则对所述缺陷案件进行处理,对处理后的缺陷案件进行测试,获得测试信息;
从所述测试信息中获取未修复案件的缺陷,根据所述缺陷的数量以及缺陷种类,获取缺陷系数,判断所述缺陷系数是否小于第二阈值,若是,则软件产品质量合格。
参考图4所示,图4为本申请实施例提供的一种计算机可读存储介质400,其上存储有计算机程序411,该计算机程序411被处理器执行时实现如下步骤:
从软件产品测试信息中获取测试案件,从所述测试案件中提取缺陷案件;
根据所述测试案件以及所述缺陷案件获取缺陷比,判断所述缺陷比是否大于第一阈值,若是,则对所述缺陷案件进行处理,对处理后的缺陷案件进行测试,获得测试信息;
从所述测试信息中获取未修复案件的缺陷,根据所述缺陷的数量以及缺陷种类,获取缺陷系数,判断所述缺陷系数是否小于第二阈值,若是,则软件产品质量合格。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其它实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅是本发明的优选实施方式,虽然本发明已以较佳实施例披露如上,然而并非用以限定本发明。任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何的简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (10)
1.一种判断软件产品质量的方法,其特征在于,包括:
从软件产品测试信息中获取测试案件,从所述测试案件中提取缺陷案件;
根据所述测试案件以及所述缺陷案件获取缺陷比,判断所述缺陷比是否大于第一阈值,若是,则对所述缺陷案件进行处理,对处理后的缺陷案件进行测试,获得测试信息;
从所述测试信息中获取未修复案件的缺陷,根据所述缺陷的数量以及缺陷种类,获取缺陷系数,判断所述缺陷系数是否小于第二阈值,若是,则软件产品质量合格。
2.根据权利要求1所述的方法,其特征在于,所述根据所述缺陷的数量以及缺陷种类,获取缺陷系数,包括:
根据所述未修复案件的缺陷严重度,对所述缺陷划分等级,所述等级具有对应的比例系数;
根据所述等级对应的缺陷数量以及所述等级对应的比例系数获得缺陷系数。
3.根据权利要求1所述的方法,其特征在于,所述根据所述缺陷的数量以及缺陷种类,获取缺陷系数,包括:
根据所述未修复案件的缺陷对软件产品的影响程度,将所述缺陷分为多个影响范围,所述影响范围具有对应的比例系数;
获取所述影响范围内的缺陷数量,根据所述缺陷数量以及所述影响范围对应的比例系数,获得缺陷系数。
4.根据权利要求1所述的方法,其特征在于,所述从软件产品测试信息中获取测试案件之后,还包括:
根据所述测试案件以及开发工作量获得案例比,判断所述案例比是否大于第三阈值,若是,则从所述测试案件中提取缺陷案件。
5.一种判断软件产品质量的装置,其特征在于,包括:
获取单元,用于从软件产品测试信息中获取测试案件,从所述测试案件中提取缺陷案件;
处理单元,用于根据所述测试案件以及所述缺陷案件获取缺陷比,判断所述缺陷比是否大于第一阈值,若是,则对所述缺陷案件进行处理,对处理后的缺陷案件进行测试,获得测试信息;
判断单元,用于从所述测试信息中获取未修复案件的缺陷,根据所述缺陷的数量以及缺陷种类,获取缺陷系数,判断所述缺陷系数是否小于第二阈值,若是,则软件产品质量合格。
6.根据权利要求5所述的装置,其特征在于,所述判断单元,具体用于根据所述未修复案件的缺陷严重度,对所述缺陷划分等级,所述等级具有对应的比例系数,以及,根据所述等级对应的缺陷数量以及所述等级对应的比例系数获得缺陷系数。
7.根据权利要求5所述的装置,其特征在于,所述判断单元,具体用于根据所述未修复案件的缺陷对软件产品的影响程度,将所述缺陷分为多个影响范围,所述影响范围具有对应的比例系数,以及,获取所述影响范围内的缺陷数量,根据所述缺陷数量以及所述影响范围对应的比例系数,获得缺陷系数。
8.根据权利要求5所述的装置,其特征在于,还包括:
对比单元,用于根据所述测试案件以及开发工作量获得案例比,判断所述案例比是否大于第三阈值,若是,则获取单元,从所述测试案件中提取缺陷案件。
9.一种电子设备,包括存储器和处理器,其特征在于,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-4中任意一项所述的判断软件产品质量的方法的步骤。
10.一种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中任意一项所述的判断软件产品质量的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010343601.8A CN111552641A (zh) | 2020-04-27 | 2020-04-27 | 一种判断软件产品质量的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010343601.8A CN111552641A (zh) | 2020-04-27 | 2020-04-27 | 一种判断软件产品质量的方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111552641A true CN111552641A (zh) | 2020-08-18 |
Family
ID=72003037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010343601.8A Pending CN111552641A (zh) | 2020-04-27 | 2020-04-27 | 一种判断软件产品质量的方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111552641A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114860618A (zh) * | 2022-07-06 | 2022-08-05 | 湖南三湘银行股份有限公司 | 基于rpa的自动化功能测试方法及系统 |
CN117148091A (zh) * | 2023-11-01 | 2023-12-01 | 杭州高坤电子科技有限公司 | 一种半导体测试方法、系统、终端及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106445828A (zh) * | 2016-10-21 | 2017-02-22 | 福建中金在线信息科技有限公司 | 一种产品测试方法及装置 |
US20170091071A1 (en) * | 2015-09-25 | 2017-03-30 | International Business Machines Corporation | Predicting software product quality |
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 |
CN107341104A (zh) * | 2017-06-16 | 2017-11-10 | 广州云测信息技术有限公司 | 一种基于云测试的测试结果处理方法及系统 |
CN110765005A (zh) * | 2019-09-29 | 2020-02-07 | 武汉船舶通信研究所(中国船舶重工集团公司第七二二研究所) | 软件可靠性评估方法和装置 |
-
2020
- 2020-04-27 CN CN202010343601.8A patent/CN111552641A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170091071A1 (en) * | 2015-09-25 | 2017-03-30 | International Business Machines Corporation | Predicting software product quality |
CN106445828A (zh) * | 2016-10-21 | 2017-02-22 | 福建中金在线信息科技有限公司 | 一种产品测试方法及装置 |
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 |
CN107341104A (zh) * | 2017-06-16 | 2017-11-10 | 广州云测信息技术有限公司 | 一种基于云测试的测试结果处理方法及系统 |
CN110765005A (zh) * | 2019-09-29 | 2020-02-07 | 武汉船舶通信研究所(中国船舶重工集团公司第七二二研究所) | 软件可靠性评估方法和装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114860618A (zh) * | 2022-07-06 | 2022-08-05 | 湖南三湘银行股份有限公司 | 基于rpa的自动化功能测试方法及系统 |
CN114860618B (zh) * | 2022-07-06 | 2022-09-23 | 湖南三湘银行股份有限公司 | 基于rpa的自动化功能测试方法及系统 |
CN117148091A (zh) * | 2023-11-01 | 2023-12-01 | 杭州高坤电子科技有限公司 | 一种半导体测试方法、系统、终端及存储介质 |
CN117148091B (zh) * | 2023-11-01 | 2024-02-06 | 杭州高坤电子科技有限公司 | 一种半导体测试方法、系统、终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11226892B2 (en) | Analyzing software test failures using natural language processing and machine learning | |
EP1922613A2 (de) | Verfahren und vorrichtung zum automatisierten bewerten der qualität eines software-quellcodes | |
Kadry | A new proposed technique to improve software regression testing cost | |
CN111552641A (zh) | 一种判断软件产品质量的方法、装置、设备及存储介质 | |
Rajal et al. | A review on various techniques for regression testing and test case prioritization | |
CN113392000A (zh) | 测试用例执行结果分析方法、装置、设备及存储介质 | |
US20210342258A1 (en) | Automated testing of program code under development | |
CN110633204B (zh) | 一种程序缺陷检测方法及装置 | |
CN109374038B (zh) | 一种基于应用样机的核安全级仪控产品的变更测试方法 | |
Pettijohn | Achieving quality in the development process | |
Li et al. | Board-level Functional Test Selection Based on Fault Tree Analysis | |
Puspaningrum et al. | Vulnerable Source Code Detection using SonarCloud Code Analysis | |
CN114416565A (zh) | 一种数据处理方法、装置、服务器及存储介质 | |
CN117194267B (zh) | 一种基于云平台的软件质量评级系统 | |
CN114880225A (zh) | 一种命令测试方法、计算设备及存储介质 | |
CN102004688A (zh) | Web应用软件的边界值测试方法 | |
EP4043975B1 (en) | Computer-implemented method for determining at least one quality attribute for at least one defect of interest | |
Dimri et al. | Analysis of Software Quality Enhancement through Stability Metrics Models | |
Matsumura et al. | Analyzing factors of defect correction effort in a multi-vendor information system development | |
CN114238080A (zh) | 一种软件项目质量的预测方法、预测系统及介质 | |
Sengar | Comparison between bug finding tools with reviews and testing | |
JP2009181180A (ja) | プログラム生成ツールの検査プログラムおよびプログラム生成ツールの検査方法ならびにプログラム生成ツールの検査装置 | |
JPH09265393A (ja) | プログラム品質評価方法 | |
JP2022178542A (ja) | プログラム修正装置、プログラム修正方法、及びプログラム修正プログラム | |
CN116909925A (zh) | 一种基于敏捷迭代的测试流程管理方法及管理系统 |
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: 20200818 |