CN111611171A - 测试用例的处理方法、装置及存储介质 - Google Patents

测试用例的处理方法、装置及存储介质 Download PDF

Info

Publication number
CN111611171A
CN111611171A CN202010451422.6A CN202010451422A CN111611171A CN 111611171 A CN111611171 A CN 111611171A CN 202010451422 A CN202010451422 A CN 202010451422A CN 111611171 A CN111611171 A CN 111611171A
Authority
CN
China
Prior art keywords
test
clustering
test cases
category
deviation
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.)
Granted
Application number
CN202010451422.6A
Other languages
English (en)
Other versions
CN111611171B (zh
Inventor
何玮
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.)
Netease Hangzhou Network Co Ltd
Original Assignee
Netease Hangzhou Network 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 Netease Hangzhou Network Co Ltd filed Critical Netease Hangzhou Network Co Ltd
Priority to CN202010451422.6A priority Critical patent/CN111611171B/zh
Publication of CN111611171A publication Critical patent/CN111611171A/zh
Application granted granted Critical
Publication of CN111611171B publication Critical patent/CN111611171B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Debugging And Monitoring (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本申请实施例提供一种测试用例的处理方法、装置及存储介质。该方法包括：获取多个用于指示与预设测试条件对应的至少两项属性参数的测试用例，对多个测试用例进行聚类处理，得到多个类别集合，每个类别集合包括多个相同类别的测试用例。进一步地，确定多个类别集合的整体聚类偏差，若整体聚类偏差落在预设偏差范围内，则将多个类别集合中的各聚类中心对应的测试用例确定为测试用例集合，测试用例集合包括多个用于执行测试的测试用例。通过上述方法构建的测试用例集能够覆盖多种类型的测试条件，为后续应用程序的模拟测试提供测试数据支撑。

Description

测试用例的处理方法、装置及存储介质
技术领域
本申请实施例涉及软件测试技术领域，尤其涉及一种测试用例的处理方法、装置及存储介质。
背景技术
游戏应用的环境测试涉及对各种复杂环境的测试，复杂环境的测试需要考虑对多个测试条件的模拟。以网络环境的测试为例，网络环境测试需要考虑对多个网络测试条件的模拟，例如上/下行延迟时间，上/下行丢包率等，由多个网络测试条件组合，可得到各种网络环境对应的测试用例。
目前，相关技术中并没有针对复杂环境测试用例集构建的方案。若测试用例数据量过多，测试时间长、测试效率低。若测试用例数量太少，将导致测试不全面，测试评价结果不准确。
发明内容
本申请实施例提供一种测试用例的处理方法、装置及存储介质，构建合适数量的测试用例集。
第一方面，本申请实施例提供一种测试用例的处理方法，包括：
获取多个测试用例，所述测试用例用于指示与预设测试条件对应的至少两项属性参数；
对所述多个测试用例进行聚类处理，得到多个类别集合，每个所述类别集合中包括多个相同类别的测试用例；
确定所述多个类别集合的整体聚类偏差，若所述整体聚类偏差落在预设偏差范围内，则将所述多个类别集合中的各聚类中心对应的测试用例确定为测试用例集合，所述测试用例集合包括多个用于执行测试的测试用例。
在一种可能的实施方式中，所述对所述多个测试用例进行聚类处理，得到多个类别集合，包括：
对所述多个测试用例进行预处理，所述预处理用于将所述测试用例指示的所述属性参数转化为无量纲数据；
对预处理后的多个测试用例的无量纲数据进行聚类处理，得到多个类别集合。
在一种可能的实施方式中，所述预处理包括归一化处理或标准化处理。
在一种可能的实施方式中，所述对所述多个测试用例进行聚类处理，得到多个类别集合，包括：
根据预设的聚类中心个数N，对所述多个测试用例进行聚类处理，得到N个类别集合，所述N为大于或等于2的正整数。
在一种可能的实施方式中，确定所述多个类别集合的整体聚类偏差，包括：
根据每一个类别集合中的多个测试用例，确定所述每一个类别集合的聚类偏差；
根据所述每一个类别集合的聚类偏差和所述每一个类别集合中测试用例的数量，确定所述多个类别集合的整体聚类偏差。
在一种可能的实施方式中，若所述整体聚类偏差落在预设偏差范围之外，所述方法还包括：
调整所述聚类中心个数，重新对所述多个测试用例进行聚类处理，直至所述整体聚类偏差落在预设偏差范围内。
在一种可能的实施方式中，所述调整所述聚类中心个数，包括：
若所述整体聚类偏差大于第一预设偏差值，增加所述聚类中心个数；或
若所述整体聚类偏差小于第二预设偏差值，减小所述聚类中心个数；
其中，所述第一预设偏差值大于所述第二预设偏差值。
可选地，所述测试用例用于指示与网络环境测试条件对应的至少两项网络属性参数。
可选地，所述测量用例包括以下至少两项网络属性参数：
上行延迟时间，下行延迟时间，上行丢包率，下行丢包率。
在一种可能的实施方式中，所述方法还包括：
执行所述测试用例集合中的各个测试用例，获取所述各个测试用例的测试评价分数；
根据所述各个测试用例的测试评价分数，确定被测应用程序在不同测试用例下的整体测试评价分数。
第二方面，本申请实施例提供一种测试用例的处理装置，包括：
获取模块，用于获取多个测试用例，所述测试用例用于指示与预设测试条件对应的至少两项属性参数；
处理模块，用于对所述多个测试用例进行聚类处理，得到多个类别集合，每个所述类别集合中包括多个相同类别的测试用例；
所述处理模块，还用于确定所述多个类别集合的整体聚类偏差，若所述整体聚类偏差落在预设偏差范围内，则将所述多个类别集合中的各聚类中心对应的测试用例确定为测试用例集合，所述测试用例集合包括多个用于执行测试的测试用例。
第三方面，本申请实施例提供一种测试用例的处理装置，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述装置能够执行第一方面中任一项所述的方法。
第四方面，本申请实施例提供一种计算机可读存储介质，包括：用于存储计算机程序，当所述计算机程序在计算机上执行时，使得所述计算机执行第一方面中任一项所述的方法。
本申请实施例提供一种测试用例的处理方法、装置及存储介质。该方法包括：获取多个用于指示与预设测试条件对应的至少两项属性参数的测试用例，对多个测试用例进行聚类处理，得到多个类别集合，每个类别集合包括多个相同类别的测试用例。进一步地，确定多个类别集合的整体聚类偏差，若整体聚类偏差落在预设偏差范围内，则将多个类别集合中的各聚类中心对应的测试用例确定为测试用例集合，测试用例集合包括多个用于执行测试的测试用例。通过上述方法构建的测试用例集能够覆盖多种类型的测试条件，为后续应用程序的模拟测试提供测试数据支撑。
附图说明
图1为本申请实施例提供的一种测试用例的处理方法的流程示意图；
图2为本申请实施例提供的一种测试用例的处理方法的流程示意图；
图3为本申请实施例提供的聚类处理后的多个类别集合的示意图；
图4为本申请实施例提供的一种测试用例的处理装置的结构示意图；
图5为本申请实施例提供的一种测试用例的处理装置的硬件结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。
此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
随着智能终端的普及，智能终端上的各类应用程序层出不穷，例如游戏应用、社交应用、购物应用、视频应用等等。各种应用在上线之前，需要在各种复杂环境下对应用进行相应的测试，并基于一定数量的测试用例，对测试结果进行评估，若评估结果不满足上线条件，需要对应用作进一步优化。
在游戏应用的测试过程中，为了模拟游戏玩家在各种复杂环境下的游戏体验情况，需要基于复杂环境的测试用例，对游戏应用进行测试。其中，所有测试对象包含比较多的与测试相关的属性都可以视为复杂环境。复杂环境可以指设备(比如终端设备)外部环境，包括网络环境或其他外部环境(温度、湿度、气压、电场、磁场、光照等环境)，还可以指设备内部环境(比如当前可用内存大小、当前可用存储空间大小、当前可用电量、屏幕亮度、音量大小等)，亦可以指外部内部环境的混合。通过模拟各种复杂环境，测试客户端和服务端在不同复杂环境下的表现。此外，模拟客户端的使用场景的光照环境也可以视为一个复杂环境，包括：模拟的至少一个光源，复杂环境的相关参数可以包括光源距离、光源位置、以及各个方向上的光照强度等等。
目前并没有针对游戏应用复杂环境的测试方案，由于模拟复杂环境的测试条件众多，如何构建一个覆盖各种复杂环境的测试用例集是游戏环境测试的关键。
为了解决上述问题，本申请实施例提供一种测试用例的处理方法，通过对多个测试用例进行聚类处理，得到多个类别集合。确定每个类别集合的聚类偏差，根据每个类别集合的聚类偏差确定多个类别集合的整体聚类偏差。若整体聚类偏差落在预设偏差范围内，则将多个类别集合中的各聚类中心对应的测试用例确定为测试用例集合，若整体聚类偏差落在预设偏差范围之外，则需要调整聚类中心个数，确保最终构建的测试用例集合覆盖各种复杂环境，且确保测试用例集合中测试用例数量不至于过大。
需要说明的是，本申请实施例提供的测试用例的处理方法不仅可以应用于对游戏应用的环境测试用例集合的构建和评估，还可以应用于需要进行环境测试的其他任意一种应用程序的环境测试用例集合的构建和评估，还可以应用于对任意应用程序的任意测试用例集合的构建和评估，本申请实施例对待测试应用程序以及测试用例的类型不作任何限制。
下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本申请实施例提供的一种测试用例的处理方法的流程示意图，本实施例提供的方法可以由任意执行该方法的装置来执行，该装置可以使用软件和/或硬件的形式实现。如图1所示，本实施例提供的方法包括：
步骤101、获取多个测试用例，测试用例用于指示与预设测试条件对应的至少两项属性参数。
在本实施例中，测试用例(Test Case)是指对一项特定的软件产品进行测试任务的描述，体现测试方案、方法、技术和策略。测试用例的内容包括但不限于：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，最终形成文档。即，测试用例是为某个特殊目标而编制的一组测试输入、执行条件以及预期结果，用于核实是否满足某个特定软件或应用的需求。不同测试用例用于测试不同条件下的各项性能指标，以得到相应的测试结果，例如，与预设测试条件对应的相关属性参数等。而预设测试条件可以是由测试人员基于软件或应用根据具体测试需求进行选择，本实施例不局限于此。
作为一种示例，若测试用例用于模拟网络环境，测试用例用于指示与网络环境测试条件对应的至少两项网络属性参数。其中，网络属性参数包括上行延迟时间，下行延迟时间，上行丢包率，下行丢包率等。
作为一种示例，若测试用例用于模拟设备内部环境，测试用例用于指示与设备内部环境测试条件对应的至少两项设备属性参数。其中，设备属性参数包括设备当前内存大小，当前可用存储空间大小，当前可用电量、当前屏幕亮度，当前音量等。
需要说明的是，本申请实施例对测试用例的类型不作具体限定，针对不同的测试内容，测试用例指示不同测试条件对应的属性参数。
步骤102、对多个测试用例进行聚类处理，得到多个类别集合。
其中，每个类别集合中包括多个相同类别的测试用例。聚类处理的目的是将相近测试条件的测试用例划分为同一类别的测试用例，实现对大量测试用例的分类。
在本申请实施例中，在对多个测试用例进行聚类处理之前，还包括如下步骤：对多个测试用例进行预处理，预处理用于将测试用例指示的属性参数转化为无量纲数据。
本申请实施例的测试用例包括至少两项属性参数，这两项属性参数的单位可能相同，也可能不同，通过预处理过程将各项属性参数转化为无量纲数据，便于后续数据处理。
具体的，预处理包括归一化处理或标准化处理。归一化处理或标准化处理都是将不同类型数据转化为无量纲的数值，例如归一化处理将数据映射到固定区间[0，1]内，标准化处理将数据映射到[-∞，+∞]内，归一化处理或标准化处理过程可消除不同类型数据的度量单位不相同的问题。本申请实施例对归一化或标准化处理方式不作任何限制。
经过上述预处理过程，再对预处理后的多个测试用例的无量纲数据进行聚类处理，得到多个类别集合。
作为一种示例，根据预设的聚类中心个数N，对多个测试用例的无量纲数据进行聚类处理，得到N个类别集合，其中N为大于或等于2的正整数。
本申请实施例对聚类处理的方式不作限定，可采用任意一种类型的聚类算法进行聚类处理。常见的聚类算法包括：K-Means(K均值)聚类，均值漂移聚类，基于密度的聚类(DBSCAN)，用高斯混合模型(GMM)的最大期望(EM)聚类，凝聚层次聚类，图团体检测。
步骤103、确定多个类别集合的整体聚类偏差。
具体的，根据每一个类别集合中的多个测试用例，确定每一个类别集合的聚类偏差，再根据每一个类别集合的聚类偏差和每一个类别集合中测试用例的数量，确定多个类别集合的整体聚类偏差。可通过如下公式确定多个类别集合的整体聚类偏差：
Figure BDA0002507770810000071
式中，DA为多个类别集合的整体聚类偏差，N为聚类中心个数，Di为第i种类别的聚类偏差，Ki为第i种类别的测试用例的数量。
步骤104、若整体聚类偏差落在预设偏差范围内，则将多个类别集合中的各聚类中心对应的测试用例确定为测试用例集合，测试用例集合包括多个用于执行测试的测试用例。
可选地，若整体聚类偏差落在预设偏差范围之外，处理方法还包括：调整聚类中心个数，根据重新调整后的聚类中心个数，重新对多个测试用例进行上述聚类处理，直至整体聚类偏差落在预设偏差范围内，结束处理流程。
调整聚类中心个数，包括：若整体聚类偏差大于第一预设偏差值，增加聚类中心个数；或者，若整体聚类偏差小于第二预设偏差值，减小聚类中心个数。其中，第一预设偏差值大于第二预设偏差值。
通过对聚类中心个数进行重新调整，使得最终构建的测试用例集合能够覆盖各种类型测试条件，基于测试用例集合中的各个测试用例对应用进行模拟测试，测试更加全面、准确。
本申请实施例提供的测试用例的处理方法，一方面，由于构建的测试用例集合中包括各种测试条件下的测试用例，覆盖各项属性参数的组合，使得测试更加全面；另一方面，由于测试用例集合中的每一个测试用例代表了一类测试用例，如此可避免执行大量测试用例，提高了测试效率。
在一些实施例中，在确定测试用例集合之后，处理方法还包括：执行测试用例集合中的各个测试用例，获取各个测试用例的测试评价分数；根据各个测试用例的测试评价分数，确定被测应用程序在不同测试用例下的整体测试评价分数。
可选地，可通过加权求和方式确定被测应用程序在不同测试用例下的整体测试评价分数。其中，不同测试用例对应不同的权重值。由于各个测试用例分别代表一类测试用例，权重值可通过该类别测试用例数量与初始获取的总的测试用例的数量确定。具体可通过如下公式确定不同测试用例下的整体测试评价分数：
Figure BDA0002507770810000081
式中，Si为第i个聚类中心对应的测试用例的测试评价分数，N为聚类中心个数，Ki为第i个聚类中心对应的测试用例的数量。
由上述公式可知，整体测试评价分数是基于各聚类中心对应的测试评价分数和各聚类中心对应的网络环境测试用例的数量，进行加权求和得到的，评价结果更加准确。
基于上述实施例，下面结合一个具体的测试内容对本申请实施例提供的测试用例的处理方法进行详细说明。下述实施例以网络环境的测试进行举例。
无线网络在不同地区的覆盖情况不同，各运营商的制式不同，导致用户在使用游戏应用过程中，遇到各种可能的网络环境，从而影响到游戏应用的正常运行。例如在山区、高速行驶的列车上，网络环境较差，容易出现卡顿、掉网，用户体验较差。因此，有必要对游戏应用进行网络环境的模拟测试，尤其是弱网络环境的模拟测试。
网络环境较为复杂，因此合理选取网络环境的测试数据，构建一定数量的测试用例集至关重要。测试用例集的数量过大，网络环境模拟测试将花费较长的时间，测试用例集的数量过小，可能导致网络环境测试覆盖的网络环境不全面。对此，可采用上述实施例提供的测试用例的处理方法的思路，构建合适数量的网络环境测试用例集，并对网络测试用例集的测试效果进行评估。具体地，通过采集大量网络环境测试用例，对测试用例进行聚类，根据聚类效果最终确定合适数量的网络环境测试用例集。
通过上述方案确定的网络环境测试用例集合，能够覆盖多种类型的网络环境，为后续网络环境的模拟测试提供数据支撑。进一步地，通过执行网络环境测试用例集合中的测试用例，获取各测试用例的测试评价分数，从而得到应用程序在网络环境测试的整体评价分数。
图2为本申请实施例提供的一种测试用例的处理方法的流程示意图。本实施例提供的测试用例的处理方法用于构建网络环境测试用例集，如图2所示，该方法包括以下步骤：
步骤201、获取多个网络环境测试用例，网络环境测试用例用于指示与网络环境测试条件对应的至少两项网络属性参数。
在本申请实施例中，可以通过安装在不同地区的多个数据采集基站获取网络环境测试用例，还可以通过位于不同地区的多个终端设备获取网络环境测试用例。
本申请实施例中的网络环境测试用例包括以下至少两项网络属性参数：上行延迟时间，下行延迟时间，上行丢包率，下行丢包率。应理解，在对应用程序进行网络环境模拟测试时，需要设置网络属性参数以模拟真实的网络环境，本申请实施例对网络环境测试用例的网络属性参数的组合形式不作限定，网络环境测试用例包括至少两项网络属性参数即可。
作为一种示例，网络环境测试用例包括上行延迟时间和下行丢包率。
作为一种示例，网络环境测试用例包括上下行总延迟时间和下行丢包率，即上行延迟时间、下行延迟时间和下行丢包率三项。
作为一种示例，网络环境测试用例包括上行延迟时间，下行延迟时间，上行丢包率和下行丢包率。
示例性的，处理装置获取4000个网络环境测试用例，每一个网络环境测试用例包括上下行总延迟时间和下行丢包率，如表1所示。
表1
Figure BDA0002507770810000091
步骤202、对多个网络环境测试用例进行聚类处理，得到多个类别集合。其中，每个类别集合中包括多个网络环境测试用例。
在一种可能的实现方式中，处理装置首先对获取到的多个网络环境测试用例进行预处理，预处理的目的是将不同类型数据转换为无量纲数据，方便将不同类型数据作统一处理。处理装置对预处理后的多个网络环境测试用例进行聚类处理，得到多个类别集合。
作为一种示例，处理装置可将网络环境测试用例表示为多维向量，以表1所示的网络环境测试用例为例，将网络环境测试用例表示为一个二维向量：
Figure BDA0002507770810000101
其中，tyd表示上下行总延迟时间，rd为下行丢包率。将二维向量的每个维度分别视为正态分布，统计每个维度下的均值和标准差，然后根据如下公式将二维向量的每个维度的数据值进行标准化处理：
Figure BDA0002507770810000102
式中，X为原始数据值，μ为平均值，σ为标准差，u为标准化处理后的数据值。
以表1的网络环境测试用例为例，经过上述标准化处理后的多个网络环境测试用例如表2表示。
表2
Figure BDA0002507770810000103
在一些实施例中，可以预设聚类中心个数N，基于预设聚类中心个数，对多个网络环境测试用例进行聚类处理，得到N个类别集合。其中，N为大于或等于2的正整数。
图3示出了聚类处理后的多个类别集合的示意图，如图3所示，在二维坐标系中多个网络环境测试用例被划分为4类(可以是预设的聚类中心个数，即N取4)，分别为C1、C2、C3、C4，每一个类别包含的网络环境测试用例数量K分别为1001，1002，999，998，共计4000。
步骤203、确定多个类别集合的整体聚类偏差。
在本申请实施例中，处理装置可以根据每一个类别集合中多个网络环境测试用例，确定每一个类别集合的聚类偏差，再根据每一个类别集合的聚类偏差和每一个类别集合中网络环境测试用例的数量，确定多个类别集合的整体聚类偏差。
以步骤202中的聚类类别为C1的多个网络环境测试用例为例，C1类别包含了1001个网络环境测试用例，即1001个二维向量。处理装置可根据C1类别的1001个二维向量各个维度的数据值求出均值，由各个维度的均值组成的向量作为C1类别的聚类中心CC1。可参见表2，处理装置分别求取表2中每一列数据的平均值，将两列平均值组成的向量作为聚类中心CC1。基于确定的聚类中心CC1，计算该聚类中心CC1与C1类别的每一个向量(即每一个网络环境测试用例)之间的距离，并求取所有距离的平均值，将所有距离的平均值作为C1类别集合的聚类偏差D1。需要说明的是，可采用欧几里得距离公式或其他距离公式计算两个向量之间的距离，对此本申请实施例不作任何限制。
基于上述示例可确定每一种类别集合的聚类偏差，示例性的，上述示例中4种类别集合的聚类中心对应的网络属性参数值如表3所示。
表3
Figure BDA0002507770810000111
处理装置再根据每一种类别集合的测试偏差和每一种类别集合的网络环境测试用例数量，确定多个类别集合的整体聚类偏差。具体可通过上述实施例步骤103中记载的公式确定多个类别集合的整体聚类偏差。
步骤204、若整体聚类偏差落在预设偏差范围内，则将多个类别集合中的各聚类中心对应的网络环境测试用例作为执行网络环境测试的测试用例。
本申请实施例中的预设偏差范围可表示为：[第二预设偏差值，第一预设偏差值]，第一预设偏差值大于第二预设偏差值。若整体聚类偏差落在预设偏差范围内，即整体聚类偏差大于或等于第二预设偏差值，且小于或等于第一预设偏差值，则将多个类别集合中的各聚类中心对应的网络环境测试用例作为执行网络环境测试的测试用例。
由表3可知，各聚类中心对应的网络属性参数值为标准化结果，因此处理装置可进一步根据标准化公式的逆运算，获取各聚类中心对应的实际网络属性参数值，将实际网络属性参数值作为执行网络环境测试的测试用例。
在一些实施例中，若整体聚类偏差落在预设偏差范围之外，处理装置还可执行如下步骤：
调整聚类中心个数，重新对多个网络环境测试用例进行聚类处理，直至整体聚类偏差落在预设偏差范围内。具体的，若整体聚类偏差大于第一预设偏差值，增加聚类中心个数；若整体聚类偏差小于第二预设偏差值，减小聚类中心个数。
调整聚类中心个数的目的在于选取合适数量的网络环境测试用例。应理解，聚类中心个数太少可能无法覆盖所有可能的网络环境，造成后续网络环境测试不全面，聚类中心个数太多可能造成测试用例冗余，网络环境测试太耗时。通过上述处理过程，构建合理的网络环境测试用例集，为后续网络环境模拟测试提供数据支撑。
本申请实施例提供的测试用例的处理方法，通过获取多个用于指示至少两项网络属性参数的网络环境测试用例，对多个网络环境测试用例进行聚类处理，得到多个类别集合，其中每个类别集合中包括多个网络环境测试用例。进一步地，确定多个类别集合的整体聚类偏差，若整体聚类偏差落在预设偏差范围内，则将多个类别集合中的各聚类中心对应的网络环境测试用例作为执行网络环境测试的测试用例。通过上述方法构建的网络环境模拟测试的测试用例集能够覆盖多种类型的网络环境，为后续网络环境的模拟测试提供数据支撑。
基于上述确定的网络环境的测试用例集，处理方法还包括如下步骤：
依次执行网络环境的测试用例集中各个测试用例，获取不同网络环境测试用例对应的测试评价分数，再根据各个网络环境测试用例的测试评价分数，确定待测应用程序在不同网络环境下的整体测试评价分数。整体测试评价分数的计算公式可参见上述实施例，此处不再赘述。
通过上述测试过程，可以比较全面的对待上线的应用程序在不同网络环境下的运行情况进行综合分析，通过模拟网络环境，调试应用程序应对不同网络环境的应对策略，提高应用程序在不同网络环境的服务质量。
本申请实施例可以根据上述方法实施例对网络环境的测试用例的处理装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。集成的模块既可以使用硬件的形式实现，也可以使用软件功能模块的形式实现。需要说明的是，本申请实施例中对模块的划分是示意性的，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。下面以使用对应各个功能划分各个功能模块为例进行说明。
图4为本申请实施例提供的一种测试用例的处理装置的结构示意图。如图4所示，本申请实施例的测试用例的处理装置300，包括：
获取模块301，用于获取多个测试用例，所述测试用例用于指示与预设测试条件对应的至少两项属性参数；
处理模块302，用于对所述多个测试用例进行聚类处理，得到多个类别集合，每个所述类别集合中包括多个相同类别的测试用例；
处理模块302，还用于确定所述多个类别集合的整体聚类偏差，若所述整体聚类偏差落在预设偏差范围内，则将所述多个类别集合中的各聚类中心对应的测试用例确定为测试用例集合，所述测试用例集合包括多个用于执行测试的测试用例。
在一种可能的实施方式中，处理模块302，具体用于：
对所述多个测试用例进行预处理，所述预处理用于将所述测试用例指示的所述属性参数转化为无量纲数据；
对预处理后的多个测试用例的无量纲数据进行聚类处理，得到多个类别集合。
可选地，所述预处理包括归一化处理或标准化处理。
在一种可能的实施方式中，处理模块302，具体用于：
根据预设的聚类中心个数N，对所述多个测试用例进行聚类处理，得到N个类别集合，所述N为大于或等于2的正整数。
在一种可能的实施方式中，处理模块302，具体用于：
根据每一个类别集合中的多个测试用例，确定所述每一个类别集合的聚类偏差；
根据所述每一个类别集合的聚类偏差和所述每一个类别集合中测试用例的数量，确定所述多个类别集合的整体聚类偏差。
在一种可能的实施方式中，若所述整体聚类偏差落在预设偏差范围之外，处理模块302，还用于：
调整所述聚类中心个数，重新对所述多个测试用例进行聚类处理，直至所述整体聚类偏差落在预设偏差范围内。
在一种可能的实施方式中，处理模块302，具体用于：
若所述整体聚类偏差大于第一预设偏差值，增加所述聚类中心个数；或
若所述整体聚类偏差小于第二预设偏差值，减小所述聚类中心个数；
其中，所述第一预设偏差值大于所述第二预设偏差值。
可选地，所述测试用例用于指示与网络环境测试条件对应的至少两项网络属性参数。
可选地，所述测量用例包括以下至少两项网络属性参数：
上行延迟时间，下行延迟时间，上行丢包率，下行丢包率。
在一种可能的实施方式中，处理模块302，还用于执行所述测试用例集合中的各个测试用例，获取所述各个测试用例的测试评价分数；
处理模块302，还用于根据所述各个测试用例的测试评价分数，确定被测应用程序在不同测试用例下的整体测试评价分数。
本申请实施例提供的测试用例的处理装置，用于执行前述任一方法实施例中的技术方案，其实现原理和技术效果类似，在此不再赘述。
图5为本申请实施例提供的一种测试用例的处理装置的硬件结构示意图。如图5所示，本实施例提供的测试用例的处理装置400，包括：
至少一个处理器401(图5中仅示出了一个处理器)；以及
与所述至少一个处理器通信连接的存储器402；其中，
所述存储器402存储有可被所述至少一个处理器401执行的指令，所述指令被所述至少一个处理器401执行，以使所述处理装置401能够执行前述任一方法实施例中的技术方案。
可选的，存储器402既可以是独立的，也可以跟处理器401集成在一起。
当存储器402是独立于处理器401之外的器件时，处理装置400还包括：总线，用于连接存储器402和处理器401。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现前述任一方法实施例中的技术方案。
本申请实施例还提供一种计算机程序产品，包括程序指令，程序指令用于实现前述方法实施例中的技术方案。
本申请实施例还提供了一种芯片，包括：处理模块与通信接口，该处理模块能执行前述方法实施例中的技术方案。
进一步地，该芯片还包括存储模块(如，存储器)，存储模块用于存储指令，处理模块用于执行存储模块存储的指令，并且对存储模块中存储的指令的执行使得处理模块执行前述方法实施例中的技术方案。
应理解，本申请实施例中提及的处理器可以是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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。
还应理解，本申请实施例中提及的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM，DR RAM)。
需要说明的是，当处理器为通用处理器、DSP、ASIC、FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件时，存储器(存储模块)集成在处理器中。
应注意，本文描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (13)

1.一种测试用例的处理方法，其特征在于，包括：
获取多个测试用例，所述测试用例用于指示与预设测试条件对应的至少两项属性参数；
对所述多个测试用例进行聚类处理，得到多个类别集合，每个所述类别集合中包括多个相同类别的测试用例；
确定所述多个类别集合的整体聚类偏差，若所述整体聚类偏差落在预设偏差范围内，则将所述多个类别集合中的各聚类中心对应的测试用例确定为测试用例集合，所述测试用例集合包括多个用于执行测试的测试用例。
2.根据权利要求1所述的方法，其特征在于，所述对所述多个测试用例进行聚类处理，得到多个类别集合，包括：
对所述多个测试用例进行预处理，所述预处理用于将所述测试用例指示的所述属性参数转化为无量纲数据；
对预处理后的多个测试用例的无量纲数据进行聚类处理，得到多个类别集合。
3.根据权利要求2所述的方法，其特征在于，所述预处理包括归一化处理或标准化处理。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述对所述多个测试用例进行聚类处理，得到多个类别集合，包括：
根据预设的聚类中心个数N，对所述多个测试用例进行聚类处理，得到N个类别集合，所述N为大于或等于2的正整数。
5.根据权利要求1-3中任一项所述的方法，其特征在于，确定所述多个类别集合的整体聚类偏差，包括：
根据每一个类别集合中的多个测试用例，确定所述每一个类别集合的聚类偏差；
根据所述每一个类别集合的聚类偏差和所述每一个类别集合中测试用例的数量，确定所述多个类别集合的整体聚类偏差。
6.根据权利要求5所述的方法，其特征在于，若所述整体聚类偏差落在预设偏差范围之外，所述方法还包括：
调整所述聚类中心个数，重新对所述多个测试用例进行聚类处理，直至所述整体聚类偏差落在预设偏差范围内。
7.根据权利要求6所述的方法，其特征在于，所述调整所述聚类中心个数，包括：
若所述整体聚类偏差大于第一预设偏差值，增加所述聚类中心个数；或
若所述整体聚类偏差小于第二预设偏差值，减小所述聚类中心个数；
其中，所述第一预设偏差值大于所述第二预设偏差值。
8.根据权利要求1-3中任一项所述的方法，其特征在于，所述测试用例用于指示与网络环境测试条件对应的至少两项网络属性参数。
9.根据权利要求8所述的方法，其特征在于，所述测量用例包括以下至少两项网络属性参数：
上行延迟时间，下行延迟时间，上行丢包率，下行丢包率。
10.根据权利要求1-3中任一项所述的方法，其特征在于，所述方法还包括：
执行所述测试用例集合中的各个测试用例，获取所述各个测试用例的测试评价分数；
根据所述各个测试用例的测试评价分数，确定被测应用程序在不同测试用例下的整体测试评价分数。
11.一种测试用例的处理装置，其特征在于，包括：
获取模块，用于获取多个测试用例，所述测试用例用于指示与预设测试条件对应的至少两项属性参数；
处理模块，用于对所述多个测试用例进行聚类处理，得到多个类别集合，每个所述类别集合中包括多个相同类别的测试用例；
所述处理模块，还用于确定所述多个类别集合的整体聚类偏差，若所述整体聚类偏差落在预设偏差范围内，则将所述多个类别集合中的各聚类中心对应的测试用例确定为测试用例集合，所述测试用例集合包括多个用于执行测试的测试用例。
12.一种测试用例的处理装置，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述装置能够执行权利要求1-10中任一项所述的方法。
13.一种计算机可读存储介质，其特征在于，包括：用于存储计算机程序，当所述计算机程序在计算机上执行时，使得所述计算机执行权利要求1-10中任一项所述的方法。
CN202010451422.6A 2020-05-25 2020-05-25 测试用例的处理方法、装置及存储介质 Active CN111611171B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010451422.6A CN111611171B (zh) 2020-05-25 2020-05-25 测试用例的处理方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010451422.6A CN111611171B (zh) 2020-05-25 2020-05-25 测试用例的处理方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN111611171A true CN111611171A (zh) 2020-09-01
CN111611171B CN111611171B (zh) 2024-03-19

Family

ID=72203996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010451422.6A Active CN111611171B (zh) 2020-05-25 2020-05-25 测试用例的处理方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN111611171B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112306880A (zh) * 2020-11-02 2021-02-02 百度在线网络技术（北京）有限公司 测试方法、装置、电子设备和计算机可读存储介质
CN112395199A (zh) * 2020-11-24 2021-02-23 季明 基于云计算的分布式软件实例测试方法及软件开发平台
CN112530512A (zh) * 2020-11-11 2021-03-19 北京泽石科技有限公司 闪存存储设备的测试方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106294127A (zh) * 2016-07-25 2017-01-04 江苏大学 基于聚类的面向对象软件测试用例生成方法
CN106874199A (zh) * 2017-02-10 2017-06-20 腾讯科技（深圳）有限公司 测试用例处理方法和装置
CN108073506A (zh) * 2016-11-17 2018-05-25 百度在线网络技术（北京）有限公司 测试方法和装置
US20190230021A1 (en) * 2018-01-20 2019-07-25 Hcl Technologies Limited System for debugging a network environment

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106294127A (zh) * 2016-07-25 2017-01-04 江苏大学 基于聚类的面向对象软件测试用例生成方法
CN108073506A (zh) * 2016-11-17 2018-05-25 百度在线网络技术（北京）有限公司 测试方法和装置
CN106874199A (zh) * 2017-02-10 2017-06-20 腾讯科技（深圳）有限公司 测试用例处理方法和装置
US20190230021A1 (en) * 2018-01-20 2019-07-25 Hcl Technologies Limited System for debugging a network environment

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112306880A (zh) * 2020-11-02 2021-02-02 百度在线网络技术（北京）有限公司 测试方法、装置、电子设备和计算机可读存储介质
CN112530512A (zh) * 2020-11-11 2021-03-19 北京泽石科技有限公司 闪存存储设备的测试方法及装置
CN112395199A (zh) * 2020-11-24 2021-02-23 季明 基于云计算的分布式软件实例测试方法及软件开发平台
CN112395199B (zh) * 2020-11-24 2021-07-02 罗嗣扬 基于云计算的分布式软件实例测试方法及软件开发平台

Also Published As

Publication number Publication date
CN111611171B (zh) 2024-03-19

Similar Documents

Publication Publication Date Title
CN111611171B (zh) 测试用例的处理方法、装置及存储介质
Heller et al. A consistent multivariate test of association based on ranks of distances
CN110166991A (zh) 用于定位电子设备的方法、设备、装置以及存储介质
CN114004352B (zh) 一种仿真实现方法、神经网络编译器以及计算机可读存储介质
CN103903012A (zh) 基于面向对象和支持向量机的极化sar数据分类方法
CN103559205A (zh) 基于MapReduce的并行特征选择方法
CN113704082A (zh) 模型评测方法、装置、电子设备及存储介质
Lengyel et al. Assessing the relative importance of methodological decisions in classifications of vegetation data
CN115374950A (zh) 样本检测方法、样本检测装置、电子设备及存储介质
Kim et al. Evaluating surprise adequacy for question answering
CN110413596A (zh) 字段处理方法及装置、存储介质、电子装置
Rodríguez-Avi et al. A regression model for overdispersed data without too many zeros
Mahdi et al. Efficient Bayesian modeling of large lattice data using spectral properties of Laplacian matrix
CN112989932A (zh) 基于改进原型网络的少样本森林火灾烟雾识别方法及装置
CN114697127B (zh) 一种基于云计算的业务会话风险处理方法及服务器
CN111753907A (zh) 一种电量数据的处理方法、装置、设备和存储介质
CN115484112B (zh) 支付大数据安全防护方法、系统及云平台
CN116089504A (zh) 一种关系型表格数据生成方法和系统
CN115757900A (zh) 应用人工智能模型的用户需求分析方法及系统
CN109784047B (zh) 基于多特征的程序检测方法
Parvin et al. Classification ensemble by genetic algorithms
CN116662415B (zh) 基于数据挖掘的智能匹配方法及系统
Bryan et al. Mapping the cosmological confidence ball surface
KR102405168B1 (ko) 데이터 셋 생성 방법 및 장치, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램
CN112418307B (zh) 一种结合深度学习和集成学习的辐射源个体识别方法

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