CN113110989A - 测试依据获取方法、应用程序测试方法以及相关装置 - Google Patents

Abstract

本发明提供一种测试依据获取方法、应用程序测试方法以及相关装置，获取方法包括：获取应用程序的硬件事件数据集，并对硬件事件数据集进行分类，以得到预设数量的类簇；计算硬件事件数据集中每一硬件事件数据与每一类簇的质心的距离，根据每一硬件事件数据与质心的距离，利用质心标记硬件事件数据；根据每一硬件事件数据的标记以及硬件事件数据所属的类簇的质心，输出测试数据集。以此能够获取到应用程序的测试依据。

Description

测试依据获取方法、应用程序测试方法以及相关装置

技术领域

本发明涉及视频监控技术领域，尤其是涉及一种测试依据获取方法、应用程序测试方法以及相关装置。

背景技术

目前移动端处理器研究已经相对成熟，但大多数手机处理器的设计不合理，导致应用程序在运行的过程中无法发挥出手机处理器的全部性能，导致性能表现很差，手机发热，电量消耗大的问题普遍存在，因此需要对应用程序进行测试，进而改善这一现象，而测试过程中所使用的测试数据显得尤为重要。

发明内容

本发明提供一种应用程序的测试依据获取方法以及应用程序的测试方法，其能够获取到应用程序的测试依据。

为解决上述技术问题，本发明提供的第一个技术方案为：提供一种应用程序的测试依据获取方法，包括：获取应用程序的硬件事件数据集，并对硬件事件数据集进行分类，以得到预设数量的类簇；计算硬件事件数据集中每一硬件事件数据与每一类簇的质心的距离，根据每一硬件事件数据与质心的距离，利用质心标记硬件事件数据；根据每一硬件事件数据的标记以及硬件事件数据所属的类簇的质心，输出测试数据集。

其中，计算硬件事件数据集中每一硬件事件数据与每一类簇的质心的距离，根据每一硬件事件数据与质心的距离，利用质心标记硬件事件数据，包括：计算硬件事件数据集中每一硬件事件数据与每一类簇的质心的距离；根据距离得到与每一硬件事件数据距离最近的质心；利用距离最近的质心标记硬件事件数据。

其中，根据每一硬件事件数据的标记以及硬件事件数据所属的类簇的质心，输出测试数据集，包括：将标记与硬件事件数据所属的类簇的质心相同的硬件事件数据输出，以作为测试数据集。

其中，对硬件事件数据集进行分类，以得到预设数量的类簇，包括：利用聚类算法对硬件事件数据集进行分类，以得到预设数量的类簇。

其中，利用聚类算法对硬件事件数据集进行分类，以得到预设数量的类簇之前，还包括：设定第一预设范围，并基于第一预设范围得到多个第一预设值，根据多个第一预设值对硬件事件数据集进行分类，进而得到预设数量的类簇。

其中，设定第一预设范围，并基于第一预设范围得到多个第一预设值，根据多个第一预设值对硬件事件数据集进行分类之后，还包括：根据每一第一预设值对应的分类结果确定第二预设范围；基于第二预设范围得到多个第二预设值，并根据多个第二预设值对硬件事件数据集进行分类，以得到预设数量的类簇。

其中，根据每一第一预设值对应的分类结果确定第二预设范围，包括：计算每一第一预设值对应的分类结果中的簇的簇内误差平方和；基于计算的簇内误差平方和得到线性图；基于线性图确定第二预设范围。

其中，基于线性图确定第二预设范围，包括：取线性图趋于平滑的位置作为第二预设范围。

其中，对硬件事件数据集进行分类，以得到预设数量的类簇，包括：对硬件事件数据集中的每一硬件事件数据进行重要性分析；基于重要性分析结果对硬件事件数据进行排序；基于排序结果剔除部分硬件事件数据；对剩余硬件事件数据形成的硬件事件数据集进行分类，以得到预设数量的类簇。

为解决上述技术问题，本发明提供的第二个技术方案为：提供一种应用程序测试方法，包括：获取测试数据集；其中，根据上述任一项的方法获取测试数据集；利用测试数据集对应用程序进行测试。

为解决上述技术问题，本发明提供的第三个技术方案为：提供一种电子设备，包括：存储器和处理器，其中，存储器存储有程序指令，处理器从存储器调取程序指令以执行上述任一项的获取应用程序的测试依据的方法或上述的应用程序测试方法。

为解决上述技术问题，本发明提供的第四个技术方案为：提供一种计算机可读存储介质，存储有程序文件，程序文件能够被执行以实现上述任一项的获取应用程序的测试依据的方法或上述的应用程序测试方法。

本发明的有益效果，区别于现有技术，本发明通过获取应用程序的硬件事件数据集，并对硬件事件数据集进行分类，以得到预设数量的类簇；计算硬件事件数据集中每一硬件事件数据与每一类簇的质心的距离，根据每一硬件事件数据与质心的距离，利用质心标记硬件事件数据；根据每一硬件事件数据的标记以及硬件事件数据所属的类簇的质心，输出测试数据集。其能够获取到应用程序对应的测试依据。

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它的附图，其中：

图1为本发明应用程序的测试依据获取方法的第一实施例的流程示意图；

图2为本发明应用程序的测试依据获取方法的第二实施例的流程示意图；

图3为本发明应用程序的测试依据获取方法的一实施例的流程示意图；

图4为图1中步骤S12的一具体实施例的流程示意图；

图5为本发明应用程序测试方法的一实施例的流程示意图；

图6为本发明电子设备的一实施例的结构示意图；

图7为本发明计算机可读存储介质的一实施例的结构示意图。

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，所描述的实施例仅是本申请的一部分实施例，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。

本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

请参见图1，为本发明应用程序的测试依据的获取方法的第一实施例的流程示意图，具体包括：

步骤S11：获取应用程序的硬件事件数据集，并对硬件事件数据集进行分类，以得到预设数量的类簇。

具体地，可以获取应用程序的多个硬件事件数据，得到硬件事件数据集，该硬件事件数据可以为应用程序的执行命令、或者应用程序的执行操作等。

在一具体实施例中，可以利用聚类算法对硬件事件数据集进行分类，以得到预设数量的类簇。具体地，聚类算法优选为k-means聚类算法。

在一实施例中，为了减少计算量，可以在进行聚类之前对硬件事件数据集中的硬件事件数据进行筛选过滤。具体请结合图2，包括：

步骤S21：对硬件事件数据集中的每一硬件事件数据进行重要性分析。

具体地，可以利用随机梯度增强回归树算法对硬件事件数据集中的每一硬件事件数据进行重要性分析。

步骤S22：基于重要性分析结果对硬件事件数据进行排序。

基于重要性分析结果对硬件事件数据进行排序。具体地，可以按照重要性从高到低依次对硬件事件数据进行排序。

步骤S23：基于排序结果剔除部分硬件事件数据。

具体地，可以设定重要性阈值，根据重要性阈值剔除部分硬件事件数据。例如，重要性阈值为60％，若硬件事件数据的重要性大于60％，则将其保留，若硬件事件数据的重要性小于60％，则将其剔除。以此可以减少硬件事件数据的数量，减少计算量，并且还可以将代表应用程序的特征控制在合适的维度。

步骤S24：对剩余硬件事件数据形成的硬件事件数据集进行分类，以得到预设数量的类簇。

利用聚类算法例如k-means聚类算法对剩余的硬件事件数据形成的硬件事件数据集进行分类，以得到预设数量的类簇。在一具体实施例中，可以对每一硬件事件数据进行归一化处理，进而得到其对应的特征数据。在进行聚类时，利用聚类算法基于其对应的特征数据对其进行聚类。

具体的，k-means聚类算法在进行聚类时，聚类之后所得的类簇是已知的，因此需要设置聚类的K值，该K值即为聚类之后得到的类簇的数量。在一实施例中，可以设定K值的第一预设范围，例如设定K值得取值范围为1～30，可以基于该取值范围得到多个第一预设值，例如K＝{2、3、4、5……30}，根据多个第一预设值对硬件事件数据集进行聚类，进而得到预设数量的类簇。也即，若第一预设值为2时，聚类之后得到2个类簇，若第一预设值为3时，聚类之后得到3个类簇，若第一预设值为30时，聚类之后得到30个类簇，此时预设数量为2+3+4+5+……+30。在另一实施例中，为了提高聚类的准确性，可以进一步从预设的第一预设范围内找出K值得准确预设范围，具体如图3所示，包括：

步骤S31：设定第一预设范围，并基于第一预设范围得到多个第一预设值，根据多个第一预设值对硬件事件数据集进行分类。

具体地，可以设定K值的第一预设范围，例如设定K值得取值范围为1～30，可以基于该取值范围得到多个第一预设值，例如K＝{2、3、4、5……30}，根据多个第一预设值对硬件事件数据集进行聚类，进而得到预设数量的类簇。也即，若第一预设值为2时，聚类之后得到2个类簇，若第一预设值为3时，聚类之后得到3个类簇，若第一预设值为30时，聚类之后得到30个类簇。

步骤S32：根据每一第一预设值对应的分类结果确定第二预设范围。

具体地，可以计算每一第一预设值对应的分类结果中的簇的簇内误差平方和。也即，第一预设值为2，则分别计算分类得到得2个类簇的簇内误差平方和，第一预设值为3，则分别计算分类得到得3个类簇的簇内误差平方和，第一预设值为30，则分别计算分类得到得30个类簇的簇内误差平方和。基于计算的簇内误差平方和得到线性图。众所周知，k-means聚类算法需要得到好的效果就需要尽可能的要求数据集簇内相似，簇间不相似。在计算不同K值下的簇内误差平方和后，需要使得簇内误差平方和最小才能得到较好的分类效果。具体地，可以根据簇内误差平方和画出相应的线性图。

基于线性图确定第二预设范围。获取线性图趋于平滑的位置作为第二预设范围。具体地，可以找到线性图的拐点，也即线的转折点，该转折点之后即为线性图趋于平滑的位置，在线型图趋于平滑的位置处取多个K值形成第二预设范围。

步骤S33：基于第二预设范围得到多个第二预设值，并根据多个第二预设值对硬件事件数据集进行分类，以得到预设数量的类簇。

在得到第二预设范围之后，例如第二预设范围为5～15，可以根据第二预设范围得到第二预设值，第二预设值K＝{6、7、8、9……15}，根据多个第二预设值对硬件事件数据集进行分类，以得到预设数量的类簇。具体地，以第二预设值K＝6进行分类，得到6个类簇，以第二预设值K＝7进行分类，得到7个类簇，第二预设值K＝15进行分类，得到15个类簇，也即预设数量为6+7+……+15。

步骤S12：计算硬件事件数据集中每一硬件事件数据与每一类簇的质心的距离，根据每一硬件事件数据与质心的距离，利用质心标记硬件事件数据。

聚类之后所得的每一类簇都有其对应的质心，可以进一步计算每一硬件事件数据与每一类簇的质心的距离。根据每一硬件事件数据与质心的距离，利用质心标记硬件事件数据。

具体地请结合图4，步骤S12包括：

步骤S121：计算硬件事件数据集中每一硬件事件数据与每一类簇的质心的距离。

具体地，可以计算硬件事件数据集中每一硬件事件数据与每一类簇的质心的欧式距离。

步骤S122：根据距离得到与每一硬件事件数据距离最近的质心。

步骤S123：利用距离最近的质心标记硬件事件数据。

具体地，设共有3个类簇，每一类簇都有一个质心，记作a1、a2、a3；共有10个硬件事件数据，记作b1、b2、b3、b4、b5、b6、b7、b8、b9、b10。其中，b1、b2、b3属于一簇，a1是其对应的质心；b4、b5、b6属于一簇，a2是其对应的质心；b7、b8、b9、b10属于一簇，a3是其对应的质心。分别计算硬件事件数据b1-b10与质心a1、a2、a3之间的距离，利用距离最近的质心标记硬件事件数据。具体地，若与硬件事件数据b1最近的质心为a2，则利用a2标记硬件事件数据b1，若与硬件事件数据b2最近的质心为a1，则利用a1标记硬件事件数据b2。

步骤S13：根据每一硬件事件数据的标记以及硬件事件数据所属的类簇的质心，输出测试数据集。

具体地，将标记与硬件事件数据所属的类簇的质心相同的硬件事件数据输出，以作为测试数据集。

如上，由于硬件事件数据b2本身聚类之后的质心为a1，且其确实与质心a1的距离最近，可以输出硬件事件数据b2作为该应用程序的测试数据集。由于硬件事件数据b1本身聚类之后的质心为a1，但是其与质心a2的距离最近，以此可知实际上质心a1并不是该硬件事件数据b1的分类依据，则其不能作为该应用程序的测试数据。

通过本申请的上述方法，能够准确的找出应用程序的测试数据。

请参见图5，为本发明应用程序测试方法的一实施例的流程示意图，具体包括：

步骤S51：获取测试数据集。

具体地，可以通过上述图1至图4任一实施例的方法获取测试数据集。

步骤S52：利用测试数据集对应用程序进行测试。

利用获取的测试数据集对应用程序进行测试，以此能够提高应用程序的性能，减少手机发热，电量消耗大的问题。

本申请的方法，其能够找出硬件事件和手机上所运行应用程序之间的关联。计算机体系结构是微体系结构和指令集设计的结合。简单来说，微体系结构就是提高CPU性能的功能性实现。微体系结构的设计能够影响一个应用程序在该CPU上运行时的性能，因此通过在微体系结构层面表征手机处理器并找出手机处理器性能差的原因，而微体系结构和手机的硬件事件密切相关，通过对硬件事件和应用程序之间特有关系将硬件事件进行分类，对现有的手机处理器性能的提升以及优化设计移动手机设备处理器体系结构来说是很重要的。具体地，本申请的方法即通过硬件事件和应用程序之间特有关系将硬件事件进行分类，以此找出能够影响应用程序运行性能的测试数据集，利用该测试数据集对应用程序进行测试。

请参见图6，为本发明电子设备的一实施例的结构示意图，电子设备包括相互连接的存储器202和处理器201。

存储器202用于存储实现上述任意一项的设备的方法的程序指令。

处理器201用于执行存储器202存储的程序指令。

其中，处理器201还可以称为CPU(Central Processing Unit，中央处理单元)。处理器201可能是一种集成电路芯片，具有信号的处理能力。处理器201还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(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。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。

存储器202可以为内存条、TF卡等，可以存储设备的电子设备中全部信息，包括输入的原始数据、计算机程序、中间运行结果和最终运行结果都保存在存储器中。它根据控制器指定的位置存入和取出信息。有了存储器，电子设备才有记忆功能，才能保证正常工作。电子设备的存储器按用途存储器可分为主存储器(内存)和辅助存储器(外存),也有分为外部存储器和内部存储器的分类方法。外存通常是磁性介质或光盘等，能长期保存信息。内存指主板上的存储部件，用来存放当前正在执行的数据和程序，但仅用于暂时存放程序和数据，关闭电源或断电，数据会丢失。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，系统服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。

请参阅图7，为本发明计算机可读存储介质的结构示意图。本申请的存储介质存储有能够实现上述所有方法的程序文件203，其中，该程序文件203可以以软件产品的形式存储在上述存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储装置包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。

以上仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (12)

1.一种应用程序的测试依据获取方法，其特征在于，包括：

获取所述应用程序的硬件事件数据集，并对所述硬件事件数据集进行分类，以得到预设数量的类簇；

计算所述硬件事件数据集中每一硬件事件数据与每一所述类簇的质心的距离，根据每一所述硬件事件数据与所述质心的距离，利用所述质心标记所述硬件事件数据；

根据每一所述硬件事件数据的标记以及所述硬件事件数据所属的所述类簇的质心，输出测试数据集。

2.根据权利要求1所述的方法，其特征在于，所述计算所述硬件事件数据集中每一硬件事件数据与每一所述类簇的质心的距离，根据每一所述硬件事件数据与所述质心的距离，利用所述质心标记所述硬件事件数据，包括：

计算所述硬件事件数据集中每一硬件事件数据与每一所述类簇的质心的距离；

根据所述距离得到与每一所述硬件事件数据距离最近的所述质心；

利用距离最近的所述质心标记所述硬件事件数据。

3.根据权利要求2所述的方法，其特征在于，所述根据每一所述硬件事件数据的标记以及所述硬件事件数据所属的所述类簇的质心，输出测试数据集，包括：

将所述标记与所述硬件事件数据所属的所述类簇的质心相同的所述硬件事件数据输出，以作为所述测试数据集。

4.根据权利要求1～3任一项所述的方法，其特征在于，所述对所述硬件事件数据集进行分类，以得到预设数量的类簇，包括：

利用聚类算法对所述硬件事件数据集进行分类，以得到预设数量的类簇。

5.根据权利要求4所述的方法，其特征在于，所述利用聚类算法对所述硬件事件数据集进行分类，以得到预设数量的类簇之前，还包括：

设定第一预设范围，并基于所述第一预设范围得到多个第一预设值，根据多个所述第一预设值对所述硬件事件数据集进行分类，进而得到所述预设数量的类簇。

6.根据权利要求5所述的方法，其特征在于，所述设定第一预设范围，并基于所述第一预设范围得到多个第一预设值，根据多个所述第一预设值对所述硬件事件数据集进行分类之后，还包括：

根据每一所述第一预设值对应的分类结果确定第二预设范围；

基于所述第二预设范围得到多个第二预设值，并根据多个所述第二预设值对所述硬件事件数据集进行分类，以得到所述预设数量的类簇。

7.根据权利要求6所述的方法，其特征在于，所述根据每一所述第一预设值对应的分类结果确定第二预设范围，包括：

计算每一所述第一预设值对应的分类结果中的簇的簇内误差平方和；

基于计算的所述簇内误差平方和得到线性图；

基于所述线性图确定所述第二预设范围。

8.根据权利要求7所述的方法，其特征在于，所述基于所述线性图确定所述第二预设范围，包括：

取所述线性图趋于平滑的位置作为所述第二预设范围。

9.根据权利要求1～3任一项所述的方法，其特征在于，所述对所述硬件事件数据集进行分类，以得到预设数量的类簇，包括：

对所述硬件事件数据集中的每一所述硬件事件数据进行重要性分析；

基于重要性分析结果对所述硬件事件数据进行排序；

基于排序结果剔除部分所述硬件事件数据；

对剩余所述硬件事件数据形成的硬件事件数据集进行分类，以得到预设数量的类簇。

10.一种应用程序测试方法，其特征在于，包括：

获取测试数据集；其中，根据上述权利要求1～9任一项所述的方法获取所述测试数据集；

利用所述测试数据集对所述应用程序进行测试。

11.一种电子设备，其特征在于，包括：存储器和处理器，其中，所述存储器存储有程序指令，所述处理器从所述存储器调取所述程序指令以执行如权利要求1-9任一项所述的获取应用程序的测试依据的方法或权利要求10所述的应用程序测试方法。

12.一种计算机可读存储介质，其特征在于，存储有程序文件，所述程序文件能够被执行以实现如权利要求1-9任一项所述的获取应用程序的测试依据的方法或权利要求10所述的应用程序测试方法。

Images