CN111930630A - 基于数据流的大数据测试用例的生成方法及装置 - Google Patents
基于数据流的大数据测试用例的生成方法及装置 Download PDFInfo
- Publication number
- CN111930630A CN111930630A CN202010823849.4A CN202010823849A CN111930630A CN 111930630 A CN111930630 A CN 111930630A CN 202010823849 A CN202010823849 A CN 202010823849A CN 111930630 A CN111930630 A CN 111930630A
- Authority
- CN
- China
- Prior art keywords
- test
- data
- flow
- platform technologies
- big data
- 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
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 289
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005516 engineering process Methods 0.000 claims abstract description 104
- 230000006870 function Effects 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000013500 data storage Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims 2
- 238000013100 final test Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013522 software testing Methods 0.000 description 3
- 238000011022 operating instruction Methods 0.000 description 2
- 230000008570 general process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010998 test method Methods 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
- G06F11/3684—Test management for test design, e.g. generating new test cases
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)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种基于数据流的大数据测试用例的生成方法及装置，该方法包括：获取被测系统各数据流程中应用的多个大数据平台技术；根据被测系统的测试功能点，设置测试功能点的至少一个测试场景以及各测试场景对应的测试数据；在被测系统各数据流程进行流转时，计算各测试场景对应的测试数据流经的大数据平台技术的总数量；根据流经的大数据平台技术的总数量最大的测试数据以及对应的测试场景，生成预设数量的测试用例。本发明选择覆盖大数据平台技术多的测试数据以及对应的测试场景来生成最终的测试用例，保证了测试用例的高效性，以及系统功能测试的全面性。
Description
技术领域
本发明涉及计算机软件测试技术领域，具体涉及一种基于数据流的大数据测试用例的生成方法及装置。
背景技术
软件测试是计算机软件开发过程中不可缺少的流程。目前，随着大数据技术的兴起，基于大数据的平台系统越来越多，然而针对大数据平台系统的测试方法则少之又少，如何把传统的测试方法应用到大数据平台系统的测试中是比较困难的。
现有技术一般只考虑测试场景，没有考虑大数据平台系统采用的技术的特点，故测试用例的编写有一定的局限性，无法实现测试的高效性和全面性。
需要注意的是，本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
发明内容
本发明实施例提供一种基于数据流的大数据测试用例的生成方法及装置，以解决现有技术中测试方法只考虑测试场景从而使编写的测试用例具有一定局限性的问题。
第一方面，本发明实施例提供一种基于数据流的大数据测试用例的生成方法，包括：
获取被测系统各数据流程中应用的多个大数据平台技术；
根据所述被测系统的测试功能点，设置所述测试功能点的至少一个测试场景以及各所述测试场景对应的多个测试数据；
在所述被测系统各数据流程进行流转时，计算各所述测试场景对应的测试数据流经的大数据平台技术的总数量；
根据流经的大数据平台技术的总数量最大的测试数据以及对应的测试场景，生成预设数量的测试用例。
作为本发明第一方面的优选方式，所述被测系统的数据流程至少包括采集数据流程、处理数据流程、存储数据流程和查询分析数据流程。
作为本发明第一方面的优选方式，所述在所述被测系统各数据流程进行流转时，计算各所述测试场景对应的测试数据流经的大数据平台技术的总数量包括：
在所述被测系统各数据流程进行流转时，分别计算各所述测试场景对应的测试数据在采集数据流程流经的大数据平台技术的第一数量、在处理数据流程流经的大数据平台技术的第二数量、在存储数据流程流经的大数据平台技术的第三数量和在查询分析数据流程流经的大数据平台技术的第四数量；
根据所述第一数量、所述第二数量，所述第三数量和所述第四数量，计算各所述测试场景对应的测试数据流经的大数据平台技术的总数量。
作为本发明第一方面的优选方式，在所述被测系统各数据流程进行流转时，计算各所述测试场景对应的测试数据流经的大数据平台技术的总数量之后，还包括：
按照各所述测试场景对应的测试数据流经的大数据平台技术的总数量从大到小的顺序，将各所述测试场景对应的测试数据进行排序。
第二方面，本发明实施例提供一种基于数据流的大数据测试用例的生成装置，包括：
获取单元，用于获取被测系统各数据流程中应用的多个大数据平台技术；
设置单元，用于根据所述被测系统的测试功能点，设置所述测试功能点的至少一个测试场景以及各所述测试场景对应的多个测试数据；
计算单元，用于在所述被测系统各数据流程进行流转时，计算各所述测试场景对应的测试数据流经的大数据平台技术的总数量；
生成单元，用于根据流经的大数据平台技术的总数量最大的测试数据以及对应的测试场景，生成预设数量的测试用例。
作为本发明第二方面的优选方式，所述被测系统的数据流程至少包括采集数据流程、处理数据流程、存储数据流程和查询分析数据流程。
作为本发明第二方面的优选方式，所述计算单元具体用于：
在所述被测系统各数据流程进行流转时，分别获取各所述测试场景对应的测试数据在采集数据流程流经的大数据平台技术的第一数量、在处理数据流程流经的大数据平台技术的第二数量、在存储数据流程流经的大数据平台技术的第三数量和在查询分析数据流程流经的大数据平台技术的第四数量；
根据所述第一数量、所述第二数量，所述第三数量和所述第四数量，计算各所述测试场景对应的测试数据流经的大数据平台技术的总数量。
作为本发明第二方面的优选方式，所述计算单元还用于：
按照各所述测试场景对应的测试数据流经的大数据平台技术的总数量从大到小的顺序，将各所述测试场景对应的测试数据进行排序。
第三方面，本发明实施例提供一种计算设备，包括处理器和存储器，其中所述存储器内存储有执行指令，所述处理器读取所述存储器内的执行指令用于执行如上述基于数据流的大数据测试用例的生成方法所述的步骤。
第四方面，本发明实施例提供一种计算机可读存储介质，包含计算机执行指令，所述计算机执行指令被用于执行如上述基于数据流的大数据测试用例的生成方法所述的步骤。
本发明实施例提供的一种基于数据流的大数据测试用例的生成方法及装置，获取到被测系统各个数据流程中应用的大数据平台技术后，再结合被测系统的测试功能点来设置其测试场景和对应的测试数据，然后记录测试数据在流转过程中流经的大数据平台技术的总数量，最后选择覆盖大数据平台技术多的测试数据以及对应的测试场景来生成最终的测试用例，保证了测试用例的高效性，以及系统功能测试的全面性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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为本发明实施例提供的一种基于数据流的大数据测试用例的生成方法的实现流程图；
图2为本发明实施例提供的一种基于数据流的大数据测试用例的生成装置的结构示意图；
图3为本发明实施例提供的一种计算设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
参照图1所示，本发明实施例公开了一种基于数据流的大数据测试用例的生成方法，该方法主要包括以下步骤：
101、获取被测系统各数据流程中应用的多个大数据平台技术；
102、根据被测系统的测试功能点，设置测试功能点的至少一个测试场景以及各测试场景对应的多个测试数据；
103、在被测系统各数据流程进行流转时，计算各测试场景对应的测试数据流经的大数据平台技术的总数量；
104、根据流经的大数据平台技术的总数量最大的测试数据以及对应的测试场景，生成预设数量的测试用例。
在软件开发过程中，软件测试是不可缺少的流程。目前，随着大数据技术的兴起，基于大数据的平台系统越来越多，然而针对大数据平台系统的测试方法则少之又少，如何把传统的测试方法应用到大数据平台系统的测试中是比较困难的。
现有技术一般只考虑测试场景，没有考虑大数据平台系统采用的技术的特点，故测试用例的编写有一定的局限性，无法实现测试的高效性和全面性。
在步骤101中，本实施例中需要测试的被测系统，其主要为大数据平台系统。在大数据平台系统中，通常会包括多个数据流程，在各个数据流程中均会应用到一些对应的大数据平台技术。本实施例中，所述的大数据平台技术指在大数据领域中应用的数据处理组件或工具等。
在通常情况下，针对某一个被测系统，其应用到的大数据平台技术是已知的，一般不需要额外通过其他手段进行获取，本实施例对被测系统中应用到的大数据平台技术的获取方式不做限定。
优选地，被测系统的数据流程至少包括采集数据流程、处理数据流程、存储数据流程和查询分析数据流程。
在大数据平台系统中，其功能测试的数据流程一般为采集数据—处理数据—存储数据—查询分析数据，因此数据流程通常包括采集数据流程、处理数据流程、存储数据流程和查询分析数据流程，从而在采集数据流程中应用的大数据平台技术通常统称为采集技术，而在处理数据流程、存储数据流程和查询分析数据流程中应用的大数据平台技术则通常分别统称为处理技术、存储技术和查询分析技术。
示例性地，采集技术通常包括flume、kafka等，处理技术通常包括mapreduce、spark等，存储技术通常包括Hbase、Hive、Hdfs等，查询分析技术通常包括Lucence、ElasticSearch等。
以上这些技术均为本领域技术人员公知的技术，因此本实施例中不再对这些技术做详细描述。
当然，上述列举的数据流程仅是大数据平台系统中数据必经的一般过程，也会有部分流程需要在测试过程中体现，因此本领域技术人员可以根据实际情况对上述数据流程进行扩展以满足测试需求。
在步骤102中，为了尽可能覆盖全部大数据平台相应的技术，则需要根据被测系统需要测试的测试功能点，对应设置其至少一个测试场景，在各个测试场景下又对应设置有多个测试数据。
测试场景主要用于模拟现实用户的习惯，应尽可能覆盖测试功能点在实际应用过程中全部的实际场景。在准备某一个测试场景下的测试数据时，通常需要考虑其数据量和数据种类，其中数据量按照实际测试时需要的数据量进行准备，而数据种类则需要尽可能全部覆盖实际场景中已知的数据种类。
由于上述测试场景以及对应的多个测试数据的设置，其设置与被测系统有关，本领域人员可以根据实际情况列出其特定的测试场景和对应的测试数据，因此本实施例中不再对此做详细描述。
需要说明的是，步骤101和步骤102没有严格的执行顺序，本领域技术人员可以根据实际情况选择合适的执行顺序来实施本技术方案。
在步骤103中，根据被测系统功能测试的数据流程的顺序，将设置的各测试场景以及对应的测试数据在被测系统中进行流转，同时在流转过程中将各测试场景对应的测试数据流经的大数据平台技术进行标记并全部罗列出来，然后分别统计其总数量。
示例性地，针对被测系统的测试功能点，设置了测试场景C＝(C1，C2，……CL)，其中CL表示第L个测试场景，同时设置了每个测试场景对应的测试数据CMD＝(C1D，C2D，……CMD)，其中CMD表示在测试场景CM下的测试数据。则根据某一个测试场景Cx，将测试数据CxD流经的大数据技术全部罗列出来，即CxDTY＝(CxDT1，CxDT2，……CxDTN)，其中CxDTN表示测试场景Cx下的测试数据CxD在被测系统各数据流程流转时流经的大数据平台技术TN，N表示测试场景Cx下的测试数据在被测系统各数据流程流转时的标记值，即测试场景Cx下的测试数据在被测系统各数据流程流转时流经的大数据平台技术的总数量。
其中，L、M、X和N均为正整数。
优选地，在一种可能的实施方式中，步骤103可以按照如下步骤实施：
1031、在被测系统各数据流程进行流转时，分别计算各测试场景对应的测试数据在采集数据流程流经的大数据平台技术的第一数量、在处理数据流程流经的大数据平台技术的第二数量、在存储数据流程流经的大数据平台技术的第三数量和在查询分析数据流程流经的大数据平台技术的第四数量。
该步骤中，将各测试场景以及对应的测试数据在被测系统各数据流程中进行流转时，标记并罗列出各数据流程中流经的大数据平台技术，并分别统计其各自的数量。
示例性地，在采集数据流程中，标记测试数据CD流经的采集技术T1；数据采集后进行处理，在处理数据流程中标记测试数据CD流经的处理技术T2；测试数据流经采集技术T1和处理技术T2后，再将测试数据进行存储，在存储数据流程中标记测试数据CD流经的存储技术T3；最后将测试数据进行查询分析，在查询分析数据流程中标记测试数据CD流经的查询分析技术T4。
在标记出各数据流程流经的大数据平台技术后，分别统计其数量，即可分别得到第一数量、第二数量，第三数量和第四数量。
需要说明的是，上述数据流程一般是数据必经的过程，但是也会有部分功能，需要在测试过程中利用大数据工具等进行数据监控和数据日志查看等，所有这些大数据工具等若在相应的测试用例中体现的话，也需要将这些工具作为大数据技术全部统计对应的数量内。
1032、根据第一数量、第二数量，第三数量和第四数量，计算各测试场景对应的测试数据流经的大数据平台技术的数量。
该步骤中，根据上述得到的第一数量、第二数量，第三数量和第四数量，相加后即可得到该测试场景对应的测试数据流经的大数据平台技术的总数量N。
N值越大表示测试数据CD被选择的几率越大，也说明该测试数据CD和测试场景C组合生成的测试用例越有效，对系统的测试就越高效、越全面。
优选地，在步骤103之后，还包括如下步骤：
103-1、按照各测试场景对应的测试数据流经的大数据平台技术的总数量从大到小的顺序，将各测试场景对应的测试数据进行排序。
该步骤中，将各测试场景对应的测试数据流经的大数据平台技术的总数量统计出后，按照该总数量从大到小的顺序，对各测试场景对应的测试数据进行排序。
选择流经的大数据平台技术的总数量最大的测试数据CD，再结合相应的测试场景设计出测试用例，能够保证系统测试的高效性和全面性。
在步骤104中，选择流经的大数据平台技术的总数量最大的测试数据以及对应的测试场景，来生成预设数量的测试用例，能够保证系统测试的高效性和全面性。
通常情况下，流经的大数据平台技术的总数量最大值只有一个，此时选择该测试数据以及对应的测试场景来构造测试用例即可。当流经的大数据平台技术的总数量最大值有两个或两个以上时，可以任意选择一个测试数据以及对应的测试场景来构造测试用例，均能够保证系统测试的高效性和全面性。
综上所述，本发明实施例提供的基于数据流的大数据测试用例的生成方法，获取到被测系统各个数据流程中应用的大数据平台技术后，再结合被测系统的测试功能点来设置其测试场景和对应的多个测试数据，然后记录每个测试数据在流转过程中流经的大数据平台技术的总数量，最后选择覆盖大数据平台技术多的测试数据来生成最终的测试用例，保证了测试用例的高效性，以及系统功能测试的全面性。
需要说明的是，对于上述方法的实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明所必须的。
参照图2所示，基于同一发明构思，本发明实施例提供一种基于数据流的大数据测试用例的生成装置，该装置主要包括：
获取单元21，用于获取被测系统各数据流程中应用的多个大数据平台技术；
设置单元22，用于根据所述被测系统的测试功能点，设置所述测试功能点的至少一个测试场景以及各所述测试场景对应的多个测试数据；
计算单元23，用于在所述被测系统各数据流程进行流转时，计算各所述测试场景对应的每个测试数据流经的大数据平台技术的总数量；
生成单元24，用于根据流经的大数据平台技术的总数量最大的测试数据以及对应的测试场景，生成预设数量的测试用例。
优选地，所述被测系统的数据流程至少包括采集数据流程、处理数据流程、存储数据流程和查询分析数据流程。
优选地，所述计算单元23具体用于：
在所述被测系统各数据流程进行流转时，分别获取各所述测试场景对应的每个测试数据在采集数据流程流经的大数据平台技术的第一数量、在处理数据流程流经的大数据平台技术的第二数量、在存储数据流程流经的大数据平台技术的第三数量和在查询分析数据流程流经的大数据平台技术的第四数量；
根据所述第一数量、所述第二数量，所述第三数量和所述第四数量，计算各所述测试场景对应的测试数据流经的大数据平台技术的总数量。
优选地，所述计算单元23还用于：
按照各所述测试场景对应的每个测试数据流经的大数据平台技术的总数量从大到小的顺序，将各所述测试场景对应的测试数据进行排序。
综上所述，本发明实施例提供的基于数据流的大数据测试用例的生成装置，获取到被测系统各个数据流程中应用的大数据平台技术后，再结合被测系统的测试功能点来设置其测试场景和对应的多个测试数据，然后记录每个测试数据在流转过程中流经的大数据平台技术的总数量，最后选择覆盖大数据平台技术多的测试数据来生成最终的测试用例，保证了测试用例的高效性，以及系统功能测试的全面性。
需要说明的是，本发明实施例提供的基于数据流的大数据测试用例的生成装置与前述实施例所述的基于数据流的大数据测试用例的生成方法属于相同的技术构思，其具体实施过程可参照前述实施例中对方法步骤的说明，在此不再赘述。
应当理解，以上一种基于数据流的大数据测试用例的生成装置包括的单元仅为根据该装置实现的功能进行的逻辑划分，实际应用中，可以进行上述单元的叠加或拆分。并且该实施例提供的一种基于数据流的大数据测试用例的生成装置所实现的功能与上述实施例提供的一种基于数据流的大数据测试用例的生成方法一一对应，对于该装置所实现的更为详细的处理流程，在上述方法实施例中已做详细描述，此处不再详细描述。
参照图3所示，基于同一发明构思，该计算设备主要包括处理器31和存储器32，其中存储器32内存储有执行指令。该处理器31读取存储器32内的执行指令用于执行上述基于数据流的大数据测试用例的生成方法实施例中所述的步骤。或者，该处理器31读取存储器32内的执行指令用于实现上述基于数据流的大数据测试用例的生成装置实施例中各单元的功能。
图3为本发明实施例提供的计算设备的一种结构示意图，如图3所示，该计算设备包括处理器31、存储器32和收发器33；其中，处理器31、存储器32和收发器33通过总线34相互连接。
存储器32用于存储程序；具体地，程序可以包括程序代码，程序代码包括计算机操作指令。存储器32可以包括易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，简称RAM)；存储器32也可以包括非易失性存储器(non-volatilememory)，例如快闪存储器(flash memory)，硬盘(hard disk drive，简称HDD)或固态硬盘(solid-state drive，简称SSD)；存储器32还可以包括上述种类的存储器的组合。
存储器32存储了如下的元素，可执行模块或者数据结构，或者它们的子集，或者它们的扩展集：
操作指令：包括各种操作指令，用于实现各种操作。
操作系统：包括各种系统程序，用于实现各种基础业务以及处理基于硬件的任务。
总线34可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
处理器31可以是中央处理器(central processing unit，简称CPU)，网络处理器(network processor，简称NP)或者CPU和NP的组合。还可以是硬件芯片。上述硬件芯片可以是专用集成电路(application-specific integrated circuit，简称ASIC)，可编程逻辑器件(programmable logic device，简称PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complex programmable logic device，简称CPLD)，现场可编程逻辑门阵列(fieldprogrammable gate array，简称FPGA)，通用阵列逻辑(generic array logic，简称GAL)或其任意组合。
本发明实施例还提供一种计算机可读存储介质，包含计算机执行指令，所述计算机执行指令被用于执行上述基于数据流的大数据测试用例的生成方法实施例中所述的步骤。或者，所述计算机执行指令被用于执行上述基于数据流的大数据测试用例的生成装置实施例中各单元的功能。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于数据流的大数据测试用例的生成方法，其特征在于，包括：
获取被测系统各数据流程中应用的多个大数据平台技术；
根据所述被测系统的测试功能点，设置所述测试功能点的至少一个测试场景以及各所述测试场景对应的多个测试数据；
在所述被测系统各数据流程进行流转时，计算各所述测试场景对应的测试数据流经的大数据平台技术的总数量；
根据流经的大数据平台技术的总数量最大的测试数据以及对应的测试场景，生成预设数量的测试用例。
2.根据权利要求1所述的方法，其特征在于，所述被测系统的数据流程至少包括采集数据流程、处理数据流程、存储数据流程和查询分析数据流程。
3.根据权利要求2所述的方法，其特征在于，所述在所述被测系统各数据流程进行流转时，计算各所述测试场景对应的测试数据流经的大数据平台技术的总数量包括：
在所述被测系统各数据流程进行流转时，分别计算各所述测试场景对应的测试数据在采集数据流程流经的大数据平台技术的第一数量、在处理数据流程流经的大数据平台技术的第二数量、在存储数据流程流经的大数据平台技术的第三数量和在查询分析数据流程流经的大数据平台技术的第四数量；
根据所述第一数量、所述第二数量，所述第三数量和所述第四数量，计算各所述测试场景对应的测试数据流经的大数据平台技术的总数量。
4.根据权利要1～3中任一项所述的方法，其特征在于，在所述被测系统各数据流程进行流转时，计算各所述测试场景对应的测试数据流经的大数据平台技术的总数量之后，还包括：
按照各所述测试场景对应的测试数据流经的大数据平台技术的总数量从大到小的顺序，将各所述测试场景对应的测试数据进行排序。
5.一种基于数据流的大数据测试用例的生成装置，其特征在于，包括：
获取单元，用于获取被测系统各数据流程中应用的多个大数据平台技术；
设置单元，用于根据所述被测系统的测试功能点，设置所述测试功能点的至少一个测试场景以及各所述测试场景对应的多个测试数据；
计算单元，用于在所述被测系统各数据流程进行流转时，计算各所述测试场景对应的测试数据流经的大数据平台技术的总数量；
生成单元，用于根据流经的大数据平台技术的总数量最大的测试数据以及对应的测试场景，生成预设数量的测试用例。
6.根据权利要求5所述的装置，其特征在于，所述被测系统的数据流程至少包括采集数据流程、处理数据流程、存储数据流程和查询分析数据流程。
7.根据权利要求6所述的装置，其特征在于，所述计算单元具体用于：
在所述被测系统各数据流程进行流转时，分别获取各所述测试场景对应的测试数据在采集数据流程流经的大数据平台技术的第一数量、在处理数据流程流经的大数据平台技术的第二数量、在存储数据流程流经的大数据平台技术的第三数量和在查询分析数据流程流经的大数据平台技术的第四数量；
根据所述第一数量、所述第二数量，所述第三数量和所述第四数量，计算各所述测试场景对应的测试数据流经的大数据平台技术的总数量。
8.根据权利要5～7中任一项所述的装置，其特征在于，所述计算单元还用于：
按照各所述测试场景对应的测试数据流经的大数据平台技术的总数量从大到小的顺序，将各所述测试场景对应的测试数据进行排序。
9.一种计算设备，其特征在于，包括处理器和存储器，其中存储器内存储有执行指令，处理器读取存储器内的执行指令用于执行如权利要求1～4中任一项所述的基于数据流的大数据测试用例的生成方法中的步骤。
10.一种计算机可读存储介质，其特征在于，包含计算机执行指令，所述计算机执行指令被用于执行如权利要求1～4中任一项所述的基于数据流的大数据测试用例的生成方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010823849.4A CN111930630B (zh) | 2020-08-17 | 2020-08-17 | 基于数据流的大数据测试用例的生成方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010823849.4A CN111930630B (zh) | 2020-08-17 | 2020-08-17 | 基于数据流的大数据测试用例的生成方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111930630A true CN111930630A (zh) | 2020-11-13 |
| CN111930630B CN111930630B (zh) | 2024-01-05 |
Family
ID=73311412
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010823849.4A Active CN111930630B (zh) | 2020-08-17 | 2020-08-17 | 基于数据流的大数据测试用例的生成方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111930630B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112506803A (zh) * | 2021-01-09 | 2021-03-16 | 杭银消费金融股份有限公司 | 大数据测试方法及系统 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070016894A1 (en) * | 2005-07-15 | 2007-01-18 | Sreedhar Vugranam C | System and method for static analysis using fault paths |
| CN101866317A (zh) * | 2010-06-29 | 2010-10-20 | 南京大学 | 一种基于聚类分析的回归测试用例选择方法 |
| CN103248440A (zh) * | 2013-04-18 | 2013-08-14 | 北京邮电大学 | 终端测试系统及方法 |
| CN104268073A (zh) * | 2014-09-05 | 2015-01-07 | 北京广利核系统工程有限公司 | 一种批量生成测试用例的方法 |
| CN104360945A (zh) * | 2014-11-18 | 2015-02-18 | 电信科学技术第十研究所 | 一种测试用例筛选的计算机实现的方法、计算机及系统 |
| CN104461901A (zh) * | 2014-12-23 | 2015-03-25 | 浪潮(北京)电子信息产业有限公司 | 一种自动生成测试用例的方法及系统 |
| CN108415830A (zh) * | 2018-02-05 | 2018-08-17 | 广东睿江云计算股份有限公司 | 一种软件测试用例的生成方法及装置 |
| CN108683560A (zh) * | 2018-05-15 | 2018-10-19 | 中国科学院软件研究所 | 一种大数据流处理框架的性能基准测试系统及方法 |
| CN108845927A (zh) * | 2018-05-04 | 2018-11-20 | 联动优势电子商务有限公司 | 一种测试用例的筛选方法及装置 |
| CN109522226A (zh) * | 2018-11-09 | 2019-03-26 | 贵州医渡云技术有限公司 | 大数据平台测试方法、装置、电子设备及计算机可读介质 |
| CN109857661A (zh) * | 2019-01-25 | 2019-06-07 | 深圳微品致远信息科技有限公司 | 一种基于大数据分析的智能生成测试用例的方法及系统 |
| CN110109816A (zh) * | 2018-02-01 | 2019-08-09 | 华为技术有限公司 | 测试用例选择方法和装置 |
| CN110377511A (zh) * | 2019-07-11 | 2019-10-25 | 河海大学 | 一种面向数据流的测试用例生成方法 |
| CN110443588A (zh) * | 2019-08-20 | 2019-11-12 | 山东浪潮通软信息科技有限公司 | 一种工作流程测试的方法及系统 |
| CN111193640A (zh) * | 2019-12-26 | 2020-05-22 | 西安交通大学 | 采用策略分解和符号执行的有状态数据平面故障检测方法 |
-
2020
- 2020-08-17 CN CN202010823849.4A patent/CN111930630B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070016894A1 (en) * | 2005-07-15 | 2007-01-18 | Sreedhar Vugranam C | System and method for static analysis using fault paths |
| CN101866317A (zh) * | 2010-06-29 | 2010-10-20 | 南京大学 | 一种基于聚类分析的回归测试用例选择方法 |
| CN103248440A (zh) * | 2013-04-18 | 2013-08-14 | 北京邮电大学 | 终端测试系统及方法 |
| CN104268073A (zh) * | 2014-09-05 | 2015-01-07 | 北京广利核系统工程有限公司 | 一种批量生成测试用例的方法 |
| CN104360945A (zh) * | 2014-11-18 | 2015-02-18 | 电信科学技术第十研究所 | 一种测试用例筛选的计算机实现的方法、计算机及系统 |
| CN104461901A (zh) * | 2014-12-23 | 2015-03-25 | 浪潮(北京)电子信息产业有限公司 | 一种自动生成测试用例的方法及系统 |
| CN110109816A (zh) * | 2018-02-01 | 2019-08-09 | 华为技术有限公司 | 测试用例选择方法和装置 |
| CN108415830A (zh) * | 2018-02-05 | 2018-08-17 | 广东睿江云计算股份有限公司 | 一种软件测试用例的生成方法及装置 |
| CN108845927A (zh) * | 2018-05-04 | 2018-11-20 | 联动优势电子商务有限公司 | 一种测试用例的筛选方法及装置 |
| CN108683560A (zh) * | 2018-05-15 | 2018-10-19 | 中国科学院软件研究所 | 一种大数据流处理框架的性能基准测试系统及方法 |
| CN109522226A (zh) * | 2018-11-09 | 2019-03-26 | 贵州医渡云技术有限公司 | 大数据平台测试方法、装置、电子设备及计算机可读介质 |
| CN109857661A (zh) * | 2019-01-25 | 2019-06-07 | 深圳微品致远信息科技有限公司 | 一种基于大数据分析的智能生成测试用例的方法及系统 |
| CN110377511A (zh) * | 2019-07-11 | 2019-10-25 | 河海大学 | 一种面向数据流的测试用例生成方法 |
| CN110443588A (zh) * | 2019-08-20 | 2019-11-12 | 山东浪潮通软信息科技有限公司 | 一种工作流程测试的方法及系统 |
| CN111193640A (zh) * | 2019-12-26 | 2020-05-22 | 西安交通大学 | 采用策略分解和符号执行的有状态数据平面故障检测方法 |
Non-Patent Citations (4)
| Title |
|---|
| BHURIDECH SUDSEE等: "An Improvement of a Checkpoint-based Distributed Testing Technique on a Big Data Environment", 2019 21ST INTERNATIONAL CONFERENCE ON ADVANCED COMMUNICATION TECHNOLOGY (ICACT), pages 1081 - 1090 * |
| WEIXIN_30296405: "大数据测试技术研究", pages 1 - 2, Retrieved from the Internet <URL:https://blog.csdn.net/weixin_30296405/article/details/96919507> * |
| 戚荣志等: "基于Spark的并行化组合测试用例集生成方法", 计算机学报, vol. 41, no. 6, pages 1064 - 1079 * |
| 董路迪: "基于用户日志分析的测试用例生成系统的设计与实现", 中国优秀硕士学位论文全文数据库信息科技辑, no. 1, pages 138 - 1130 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112506803A (zh) * | 2021-01-09 | 2021-03-16 | 杭银消费金融股份有限公司 | 大数据测试方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111930630B (zh) | 2024-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7168772B2 (ja) | ニューラルネットワーク捜索方法、装置、プロセッサ、電子機器、記憶媒体及びコンピュータプログラム | |
| CN110705214A (zh) | 一种自动编码方法及装置 | |
| US20140067360A1 (en) | System And Method For On-Demand Simulation Based Learning For Automation Framework | |
| CN114546738B (zh) | 服务器通用测试方法、系统、终端及存储介质 | |
| CN111930630A (zh) | 基于数据流的大数据测试用例的生成方法及装置 | |
| Agarwal et al. | SDLC model selection tool and risk incorporation | |
| CN110019067A (zh) | 一种日志分析方法及系统 | |
| CN109522305B (zh) | 一种大数据去重方法及装置 | |
| CN109345081B (zh) | 一种数据采集方法、装置及电子设备 | |
| JP2022522790A (ja) | ブロックチェーントランザクションを追跡するための方法およびデバイス | |
| CN107784195A (zh) | 数据处理方法及装置 | |
| WO2008005637A2 (en) | Hybrid assessment tool, and systems and methods of quantifying risk | |
| CN116009889A (zh) | 深度学习模型的部署方法、装置、电子设备及存储介质 | |
| CN110008382B (zh) | 一种确定TopN数据的方法、系统及设备 | |
| CN111708712A (zh) | 用户行为测试用例的生成方法、流量回放方法及电子设备 | |
| CN109032940B (zh) | 一种测试场景录入方法、装置、设备及存储介质 | |
| CN107992526B (zh) | 主播推荐方法、存储设备及计算机设备 | |
| CN106897181B (zh) | 一种Vdbench测试装置 | |
| CN114996151A (zh) | 接口测试方法、装置、电子设备及可读存储介质 | |
| CN113886342A (zh) | 文件的格式转换方法、装置、存储介质及处理器 | |
| CN111639031A (zh) | 一种基于测试数据的覆盖评估方法及装置 | |
| US10002009B2 (en) | Electronic device performing emulation-based forensic analysis and method of performing forensic analysis using the same | |
| CN112104716A (zh) | 软件项目采集数据的方法、装置、可读存储介质及设备 | |
| CN111400129A (zh) | 一种分布式应用性能监控及瓶颈定位系统、方法及设备 | |
| CN113660499B (zh) | 基于视频数据的热力图生成方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |