CN113886256A - 一种软件质量监控训练模型的方法 - Google Patents
一种软件质量监控训练模型的方法 Download PDFInfo
- Publication number
- CN113886256A CN113886256A CN202111200915.3A CN202111200915A CN113886256A CN 113886256 A CN113886256 A CN 113886256A CN 202111200915 A CN202111200915 A CN 202111200915A CN 113886256 A CN113886256 A CN 113886256A
- Authority
- CN
- China
- Prior art keywords
- case
- use case
- library
- bug
- inspection
- 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
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
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Stored Programmes (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种软件质量监控训练模型的方法,它涉及软件技术领域。进入公共用例库,在用例执行过程中将关联用例进行关联等级标识,形成业务关系库,将执行不通过用例导入有效用例库,登记到bug登记平台中,并按照bug登记进行用例级别评分;功能上线后,用户反馈bug登记入bug登记平台中,并在用例管理器中生成该bug覆盖用例,形成稽查用例库;一级功能模块用例和严重及以上bug级别的进入核心用例库;当稽查用例库新增用例环比新增超130%时,发起质量预警,人工接入处理;将核心用例库和稽查用例库用例编码成自动化测试用例脚本,每天定时执行,自动化线上巡检,持续优化。本发明提高软件测试效能,减少对测试人员的依赖,能对软件质量进行评估及持续优化。
Description
技术领域
本发明涉及的是软件技术领域,具体涉及一种软件质量监控训练模型的方法。
背景技术
软件质量监控训练是指通过软件质量评估及监控进行持续优化的过程,能够使软件质量更有保障,效能更高。目前,软件测试行业普遍采用测试人员跟进项目需求进行用例编写-用例评审-测试-修复-上线,从而保障软件的质量,使用到的工具多为Excel、Xmind、Testlink、JIRA、禅道等。然而这种方式存在以下问题:
(1)特别依赖于测试人员的对业务的熟悉程度及技能水平。
(2)在软件测试行业,测试用例是无穷的,在有限的时间能如何更有重点地把控软件质量,这对测试人员提出了更高的挑战。
(3)以上工具多为某一流程专用,市面上常见的用例管理/bug登记平台对用例进行增删查改操作,写测试编写管理,对bug进行状态追踪、登记、统计,流程跟进等,但是无法对用例质量,产品质量进行评估及持续优化。
为了解决上述问题,开发一种软件质量监控训练模型的方法尤为必要。
发明内容
针对现有技术上存在的不足,本发明目的是在于提供一种软件质量监控训练模型的方法,提高软件测试效能,减少对测试人员的依赖,能对软件质量进行评估及持续优化,易于推广使用。
为了实现上述目的,本发明是通过如下的技术方案来实现:一种软件质量监控训练模型的方法,其步骤为:
(1)在用例管理器中完成公共用例库、业务关系库、有效用例库、稽查用例库、自动化用例库;
(2)常规操作用例如登录模块、权限模块、找回密码模块,按照模块进入对应的公共用例库,后续类似业务在用例编辑时直接导入该模块用例;
(3)在用例执行过程中将关联用例按照关联程度进行关联等级标识,形成业务关系库;
(4)在用例执行过程中将执行不通过用例导入有效用例库,该用例产生bug根据类型、归属模块、等级登记到bug登记平台中,并按照bug登记进行用例级别评分,Bug严重级别越高,用例级别评分越高;
(5)功能上线后,用户反馈bug登记入bug登记平台中,并在用例管理器中生成该bug覆盖用例,形成稽查用例库;
(6)用例级别评分根据业务核心程度及该用例发现的bug严重级别进行评分,一级功能模块用例和严重及以上bug级别的进入核心用例库;
(7)当稽查用例库新增用例环比T(当月)-1自然月新增超130%时,发起质量预警,人工接入处理;
(8)将核心用例库和稽查用例库用例编码成自动化测试用例脚本,每天定时执行,以达到自动化线上巡检,持续优化。
作为优选,所述的步骤(2)公共用例库记录常规用例,提高用例编辑效能和标准化,类似业务直接导入复用。
作为优选,所述的步骤(5)功能上线后反馈的外部bug记录到缺陷管理平台,并同时生成相应的覆盖用例。
作为优选,所述的步骤(8)将核心用例库自动化,自动化线上巡检,线上质量监控,并执行用例多次通过,若通过率有波动,持续监控优化,若部分用例通过率长期100%,从核心用例库和自动化用例库移除并归档。
本发明的有益效果:本方法能提高软件测试效能,减少对测试人员的依赖,有效量化评估产品质量,实现对软件质量进行评估及持续优化,应用前景广阔。
附图说明
下面结合附图和具体实施方式来详细说明本发明;
图1为本发明的流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
参照图1,本具体实施方式采用以下技术方案:一种软件质量监控训练模型的方法,其步骤为:
(1)在用例管理器中完成公共用例库、业务关系库、有效用例库、稽查用例库、自动化用例库;
(2)常规操作用例如登录模块、权限模块、找回密码模块,按照模块进入对应的公共用例库,后续类似业务在用例编辑时直接导入该模块用例,以便用例编辑效能提高及标准化;
(3)在用例执行过程中将关联用例按照关联程度进行关联等级标识,形成业务关系库;
(4)在用例执行过程中将执行不通过用例导入有效用例库,该用例产生bug根据类型、归属模块、等级登记到bug登记平台中,并按照bug登记进行用例级别评分,Bug严重级别越高,用例级别评分越高;
(5)功能上线后,用户反馈bug登记入bug登记平台中,并在用例管理器中生成该bug覆盖用例,形成稽查用例库;
(6)用例级别评分根据业务核心程度及该用例发现的bug严重级别进行评分,一级功能模块用例和严重及以上bug级别的进入核心用例库;
(7)当稽查用例库新增用例环比T(当月)-1自然月新增超130%时,发起质量预警,人工接入处理;
(8)将核心用例库和稽查用例库用例编码成自动化测试用例脚本,每天定时执行,以达到自动化线上巡检,持续优化。
值得注意的是,所述的步骤(2)公共用例库记录常规用例,提高用例编辑效能和标准化,类似业务直接导入复用。
所述的步骤(5)功能上线后反馈的外部bug记录到缺陷管理平台,并同时生成相应的覆盖用例。
此外,所述的步骤(8)将核心用例库自动化,自动化线上巡检,线上质量监控,并执行用例多次通过,若通过率有波动,持续监控优化,若部分用例通过率长期100%,从核心用例库和自动化用例库移除并归档。
本具体实施方式在用例执行时对用例有效性进行评估,对产品上线后的质量进行登记、量化统计,通过对用例编写、执行、管理、bug登记、统计、评分、关联、监控、自动化测试等手段,使得用例编写高效及标准化,有效量化评估产品质量,从而达到软件质量监控自训练、持续优化的效果,常应用于用例编写、用例标准化、用例管理、产品质量评估、质量优化等场景,具有广阔的市场应用前景。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.一种软件质量监控训练模型的方法,其特征在于,其步骤为:
(1)在用例管理器中完成公共用例库、业务关系库、有效用例库、稽查用例库、自动化用例库;
(2)常规操作用例如登录模块、权限模块、找回密码模块,按照模块进入对应的公共用例库,后续类似业务在用例编辑时直接导入该模块用例;
(3)在用例执行过程中将关联用例按照关联程度进行关联等级标识,形成业务关系库;
(4)在用例执行过程中将执行不通过用例导入有效用例库,该用例产生bug根据类型、归属模块、等级登记到bug登记平台中,并按照bug登记进行用例级别评分,Bug严重级别越高,用例级别评分越高;
(5)功能上线后,用户反馈bug登记入bug登记平台中,并在用例管理器中生成该bug覆盖用例,形成稽查用例库;
(6)用例级别评分根据业务核心程度及该用例发现的bug严重级别进行评分,一级功能模块用例和严重及以上bug级别的进入核心用例库;
(7)当稽查用例库新增用例环比T(当月)-1自然月新增超130%时,发起质量预警,人工接入处理;
(8)将核心用例库和稽查用例库用例编码成自动化测试用例脚本,每天定时执行,以达到自动化线上巡检,持续优化。
2.根据权利要求1所述的一种软件质量监控训练模型的方法,其特征在于,所述的步骤(2)公共用例库记录常规用例,提高用例编辑效能和标准化,类似业务直接导入复用。
3.根据权利要求1所述的一种软件质量监控训练模型的方法,其特征在于,所述的步骤(5)功能上线后反馈的外部bug记录到缺陷管理平台,并同时生成相应的覆盖用例。
4.根据权利要求1所述的一种软件质量监控训练模型的方法,其特征在于,所述的步骤(8)将核心用例库自动化,自动化线上巡检,线上质量监控,并执行用例多次通过,若通过率有波动,持续监控优化,若部分用例通过率长期100%,从核心用例库和自动化用例库移除并归档。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111200915.3A CN113886256B (zh) | 2021-10-14 | 2021-10-14 | 一种软件质量监控训练模型的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111200915.3A CN113886256B (zh) | 2021-10-14 | 2021-10-14 | 一种软件质量监控训练模型的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113886256A true CN113886256A (zh) | 2022-01-04 |
CN113886256B CN113886256B (zh) | 2023-10-10 |
Family
ID=79002958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111200915.3A Active CN113886256B (zh) | 2021-10-14 | 2021-10-14 | 一种软件质量监控训练模型的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113886256B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201213833D0 (en) * | 2011-08-16 | 2012-09-19 | Ibm | Tracking of code base and defect diagnostic coupling with automated triage |
KR20140008201A (ko) * | 2012-07-11 | 2014-01-21 | 삼성전자주식회사 | 어플리케이션의 품질 테스트를 위한 테스트 케이스의 우선 순위화 장치 및 방법 |
CN105100277A (zh) * | 2015-09-01 | 2015-11-25 | 国家电网公司 | 一种软件巡检方法、装置及系统 |
CN106933728A (zh) * | 2015-12-29 | 2017-07-07 | 中国移动(深圳)有限公司 | 需求与用例关联度量的方法及装置 |
CN109739745A (zh) * | 2018-12-10 | 2019-05-10 | 山东泰安烟草有限公司 | 基于流量指标的对数据库硬件资源分析方法 |
CN110587629A (zh) * | 2019-10-15 | 2019-12-20 | 云南电网有限责任公司电力科学研究院 | 变电站巡检机器人、巡检方法及巡检机器人控制方法 |
CN111274126A (zh) * | 2020-01-14 | 2020-06-12 | 华为技术有限公司 | 测试用例筛选方法、装置及介质 |
CN111881037A (zh) * | 2020-07-23 | 2020-11-03 | 云账户技术(天津)有限公司 | 测试用例的管理方法、装置和电子设备 |
CN111972037A (zh) * | 2018-04-05 | 2020-11-20 | 瑞典爱立信有限公司 | 多级副链路控制信息 |
CN112988577A (zh) * | 2021-03-08 | 2021-06-18 | 中国地震局第二监测中心 | 一种软件测评快速执行方法 |
-
2021
- 2021-10-14 CN CN202111200915.3A patent/CN113886256B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201213833D0 (en) * | 2011-08-16 | 2012-09-19 | Ibm | Tracking of code base and defect diagnostic coupling with automated triage |
KR20140008201A (ko) * | 2012-07-11 | 2014-01-21 | 삼성전자주식회사 | 어플리케이션의 품질 테스트를 위한 테스트 케이스의 우선 순위화 장치 및 방법 |
CN105100277A (zh) * | 2015-09-01 | 2015-11-25 | 国家电网公司 | 一种软件巡检方法、装置及系统 |
CN106933728A (zh) * | 2015-12-29 | 2017-07-07 | 中国移动(深圳)有限公司 | 需求与用例关联度量的方法及装置 |
CN111972037A (zh) * | 2018-04-05 | 2020-11-20 | 瑞典爱立信有限公司 | 多级副链路控制信息 |
CN109739745A (zh) * | 2018-12-10 | 2019-05-10 | 山东泰安烟草有限公司 | 基于流量指标的对数据库硬件资源分析方法 |
CN110587629A (zh) * | 2019-10-15 | 2019-12-20 | 云南电网有限责任公司电力科学研究院 | 变电站巡检机器人、巡检方法及巡检机器人控制方法 |
CN111274126A (zh) * | 2020-01-14 | 2020-06-12 | 华为技术有限公司 | 测试用例筛选方法、装置及介质 |
WO2021143175A1 (zh) * | 2020-01-14 | 2021-07-22 | 华为技术有限公司 | 测试用例筛选方法、装置及介质 |
CN111881037A (zh) * | 2020-07-23 | 2020-11-03 | 云账户技术(天津)有限公司 | 测试用例的管理方法、装置和电子设备 |
CN112988577A (zh) * | 2021-03-08 | 2021-06-18 | 中国地震局第二监测中心 | 一种软件测评快速执行方法 |
Non-Patent Citations (4)
Title |
---|
CHENGNIAN SUN等: "Finding and Analyzing Compiler Warning Defects", 《2016 IEEE/ACM 38TH INTERNATIONAL CONFERENCE ON SOFTWARE ENGINEERING (ICSE)》, pages 203 - 213 * |
印梅: "项目化改革背景下软件测试课程考核方式的探索", 《时代教育》, no. 05, pages 249 * |
奔跑的牛篮子: "软件测试中 缺陷的定义,缺陷报告核 心要素", pages 1, Retrieved from the Internet <URL:https://blog.csdn.net/weixin_54429979/article/details/120495667> * |
测试漫谈: "测试用例分级", pages 1 - 3, Retrieved from the Internet <URL:https://zhuanlan.zhihu.com/p/68915960> * |
Also Published As
Publication number | Publication date |
---|---|
CN113886256B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232024B (zh) | 软件自动化测试框架及测试方法 | |
Rodriguez-Perez et al. | Watch out for extrinsic bugs! a case study of their impact in just-in-time bug prediction models on the openstack project | |
Walkinshaw et al. | Are 20% of files responsible for 80% of defects? | |
CN113946499A (zh) | 一种微服务链路跟踪及性能分析方法、系统、设备及应用 | |
Yang et al. | Vuldigger: A just-in-time and cost-aware tool for digging vulnerability-contributing changes | |
CN115328784A (zh) | 一种面向敏捷接口的自动化测试方法及系统 | |
CN112328708A (zh) | 一种多数据源实时聚合的混合数据仓库技术 | |
CN116627848A (zh) | 应用程序的自动化测试方法和系统 | |
CN115657890A (zh) | 一种pra机器人可定制方法 | |
CN115731066A (zh) | 一种业务审计平台的数据治理系统及其方法 | |
Herraiz et al. | Impact of installation counts on perceived quality: A case study on debian | |
CN110597718A (zh) | 一种基于ai的自动化测试实现方法和系统 | |
CN116954624B (zh) | 基于软件开发包的编译方法、软件开发系统及服务器 | |
CN102567351B (zh) | 一种数据库变更效果的测试方法及测试装置 | |
CN117520184A (zh) | 一种计算机软件开发用测试系统 | |
CN113886256A (zh) | 一种软件质量监控训练模型的方法 | |
CN109165155B (zh) | 一种基于聚类分析的软件缺陷修复模板提取方法 | |
CN116069628A (zh) | 一种智能处置的软件自动化回归测试方法、系统及设备 | |
CN110599021A (zh) | 一种炼化装置中preama腐蚀适应性评估标准系统及方法 | |
CN108763092B (zh) | 一种基于交叉验证的代码缺陷检测方法及装置 | |
CN110008245B (zh) | 一个适用于设备故障预警模型时间段查找的方法 | |
CN113641573A (zh) | 基于修订日志的程序分析软件自动化测试方法及系统 | |
CN111309629A (zh) | 一种多种项目测试的处理分析系统 | |
CN111026654A (zh) | 一种基于接口自动化测试的方法 | |
Li et al. | An Empirical Study of the Bug Link Rate |
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 |