CN111767225A - 一种云计算环境下第三方软件测试系统及方法 - Google Patents

Abstract

本发明公开一种云计算环境下第三方软件测试系统及方法，利用云端计算方法进行第三方软件测试，使得用户随时随地都能够进行软件测试，克服了常规技术中软件测试环境需要定期维护的技术弊端，减轻了测试环境导致的测试资源管理面临的压力。由于云计算方法能够随时随地地进行测试，用户在使用过程中，可以自主控制测试时间，克服了常规技术中测试周期长、测试成本高等技术弊端。本发明采用大数据存储数据结构的数据集合实现云网络的软件测试项目的布局，实现检索软件测试项目的检索，减少了测试项目查询的时间，提高了软件测试项目类型数据布局。通过随机搜索算法模型实现多种软件测试项目的最佳搜索，大大节约了软件测试时间。

Description

一种云计算环境下第三方软件测试系统及方法

技术领域

本发明涉及软件测试技术领域，且更具体地涉及一种云计算环境下第三方软件测试系统 及方法。

背景技术

随着当前社会经济与相关信息技术的快速化发展，软件行业所面临的竞争压力也正变得 愈发激烈，人们关于软件产品的质量要求也越来越高。当今软件行业急剧变化的市场环境下， 对于所有的软件企业而言都必须要考虑到，怎样才能够在确保软件产品质量的前提下实现更 加高效的软件研发与测试，尽可能缩短研发周期，将每一笔资金投入都发挥出最大效益。随 着云计算技术的出现，为人们建立起高效、便捷的软件测试环境提供了便利。人们可在云服 务基础上做到完全自动化的软件测试，企业仅需依据自身的实际需求获得相应的测试服务即 可。

当前软件测试服务即为基于硬件环境下进行软件部署并开展测试工作，而随着当前软件 行业与硬件行业的迅速发展，测试环境建设与测试资源需求的不断膨胀，以及硬件资源、基 础设施和测试过程所需求的软件服务支持都导致测试成本费用持续升高。而且，软件测试环 境往往都是要定期维护的，由于测试环境导致的测试资源管理面临的压力。现有技术中的软 件测试在传统环境下进行，具有测试周期长、测试成本高等特点，操作者极易产生枯燥之感。

发明内容

针对现有技术的不足，本发明公开了一种云计算环境下第三方软件测试系统及方法，将 云计算技术融合到第三方软件测试系统，云测试作为新型的测试方案，它能合理调用分布式 测试资源，并借助统一的服务平台或形式展现给用户，为企业提供一个能够共享的自动化测 试交付平台，实现数据的布局与分享，大大提高了数据处理和应用能力，安全性能高，测试 资源利用率高。

本发明采用以下技术方案：

一种云计算环境下第三方软件测试系统，其中该系统包括云端服务器、云端接口和测试 终端，其中所述测试终端通过云端接口与云端服务器连接，其中云端服务器的主机的硬件配 置为Intel Xeon E3-1220v53.0GHz四核，内存为8GDDR4，硬盘为1*Intel企业级SSD， 1*SATA 1T，网卡为2*千兆网口；工作机节点的硬件配置为CPU型号Intel XeonE53.0GHZ，内存为160GB，硬盘容量为128TB；所述云端服务器通过将规模级的底层服 务器通过集约化、虚拟化构建起云端资源池，然后从资源池中调配计算资源组建而成，其中 所述CPU、内存、磁盘或带宽以自由组合的方式存在；其中所述云端服务器还设置有大数 据分布式存储结构和大数据计算模型，所述大数据分布式存储结构通过不同方式的数据存储实现数据布局，以满足用户对软件测试的不同需要，所述大数据计算模型通过设置通信接口 实现大数据的通信和计算；其中所述云端服务器内设置有云端管理平台，其中，所述云端管 理平台包括：

基础设施即服务层，其内至少设置有呈分布式布局的资源分配模块、数据挖掘模块、故 障检测模块、信息集成模块、软件开发框架模块、任务调度模块和测试命令模块；

软件即服务层，其内至少设置有呈分布式布局的有日志处理模块、权限认证模块、数据 交换模块、空间数据模块、异常处理模块、内容检索模块、存储模块和数据浏览模块；

平台即服务层，其内至少设置有呈分布式布局的算法模型模块、辅助索引模块、数据计 算模块、语义索引模块、统计分析模块、文本索引模块、测试数据挖掘模块和数据索引模块；

终端，其为移动终端，其内至少设置有呈分布式布局的网络设置模块、信息系统接口模 块、服务器与平台模块、安全设置模块、存储模块、虚拟环境信息模块、业务与应用模块和 移动应用模块；其中：

所述基础设施即服务层、软件即服务层、平台即服务层和终端从下向上依次设置。

进一步地，所述云端服务器内设置有云端测试平台，所述云端测试平台包括资源管理层、 云端接口、测试任务层、测试项目管理层和测试访问端口，其中所述资源管理层的输出端与 所述云端接口的输入端连接，所述云端接口的输出端与测试任务层的输入端连接，所述测试 任务层的输出端与所述测试项目管理层的输入端连接，所述测试项目管理层的输出端与所述 测试项目管理层的输入端的输入端连接。

本发明还采用以下技术方案：

一种应用上述的一种云计算环境下第三方软件测试系统进行测试的方法，其中所述方法 包括以下步骤：

(S1)将软件测试项目以大数据分布式存储结构的形式实现测试项目数据布局；

(S2)通过云端服务器的云端数据接口接收软件测试项目指令，通过云端服务器内设 置的主机实现软件测试项目的运行与管理；

(S3)通过测试数据挖掘算法实现软件测试项目的评估，通过数据索引实现软件测试 项目的检索和查询；

(S4)通过云端接口实现测试数据的传递、共享和应用。

进一步地，所述软件测试项目类型数据布局的分析的方法为：

设R为软件测试项目大数据存储数据结构的数据集合，用数据集合表示为 R＝(E_i,E_j,d,t)；数据库中数据集合表示为：X＝{x₁,x₂,...,x_n}；假设数据集X含有c个类别，所述云端服务器的云网络的软件测试项目大数据的特征映射为f(k)，则检索软 件测试项目大数据模型为：

minF(x)＝(f₁(x),f₂(x),...,f_m(x))^T (1)

其中n为软件测试项目大数据的统计变量，m为影响检索软件测试项目进行测试的因 变量；T表示检索时间。

进一步地，其中检索软件测试项目的方法为随机搜索算法模型。

进一步地，所述随机搜索算法中融入蚁群算法模型和混沌粒子群算法模型，以实现测试 项目的最佳检索。

进一步地，所述混沌粒子群算法模型将软件测试过程中出现的选择测试项目区域信息粒 子群划分多种子种群，在不同的子种群中，粒子互不影响，分别独立工作，最终寻求出彼此 各自的最优值，实现各种群粒子信息之间的共享，在共同的计算、训练、演变和匹配之后， 直到迭代最佳的进化数量为止。

进一步地，迭代最佳次数介于7-10之间。

进一步地，所述混沌粒子群算法模型的构建方法为：

假设软件测试项目的数据集为D，测试项目的数据集允许波动的范围为[0,1]，D为所 有软件测试项目中的待测试目标函数项目的变量个数，当混沌产生初始粒子时，启动Logistic混沌映射公式，则有：P_i,n＝4P_i-1,n(1-P_i-1,n)； (2)

其中i＝2,3,...,G，然后逐个求出每个离子的适应度，然后再筛选出初始粒子，然后再 将所有粒子从定义为[0,1]上的混沌区间映射到[a_n,b_n]的变量区间，则有公式：

p_in＝a_n+(b_n-a_n)×P_i,n (3)

然后对粒子群的每个粒子的适应度值和平均适应度值求解，在计算过程中，为了便于计 算，将粒子群的当前位置和适应度最优粒子位置分别用字母p_best、g_best来表示，然后判断 计算过程是否满足收敛条件，如果满足，则计算结束，如果不满足，重新更新粒子速度，最 后计算软件测试项目群体的适应度方差，用公式表示为：

其中对于第i个粒子的适应度，用字母f_i表示，当前粒子群粒子的平均适应度用

来表 示，归一化因子用f来表示，利用以下公式计算：

当公式(5)计算出来的量比设定的值ε(ε>0)时，则重新将[0,1]上的混沌区间映射到[a_n,b_n]的变量区间内，如果公式(5)计算出来的量小于或者等于设定的值ε时，则 重新对粒子群的每个粒子的适应度值和平均适应度值进行计算，最终将粒子的位置归一化到区间[0,1]上时，则利用公式(5)进行混沌更新。

进一步地，对上述粒子进行更新位置时，采用以下公式：

式6的x_i为D维向量中第i个粒子的向量表示，用集合可以表示为：

x_i＝(x_i1,x_i2,...,x_iD)^T (7)

其中i＝1,2,...,m，第i个粒子在D维向量空间中所处的位置用x_i来表示；当计算结果 输出的新粒子的适应度大于p_best的适应度时，则需要重新计算p_best，当计算结果输出的新 粒子的适应度小于或者等于p_best的适应度时，则输出适应度为最好的个体，即是在所有软 件测试项目中搜索到的需要测量的项目。

积极有益效果：

1、本发明在进行软件测试时，利用云端计算方法进行第三方软件测试，使得用户随时随地 都能够进行软件测试，克服了常规技术中软件测试环境需要定期维护的技术弊端，减轻 了测试环境导致的测试资源管理面临的压力。由于云计算方法能够随时随地地进行测试， 用户在使用过程中，可以自主控制测试时间，克服了常规技术中测试周期长、测试成本 高等技术弊端。

2、本发明采用大数据存储数据结构的数据集合实现云网络的软件测试项目的布局，实现检 索软件测试项目的检索，减少了测试项目查询的时间，提高了软件测试项目类型数据布 局。

3、本发明通过构建云网络架构，实现数据的实时、在线和远程应用，用户能够在不同的地 方实现大数据的共享与应用，数据共享能力强。该技术融合了网络技术、信息技术、整 合技术、管理平台技术、应用技术等，可组成资源池，按需所用，灵活便利。

4、本发明通过将云计算技术引入测试环境中，促使整个测试过程在虚拟环境下实现，克服 了常规技术中，使用硬件结构带来的不便。

5、本发明通过随机搜索算法模型实现多种软件测试项目的搜索，在多种试验项目存在的情 况下，能够快速查到要测试的数据项目，实现多种测试项目的最佳搜索，大大节约了测 试时间。

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的前提下，还可以根据这些附图获得其他的 附图。

图1为本发明一种云计算环境下第三方软件测试系统的架构示意图；

图2为本发明一种云计算环境下第三方软件测试系统中云端管理平台的架构示意图；

图3为本发明一种云计算环境下第三方软件测试系统中云存储架构示意图；

图4为本发明一种云计算环境下第三方软件测试系统中云端测试平台的架构示意图；

图5为本发明一种云计算环境下第三方软件测试方法的流程示意图；

图6为本发明一种云计算环境下第三方软件测试方法中混沌粒子群优化算法流程示意 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。

实施例(1)系统

如图1-图4所示，一种云计算环境下第三方软件测试系统，其中该系统包括云端服务 器、云端接口和测试终端，其中所述测试终端通过云端接口与云端服务器连接，其中云端服 务器的主机的硬件配置为Intel Xeon E3-1220v53.0 GHz四核，内存为8GDDR4，硬盘为 1*Intel企业级SSD，1*SATA 1T，网卡为2*千兆网口；工作机节点的硬件配置为CPU型 号Intel Xeon E53.0GHZ，内存为160GB，硬盘容量为128TB；所述云端服务器通过将规 模级的底层服务器通过集约化、虚拟化构建起云端资源池，然后从资源池中调配计算资源组 建而成，其中所述CPU、内存、磁盘或带宽以自由组合的方式存在；其中所述云端服务器 还设置有大数据分布式存储结构和大数据计算模型，所述大数据分布式存储结构通过不同方 式的数据存储实现数据布局，以满足用户对软件测试的不同需要，所述大数据计算模型通过设置通信接口实现大数据的通信和计算；其中所述云端服务器内设置有云端管理平台，其中， 所述云端管理平台包括：

基础设施即服务层，其内至少设置有呈分布式布局的资源分配模块、数据挖掘模块、故 障检测模块、信息集成模块、软件开发框架模块、任务调度模块和测试命令模块；

软件即服务层，其内至少设置有呈分布式布局的有日志处理模块、权限认证模块、数据 交换模块、空间数据模块、异常处理模块、内容检索模块、存储模块和数据浏览模块；

平台即服务层，其内至少设置有呈分布式布局的算法模型模块、辅助索引模块、数据计 算模块、语义索引模块、统计分析模块、文本索引模块、测试数据挖掘模块和数据索引模块；

终端，其为移动终端，其内至少设置有呈分布式布局的网络设置模块、信息系统接口模 块、服务器与平台模块、安全设置模块、存储模块、虚拟环境信息模块、业务与应用模块和 移动应用模块；其中：

所述基础设施即服务层、软件即服务层、平台即服务层和终端从下向上依次设置。

在本发明中，所述云端服务器内设置有云端测试平台，所述云端测试平台包括资源管理 层、云端接口、测试任务层、测试项目管理层和测试访问端口，其中所述资源管理层的输出 端与所述云端接口的输入端连接，所述云端接口的输出端与测试任务层的输入端连接，所述 测试任务层的输出端与所述测试项目管理层的输入端连接，所述测试项目管理层的输出端与 所述测试项目管理层的输入端的输入端连接。

在上述实施例中，云基础架构融合的层次结构更具体地包括硬件层、业务层、管理层等。 在具体工作时，云端服务器中的FCoE技术和方案，将存储与网络进行融合，以及横向虚拟 化、纵向虚拟化实现网络设备自身的融合。此外，还有VEPA技术和方案，则是将计算虚拟 化与网络设备和网络虚拟化进行融合，实现虚拟机与虚拟网络之间的关联。

在上述实施例中，在业务层，典型的方案是云安全解决方案。通过虚拟防火墙与虚拟机 之间的融合，可以实现虚拟防火墙对虚拟机的感知、关联，确保虚拟机迁移、新增或减少时， 防火墙策略也能够自动关联。此外，还有虚拟机与LB负载均衡之间的联动。当业务突发资 源不足时，传统方案需要人工发现虚拟机资源不足，再手工创建虚拟机，并配置访问策略， 响应速度很慢，而且非常的费时费力。通过自动探测某个业务虚拟机的用户访问和资源利用 率情况，在业务突发时，自动按需增加相应数量的虚拟机，与LB联动进行业务负载分担； 同时，当业务突发减小时，可以自动减少相应数量的虚拟机，节省资源。不仅有效解决虚拟 化环境中面临的业务突发问题，而且大大提升了业务响应的效率和智能化。

在上述实施例中，在管理层中，云基础架构通过虚拟化技术与管理层的融合，提升了IT 系统的可靠性。例如，虚拟化平台可与网络管理、计算管理、存储管理联动，当设备出现故 障影响虚拟机业务时，可自动迁移虚拟机，保障业务正常访问；此外，对于设备正常、操作 系统正常、但某个业务系统无法访问的情况，虚拟化平台还可以与应用管理联动，探测应用 系统的状态，例如，NWeb、APP、DB等响应速度，当某个应用无法正常提供访问时，自动重启虚拟机，恢复业务正常访问。

在上述实施例中，数据中心由基础架构向云基础架构的转变，极大提升了基础架构融合 的必要性和可行性。通过资源池的云网融合，构建统一、融合、联动的基础架构系统，不仅 提升了应用系统部署的可靠性、灵活性、可扩展性和可管理性，而且也促进了云计算的应用 和实践。

在上述实施例中，在云平台中，云计算是一种资源的服务模式，该模式可以实现随时随 地、便捷按需地从可配置计算资源共享池中获取所需的资源(如网络、服务器、存储、应用 及服务)，资源能够快速供应并释放，大大减少了资源管理工作开销。一种实施例中的云计 算架构包括IaaS(Infrastructure as a Service，基础设施即服务)、PaaS(Platformas aService，平台即服务)、SaaS(Software as a Service，软件即服务)三层服务，其中IaaS 层为基础设施运维人员服务，提供计算、存储、网络及其他基础资源，云平台使用者可以在 上面部署和运行包括操作系统和应用程序在内的任意软件，无需再为基础设施的管理而分 心。PaaS层为应用开发人员服务，提供支撑应用运行所需的软件运行时环境、相关工具与 服务，如数据库服务、日志服务、监控服务等，让应用开发者可以专注于核心业务的开发。 SaaS层为一般用户服务，提供了一套完整可用的软件系统，让一般用户无需关注技术细节， 只需通过浏览器、应用客户端等方式就能使用部署在云上的应用服务。

实施例(2)方法

如图5-图6所示，本发明还采用以下技术方案：

一种云计算环境下第三方软件测试系统进行测试的方法，其中所述方法包括以下步骤：

(S1)将软件测试项目以大数据分布式存储结构的形式实现测试项目数据布局；

(S2)通过云端服务器的云端数据接口接收软件测试项目指令，通过云端服务器内设 置的主机实现软件测试项目的运行与管理；

(S3)通过测试数据挖掘算法实现软件测试项目的评估，通过数据索引实现软件测试 项目的检索和查询；

(S4)通过云端接口实现测试数据的传递、共享和应用。

进一步地，所述软件测试项目类型数据布局的分析的方法为：

设R为软件测试项目大数据存储数据结构的数据集合，用数据集合表示为 R＝(E_i,E_j,d,t)；数据库中数据集合表示为：X＝{x₁,x₂,...,x_n}；假设数据集X含有 c个类别，所述云端服务器的云网络的软件测试项目大数据的特征映射为f(k)，则检索软 件测试项目大数据模型为：

minF(x)＝(f₁(x),f₂(x),...,f_m(x))^T (1)

其中n为软件测试项目大数据的统计变量，m为影响检索软件测试项目进行测试的因 变量；T表示检索时间。

在本发明中，其中检索软件测试项目的方法为随机搜索算法模型。所述随机搜索算法中 融入蚁群算法模型和混沌粒子群算法模型，以实现测试项目的最佳检索。其中所述混沌粒子 群算法模型将软件测试过程中出现的选择测试项目区域信息粒子群划分多种子种群，在不同 的子种群中，粒子互不影响，分别独立工作，最终寻求出彼此各自的最优值，实现各种群粒 子信息之间的共享，在共同的计算、训练、演变和匹配之后，直到迭代最佳的进化数量为止。 为了实现最佳的检索效果，迭代最佳次数介于7-10之间。

在本发明中，所述混沌粒子群算法模型的构建方法为：

假设软件测试项目的数据集为D，测试项目的数据集允许波动的范围为[0,1]，D为所 有软件测试项目中的待测试目标函数项目的变量个数，当混沌产生初始粒子时，启动Logistic混沌映射公式，则有：P_i,n＝4P_i-1,n(1-P_i-1,n)； (2)

其中i＝2,3,...,G，然后逐个求出每个离子的适应度，然后再筛选出初始粒子，然后再 将所有粒子从定义为[0,1]上的混沌区间映射到[a_n,b_n]的变量区间，则有公式：

p_in＝a_n+(b_n-a_n)×P_i,n (3)

然后对粒子群的每个粒子的适应度值和平均适应度值求解，在计算过程中，为了便于计 算，将粒子群的当前位置和适应度最优粒子位置分别用字母p_best、g_best来表示，然后判断 计算过程是否满足收敛条件，如果满足，则计算结束，如果不满足，重新更新粒子速度，最 后计算软件测试项目群体的适应度方差，用公式表示为：

其中对于第i个粒子的适应度，用字母f_i表示，当前粒子群粒子的平均适应度用

来表 示，归一化因子用f来表示，利用以下公式计算：

当公式(5)计算出来的量比设定的值ε(ε>0)时，则重新将[0,1]上的混沌区间映射到[a_n,b_n]的变量区间内，如果公式(5)计算出来的量小于或者等于设定的值ε时，则 重新对粒子群的每个粒子的适应度值和平均适应度值进行计算，最终将粒子的位置归一化到区间[0,1]上时，则利用公式(5)进行混沌更新。

进一步地，对上述粒子进行更新位置时，采用以下公式：

式6的x_i为D维向量中第i个粒子的向量表示，用集合可以表示为：

x_i＝(x_i1,x_i2,...,x_iD)^T (7)

其中i＝1,2,...,m，第i个粒子在D维向量空间中所处的位置用x_i来表示；当计算结果 输出的新粒子的适应度大于p_best的适应度时，则需要重新计算p_best，当计算结果输出的新 粒子的适应度小于或者等于p_best的适应度时，则输出适应度为最好的个体，即是在所有软 件测试项目中搜索到的需要测量的项目。

在进一步的实施例中，其中蚁群算法模型的构建方法为：

(1)初始化；将获取的软件测试项目信息进行初始化，所选取的不同软件测试项目的 初始化总群为y(t)，设y(t)＝y_max，令功能软件测试项目、整体结构软件测试项目、完 整性软件测试项目、性能软件测试项目、环境软件测试项目等信息作为蚂蚁元素，初始 时，蚂蚁元素矩阵的所有元素初始化为0，然后随机选择所述蚂蚁元素的起始位置；其 中寻找信息因子

启发因子β∈[β_min,β_max]，寻找信息素浓度挥发因子 ρ∈[ρ_min,ρ_max]；

(2)将m只蚂蚁元素随机放置在n个位置，设所述蚂蚁元素寻找路径的循环次数为N_c，按N_c+1的顺序进行循环；在进行数据更新时，存在以下公式：

(3)设定蚂蚁元素禁忌表索引号k＝1，通过k+1进行循环；

(4)根据以下公式的状态转移概率公式计算蚂蚁选择位置j的概率；则有：

其中，δ为能见度因数，所述能见度因数表示不同位置之间的距离的倒数，α为信息素 浓度相对重要参数，β为能见度因数相对重要指数，Node为与位置i直接相连并且蚂 蚁元素尚未走过的位置的集合；

(5)选择具有最大状态转移概率的位置，将蚂蚁元素移动到所述具有最大状态转移 概率的位置，并把所述位置记入到禁忌表中；

(6)判断，当访问完蚂蚁元素数据集合中的所有位置后，令k＜m，其中m为位置的个数，则通过k+1执行循环操作，如果未访问完蚂蚁元素数据集合中的所有位置，则 重新更新每条路径上的信息量；

(7)检查终止条件，检查是否满足终止条件，所述终止条件为蚂蚁选择位置j的概率 大于75％，如果满足所述终止条件，则进行进一步操作；

(8)判断是否形成新的群体，如果所述终止条件为：蚂蚁选择位置j的概率小于75％， 则要形成新的群体，则重新对信息素矩阵进行更新，更新的方法是重新计算最小数据矩 阵D；

(9)判断是否满足终止遗传条件，当满足终止遗传条件时，所述终止遗传条件为：所 述蚂蚁选择位置j的概率大于等于75％，则输出计算结果。

在上述实施例中，蚁群算法对信息素矩阵进行更新的次数为6-12次，在一种优选的技 术方案中，该次数为8次，能够表现出较好的技术效果。

在上述实施例中，所述蚁群算法对信息素矩阵进行更新的关联性修正公式为：

r_ij(t+n)＝ρr_ij(t)+Δr_ij (12)

其中：

在公式(12)中，ρ为数据信息残留系数，1-ρ为在(t,t+n)内的时间区间中蚂蚁寻找信息素的挥发程度，1-ρ用于抑制在寻找路径中，抑制蚂蚁信息素数量无法限制。

在蚁群算法中融入粒子群算法，能够使得每个子种群的适应度值都能较快地计算出来； 在达到预定周期时，最佳化地更新全局位置，最终搜索到局部的最优解，通过划分子种群， 以避免蚁群算法中出现的早熟等现象。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体 实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对 上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实 质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发 明的范围仅由所附权利要求书限定。

Claims (10)

1.一种云计算环境下第三方软件测试系统，其特征在于：包括云端服务器、云端接口和测试终端，其中所述测试终端通过云端接口与云端服务器连接，其中云端服务器的主机的硬件配置为Intel Xeon E3-1220v53.0 GHz四核，内存为8GDDR4，硬盘为1*Intel企业级SSD，1*SATA 1T，网卡为2*千兆网口；工作机节点的硬件配置为CPU型号IntelXeonE53.0GHZ，内存为160GB，硬盘容量为128TB；所述云端服务器通过将规模级的底层服务器通过集约化、虚拟化构建起云端资源池，然后从资源池中调配计算资源组建而成，其中所述CPU、内存、磁盘或带宽以自由组合的方式存在；其中所述云端服务器还设置有大数据分布式存储结构和大数据计算模型，所述大数据分布式存储结构通过不同方式的数据存储实现数据布局，以满足用户对软件测试的不同需要，所述大数据计算模型通过设置通信接口实现大数据的通信和计算；其中所述云端服务器内设置有云端管理平台，其中，所述云端管理平台包括：

基础设施即服务层，其内至少设置有呈分布式布局的资源分配模块、数据挖掘模块、故障检测模块、信息集成模块、软件开发框架模块、任务调度模块和测试命令模块；

软件即服务层，其内至少设置有呈分布式布局的有日志处理模块、权限认证模块、数据交换模块、空间数据模块、异常处理模块、内容检索模块、存储模块和数据浏览模块；

平台即服务层，其内至少设置有呈分布式布局的算法模型模块、辅助索引模块、数据计算模块、语义索引模块、统计分析模块、文本索引模块、测试数据挖掘模块和数据索引模块；

终端，其为移动终端，其内至少设置有呈分布式布局的网络设置模块、信息系统接口模块、服务器与平台模块、安全设置模块、存储模块、虚拟环境信息模块、业务与应用模块和移动应用模块；其中：

所述基础设施即服务层、软件即服务层、平台即服务层和终端从下向上依次设置。

2.根据权利要求1所述的一种云计算环境下第三方软件测试系统，其特征在于：所述云端服务器内设置有云端测试平台，所述云端测试平台包括资源管理层、云端接口、测试任务层、测试项目管理层和测试访问端口，其中所述资源管理层的输出端与所述云端接口的输入端连接，所述云端接口的输出端与测试任务层的输入端连接，所述测试任务层的输出端与所述测试项目管理层的输入端连接，所述测试项目管理层的输出端与所述测试项目管理层的输入端的输入端连接。

3.一种应用权利要求1-2任一项所述的一种云计算环境下第三方软件测试系统进行测试的方法，其特征在于：所述方法包括以下步骤：

(S1)将软件测试项目以大数据分布式存储结构的形式实现测试项目数据布局；

(S2)通过云端服务器的云端数据接口接收软件测试项目指令，通过云端服务器内设置的主机实现软件测试项目的运行与管理；

(S3)通过测试数据挖掘算法实现软件测试项目的评估，通过数据索引实现软件测试项目的检索和查询；

(S4)通过云端接口实现测试数据的传递、共享和应用。

4.根据权利要求3所述的测试的方法，其特征在于：所述软件测试项目类型数据布局的分析的方法为：

设R为软件测试项目大数据存储数据结构的数据集合，用数据集合表示为R＝(E_i,E_j,d,t)；数据库中数据集合表示为：X＝{x₁,x₂,...,x_n}；假设数据集X含有c个类别，所述云端服务器的云网络的软件测试项目大数据的特征映射为f(k)，则检索软件测试项目大数据模型为：

min F(x)＝(f₁(x),f₂(x),...,f_m(x))^T (1)

其中n为软件测试项目大数据的统计变量，m为影响检索软件测试项目进行测试的因变量；T表示检索时间。

5.根据权利要求4所述的测试的方法，其特征在于：其中检索软件测试项目的方法为随机搜索算法模型。

6.根据权利要求5所述的测试的方法，其特征在于：所述随机搜索算法中融入蚁群算法模型和混沌粒子群算法模型，以实现测试项目的最佳检索。

7.根据权利要求6所述的测试的方法，其特征在于：所述混沌粒子群算法模型将软件测试过程中出现的选择测试项目区域信息粒子群划分多种子种群，在不同的子种群中，粒子互不影响，分别独立工作，最终寻求出彼此各自的最优值，实现各种群粒子信息之间的共享，在共同的计算、训练、演变和匹配之后，直到迭代最佳的进化数量为止。

8.根据权利要求7所述的测试的方法，其特征在于：迭代最佳次数介于7-10之间。

9.根据权利要求7所述的测试的方法，其特征在于：所述混沌粒子群算法模型的构建方法为：

假设软件测试项目的数据集为D，测试项目的数据集允许波动的范围为[0,1]，D为所有软件测试项目中的待测试目标函数项目的变量个数，当混沌产生初始粒子时，启动Logistic混沌映射公式，则有：P_i,n＝4P_i-1,n(1-P_i-1,n)； (2)

其中i＝2,3,...,G，然后逐个求出每个离子的适应度，然后再筛选出初始粒子，然后再将所有粒子从定义为[0,1]上的混沌区间映射到[a_n,b_n]的变量区间，则有公式：

p_in＝a_n+(b_n-a_n)×P_i,n (3)

然后对粒子群的每个粒子的适应度值和平均适应度值求解，在计算过程中，为了便于计算，将粒子群的当前位置和适应度最优粒子位置分别用字母p_best、g_best来表示，然后判断计算过程是否满足收敛条件，如果满足，则计算结束，如果不满足，重新更新粒子速度，最后计算软件测试项目群体的适应度方差，用公式表示为：

其中对于第i个粒子的适应度，用字母f_i表示，当前粒子群粒子的平均适应度用

来表示，归一化因子用f来表示，利用以下公式计算：

当公式(5)计算出来的量比设定的值ε(ε>0)时，则重新将[0,1]上的混沌区间映射到[a_n,b_n]的变量区间内，如果公式(5)计算出来的量小于或者等于设定的值ε时，则重新对粒子群的每个粒子的适应度值和平均适应度值进行计算，最终将粒子的位置归一化到区间[0,1]上时，则利用公式(5)进行混沌更新。

10.根据权利要求9所述的测试的方法，其特征在于：对上述粒子进行更新位置时，采用以下公式：

式6的x_i为D维向量中第i个粒子的向量表示，用集合可以表示为：

x_i＝(x_i1,x_i2,...,x_iD)^T (7)

其中i＝1,2,...,m，第i个粒子在D维向量空间中所处的位置用x_i来表示；当计算结果输出的新粒子的适应度大于p_best的适应度时，则需要重新计算p_best，当计算结果输出的新粒子的适应度小于或者等于p_best的适应度时，则输出适应度为最好的个体，即是在所有软件测试项目中搜索到的需要测量的项目。

Images