CN114546864A - 软件质量评估方法、装置、设备及存储介质 - Google Patents

软件质量评估方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114546864A
CN114546864A CN202210174710.0A CN202210174710A CN114546864A CN 114546864 A CN114546864 A CN 114546864A CN 202210174710 A CN202210174710 A CN 202210174710A CN 114546864 A CN114546864 A CN 114546864A
Authority
CN
China
Prior art keywords
defect
software
quality evaluation
obtaining
statistical 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.)
Pending
Application number
CN202210174710.0A
Other languages
English (en)
Inventor
丁省
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.)
Shenzhen Skyworth RGB Electronics Co Ltd
Original Assignee
Shenzhen Skyworth RGB Electronics 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 Shenzhen Skyworth RGB Electronics Co Ltd filed Critical Shenzhen Skyworth RGB Electronics Co Ltd
Priority to CN202210174710.0A priority Critical patent/CN114546864A/zh
Publication of CN114546864A publication Critical patent/CN114546864A/zh
Pending legal-status Critical Current

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
    • G06F11/3688—Test management for test execution, e.g. scheduling of test suites
    • 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
    • G06F11/3692—Test management for test results analysis
    • 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
    • G06F11/3696—Methods or tools to render software testable
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Stored Programmes (AREA)

Abstract

本发明公开了一种软件质量评估方法、装置、设备及存储介质，属于软件测试技术领域。该方法包括：获取待测软件的缺陷类型以及所述缺陷类型对应的缺陷统计数据；基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数；根据所述缺陷类型、所述缺陷统计数据和所述加权系数，得到所述待测软件的质量评估结果。本发明结合软件中不同的缺陷类型以及对应的缺陷统计数据，得到不同缺陷的加权系数，以此来表征不同缺陷的对软件质量的影响，最后得到对应的质量评估结果，用具体的数值来直观展示待测软件的质量情况。

Description

软件质量评估方法、装置、设备及存储介质
技术领域
本发明涉及软件测试技术领域，尤其涉及一种软件质量评估方法、装置、设备及存储介质。
背景技术
相关技术中，一般利用JIRA缺陷管理库进行缺陷跟踪，然后通过表格或记录的方式统计检测出的缺陷。
但是，现阶段在产品开发过程中，产品规模往往较大、且产品需求可能会频繁变更，因此软件测试涉及的数据量很大，此时若采用上述方法无法直观得到软件的质量情况，进而也难以对软件质量进行评估。
发明内容
本发明的主要目的在于提供一种软件质量评估方法、装置、设备及存储介质，旨在解决现有技术中无法直观得到软件的质量情况，进而也难以对软件质量进行评估的技术问题。
根据本发明的第一方面，提供了一种软件质量评估方法，所述方法包括：
获取待测软件的缺陷类型以及所述缺陷类型对应的缺陷统计数据；
基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数；
根据所述缺陷类型、所述缺陷统计数据和所述加权系数，得到所述待测软件的质量评估结果。
可选地，所述基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数，包括：
根据所述缺陷类型，得到对应的缺陷状态信息和缺陷程度信息；
根据所述缺陷统计数据，得到与所述缺陷状态信息对应的第一加权系数、以及与所述缺陷程度信息对应的第二加权系数；
所述根据所述缺陷类型、所述缺陷统计数据和所述加权系数，得到所述待测软件的质量评估结果，包括：
根据所述缺陷统计数据，得到与所述第一加权系数和所述第二加权系数对应的缺陷数量；
根据所述缺陷数量、所述第一加权系数以及所述第二加权系数，得到所述待测软件的质量评估结果。
可选地，所述根据所述缺陷数量、所述第一加权系数以及所述第二加权系数，得到所述待测软件的质量评估结果，包括：
根据所述缺陷数量、所述第一加权系数、所述第二加权系数以及第一公式，得到所述待测软件的质量评估结果；
其中，所述第一公式为：
Figure BDA0003518637200000021
其中，m为所述待测软件的质量评估结果，ci为第i组缺陷类型对应缺陷的第一加权系数，si为第i组缺陷类型对应缺陷的第二加权系数，ni为第i组缺陷类型对应缺陷的数量。
可选地，所述根据所述缺陷类型、所述缺陷统计数据和所述加权系数，得到所述待测软件的质量评估结果之后，所述方法还包括：
判断所述质量评估结果是否大于预设阈值；
若所述质量评估结果大于所述预设阈值，则将所述缺陷类型和所述缺陷统计数据发送给测试终端，以使测试人员根据所述缺陷类型和所述缺陷统计数据进行缺陷修复，并反馈缺陷修复数据；
基于所述缺陷修复数据更新所述缺陷类型以及所述缺陷统计数据，返回执行所述基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数，并得到更新后的质量评估结果，直至所述更新后的质量评估结果小于或等于所述预设阈值。
可选地，所述基于所述缺陷修复数据更新所述缺陷类型以及所述缺陷统计数据，返回执行所述基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数，并得到更新后的质量评估结果之后，所述方法还包括：
基于更新后的缺陷类型以及缺陷统计数据，得到修复统计数据；
根据所述修复统计数据，得到缺陷修复结果。
可选地，所述方法还包括：
统计每次更新后的质量评估结果，生成软件质量评估曲线；
将所述软件质量评估曲线发送至测试终端，以使测试人员根据所述质量评估曲线判断所述待测软件是否满足发布要求。
可选地，所述获取待测软件的缺陷类型以及所述缺陷类型对应的缺陷统计数据之前，所述方法还包括：
获取所述待测软件的测试数据；
基于所述测试数据对所述待测软件进行测试，得到所述缺陷类型以及所述缺陷统计数据。
根据本发明的第二方面，提供了一种软件质量评估装置，所述装置包括：
数据获取模块，用于获取待测软件的缺陷类型以及所述缺陷类型对应的缺陷统计数据；
数据处理模块，用于基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数；
质量评估模块，用于根据所述缺陷类型、所述缺陷统计数据和所述加权系数，得到所述待测软件的质量评估结果。
根据本发明的第三方面，提供了一种软件质量评估设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的软件质量评估程序，所述软件质量评估程序被所述处理器执行时实现第一方面的实现方式中的任一种可能的实现方式中所述的各个步骤。
根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有软件质量评估程序，所述软件质量评估程序被处理器执行时实现第一方面的实现方式中的任一种可能的实现方式中所述的各个步骤。
本发明实施例提出一种软件质量评估方法、装置、设备及存储介质，通过软件质量评估设备获取待测软件的缺陷类型以及所述缺陷类型对应的缺陷统计数据；基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数；根据所述缺陷类型、所述缺陷统计数据和所述加权系数，得到所述待测软件的质量评估结果。
本发明在进行软件质量评估时，在检测出的各种缺陷的基础上，不再利用统计表格或数据记录等方式来展示这些缺陷信息，而是根据不同的缺陷类型的不同加权系数，计算出质量评估的具体结果。本发明区别于现有技术中无法直观得到软件的质量情况，进而也难以对软件质量进行评估的情况，结合软件中不同的缺陷类型以及对应的缺陷统计数据，得到不同缺陷的加权系数，以此来表征不同缺陷的对软件质量的影响，最后得到对应的质量评估结果，用具体的数值来直观展示待测软件的质量情况。
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，下面将对实施例或现有技术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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例方案涉及的硬件运行环境的软件质量评估设备的结构示意图；
图2为本发明软件质量评估方法的第一实施例的流程示意图；
图3为本发明图2中S202的步骤的细化流程示意图；
图4为本发明图2中S203的步骤的细化流程示意图；
图5为本发明图2中S203的步骤之后的流程示意图；
图6为本发明图5中S503的步骤之后的流程示意图；
图7为本发明软件质量评估方法的第二实施例的流程示意图；
图8为本发明实施例涉及的软件质量评估装置的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的主要解决方案是：获取待测软件的缺陷类型以及所述缺陷类型对应的缺陷统计数据；基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数；根据所述缺陷类型、所述缺陷统计数据和所述加权系数，得到所述待测软件的质量评估结果。
相关技术中，一般利用JIRA缺陷管理库进行缺陷跟踪，然后通过表格或记录的方式统计检测出的缺陷。但是，现阶段在产品开发过程中，产品规模往往较大、且产品需求可能会频繁变更，因此软件测试涉及的数据量很大，此时若采用上述方法无法直观得到软件的质量情况，进而也难以对软件质量进行评估。
本发明提供一种解决方案，该方案用于软件质量评估设备，在进行软件质量评估时，在检测出的各种缺陷的基础上，不再利用统计表格或数据记录等方式来展示这些缺陷信息，而是根据不同的缺陷类型的不同加权系数，计算出质量评估的具体结果。本发明区别于现有技术中无法直观得到软件的质量情况，进而也难以对软件质量进行评估的情况，结合软件中不同的缺陷类型以及对应的缺陷统计数据，得到不同缺陷的加权系数，以此来表征不同缺陷的对软件质量的影响，最后得到对应的质量评估结果，用具体的数值来直观展示待测软件的质量情况。
为使本发明实施例的目的、技术方案和优点更加清楚，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，都属于本发明保护的范围。
本发明实施例的说明书和权利要求书中的“第一”、“第二”用于区别类似的对象，而不必用于描述特定的顺序或者先后次序，应该理解这样的数据在适当的情况下可以互换，以便这里描述的实施例能够以除了这里图示或者描述的那些以外的顺序实施。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的软件质量评估设备的结构示意图。
如图1所示，该软件质量评估设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对软件质量评估设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据获取模块、数据处理模块、质量评估模块以及软件质量评估程序。
在图1所示的软件质量评估设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明软件质量评估设备中的处理器1001、存储器1005可以设置在软件质量评估设备中，软件质量评估设备通过处理器1001调用存储器1005中存储的软件质量评估程序，并执行本发明实施例提供的软件质量评估方法。
基于上述硬件结构但不限于上述硬件结构，本发明提供一种软件质量评估方法第一实施例。参照图2，图2为本发明软件质量评估方法第一实施例的流程示意图。
本实施例中，该方法包括：
步骤S201，获取待测软件的缺陷类型以及所述缺陷类型对应的缺陷统计数据；
在本实施例中，执行主体为软件质量评估设备，在对待测软件进行测试后，根据测试结果，得到该待测软件当前版本的缺陷信息，该缺陷信息可以包括不同的缺陷类型以及对应的缺陷统计数据。具体的，该缺陷类型按照不同的缺陷状态可分为新建、已提交、已分配、已修复和已会签5种；按照缺陷的严重程度可分为轻微、一般、严重和崩溃4种，可以理解的，每个缺陷都有与之对应的缺陷状态和严重程度，故本实施例种一共可包括20种缺陷类型。需要说明的是，上述分类标准还可以按照实际需求自行设置。
另外，需要补充说明的是，上述软件质量评估设备与测试终端相连。首先测试终端会获取用户上传的需求文档，该测试文档包括实际的测试需求，比如增删数据、检查模块功能等等，测试人员基于该需求文档编写正向和反向至少2条测试用例，且编写的测试用例要求能百分百覆盖需求文档记录的需求信息，其中，正向用例可简单理解为在正常情况下测试软件的运行情况，而反向用例可简单理解为在异常情况下测试系统的容错能力和可靠性。比如，如果一个系统只能接收输入为1-3的整数值，则正向用例可以写：1、2、3；而相应的反向用例可以写：4、5、6。然后，利用上述测试用例对待测软件进行测试，得到测试结果，并从测试结果中得到上述缺陷类型以及缺陷统计数据。通过正反向测试用例来全方面的对软件进行测试，可以保证后续结果的可靠性。
步骤S202，基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数；
为了对软件质量进行数字化的直观表示，在得到上述相关缺陷数据的基础上，需要根据不同的缺陷情况设置对应的加权系数。可以理解的，由于不同缺陷的状态、严重程度均不一样，故不能只是简单的根据缺陷的数量去评价软件的好坏，比如在缺陷数量相同的情况下，严重的缺陷肯定比轻微的缺陷对软件的影响大。因此，基于上述分类标准，本实施例中将新建、已提交、已分配、已修复和已会签5种缺陷状态对应的加权系数分别设置为1、2、3、5、4；而将轻微、一般、严重和崩溃4种缺陷程度分别设置为1、2、3、5。其中，缺陷的严重程度可基于该缺陷涉及的bug数量和/或对整体软件的影响程度等进行设置。
步骤S203，根据所述缺陷类型、所述缺陷统计数据和所述加权系数，得到所述待测软件的质量评估结果。
如上所述加权系数可以反应不同缺陷对被测软件的不同影响，系数大的影响大，相应的软件质量低；系数小的影响小，相应的软件质量高，因此在得到上述加权系数后，可据此通过计算得到具体的质量评估结果。而相应的，得到的质量评估结果数值越大，则软件的质量越差；得到的质量评估结果数值越小，则软件的质量越好。
在本实施例中，基于不同缺陷对整体软件的影响设置对应的加权系数，利用加权系数直接计算出待测软件的质量评估结果，通过所得结果的大小直观判断软件的质量好坏，相比于传统的统计表格以及数据记录，可便于工作人员清晰直观的了解软件情况。
在一具体实施方式中，参照图3，图3为本发明图2中S202的步骤的细化流程示意图，所述基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数，包括：
步骤A10，根据所述缺陷类型，得到对应的缺陷状态信息和缺陷程度信息；
如上所述，一个缺陷的缺陷类型包括该缺陷的缺陷状态类型和严重程度类型，因此为了确定出任一类缺陷类型的加权系数，就要从上述缺陷状态和严重程度这两个方面去考虑。因此，对于任一个缺陷，首先根据上述得到的缺陷类型，确定出该缺陷的缺陷状态信息和缺陷程度信息。
步骤A20，根据所述缺陷统计数据，得到与所述缺陷状态信息对应的第一加权系数、以及与所述缺陷程度信息对应的第二加权系数。
在得到了缺陷状态信息和缺陷程度信息后，即可根据上述标准得到对应缺陷的加权系数，即与缺陷状态信息对应的第一加权系数、以及与缺陷程度信息对应的第二加权系数。比如，如果一个缺陷的缺陷状态为已分配、其严重程度为一般，则其对应的第一加权系数为3，第二加权系数为2。
由此可从缺陷状态以及缺陷程度两个方面去确定任一缺陷的类型，并设置对应的两种加权系数，采用量化的方式评判任一缺陷对软件质量的影响，一方面从不同的角度对缺陷进行分类，提升了分类的准确性，进而也保证了后续处理的准确性；另一方面使得后续可以基于此得到软件质量评估的具体数值，便于直观展示软件质量情况。
在一具体实施方式中，参照图4，图4为本发明图2中S203的步骤的细化流程示意图，所述根据所述缺陷类型、所述缺陷统计数据和所述加权系数，得到所述待测软件的质量评估结果，包括：
步骤B10，根据所述缺陷统计数据，得到与所述第一加权系数和所述第二加权系数对应的缺陷数量；
本实施例中，上述得到的缺陷统计数据中包括了各项缺陷信息，具体可以包括缺陷数量以及缺陷类型，而基于这些信息，不难统计出每一类缺陷的缺陷数量，即统计出任一状态下任一严重程度的缺陷数量。
步骤B20，根据所述缺陷数量、所述第一加权系数以及所述第二加权系数，得到所述待测软件的质量评估结果。
在得到上述缺陷数量、第一加权系数和第二加权系数后，确定任一组第一加权系数和第二加权系数，即任一缺陷类型对应的缺陷数量，然后利用第一公式计算出该待测软件的质量评估结果。该第一公式为：
Figure BDA0003518637200000081
其中，m为质量评估结果，ci为第i组缺陷类型对应缺陷的第一加权系数，si为第i组缺陷类型对应缺陷的第二加权系数，ni为第i组缺陷类型对应缺陷的数量。不难理解，ci*si*ni为某一类缺陷类型对应缺陷的加权计算结果，而将所有类型的缺陷对应的加权计算结果，即可得到该软件整体的质量评估结果。
可以理解的，该质量评估结果为一具体的数值，该数值越高表明该软件的缺陷情况越严重，进而该软件的质量也越差，由此通过所得数值的大小便可直观判断待测软件的质量。
由此可将软件质量用具体的数值进行表示，不同于传统的表格或记录的方式，工作人员无需查看、分析大量的统计数据，简单的通过数值大小便可对软件质量进行评判，可以更直观方便的了解软件的质量情况。
进一步地，作为一个实施例，参照图5，图5为本发明图2中S203的步骤之后的流程示意图，所述根据所述缺陷类型、所述缺陷统计数据和所述加权系数，得到所述待测软件的质量评估结果之后，所述方法还包括：
步骤S501，判断所述质量评估结果是否大于预设阈值；
如上所述，上述得到的质量评估结果为反应待测软件质量好坏的具体数值，可以直观定性的展示待测软件的质量，且该数值越低，该待测软件质量越好。可以理解的，对软件进行测试的目的是为了判断当前版本的软件是否满足发布要求，只有当软件质量达到一定的标准后才可进行上线发布，而若软件未达到质量要求，则需要对上述缺陷进行修复，并重新测试直至满足要求为止。故在得到上述质量评估结果的基础上，本实施例中再进一步判断该结果是否大于预设阈值，从而定量的判断软件质量是否满足外发条件，该预设阈值即为满足外发条件的最大值，即若超过该值，则软件尚未满足外发条件，需要返回修复和测试；反之则满足外发条件。具体的，在本实施例中，基于上述分类标准和计算公式，并依据经验模型，可以得到当质量评估结果接近300时，软件质量便趋于稳定；而当质量评估结果接近200时，软件质量基本可以满足要求，因此可以将该预设阈值设置为200。当然，根据不同的标准以及实际需求，该预设阈值可以自行调整。其中，该经验模型依据不同版本软件的成熟度，即软件质量以及对应的维护工作量得到。
步骤S502，若所述质量评估结果大于所述预设阈值，则将所述缺陷类型和所述缺陷统计数据发送给测试终端，以使测试人员根据所述缺陷类型和所述缺陷统计数据进行缺陷修复，并反馈缺陷修复数据；
如上所述，当质量评估结果大于预设阈值时，说明当前版本的软件质量较低，还不能满足外发需要，因此需返回修复。具体的，软件质量评估设备会将上述得到的缺陷类型和缺陷统计数据发送至测试终端，同时还可以据此下达一条修复指令，测试终端接收到后，可以显示提示信息，提醒测试人员有新增的修复以及测试任务，测试人员即可据此修复缺陷，并进一步重新编写测试用例，同样的，还是可以编写正向和反向至少两条测试用例，以便后续全面的进行软件测试，其中，对缺陷修复对应的数据信息以及在此基础上编写的测试用例组成了上述缺陷修复数据。
步骤S503，基于所述缺陷修复数据更新所述缺陷类型以及所述缺陷统计数据，返回执行所述基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数，并得到更新后的质量评估结果，直至所述更新后的质量评估结果小于或等于所述预设阈值。
在得到上述缺陷修复数据后，一方面，根据该缺陷修复数据首先对上一版本的软件进行缺陷修复；另一方面，再进一步利用重新编写的测试用例对修复后的更新版本重新进行测试。不难理解，在重新进行测试后，会得到新的一组缺陷类型和缺陷统计数据，然后基于新的缺陷类型和缺陷统计数据，可以得到更新后版本的质量评估结果，具体方式与上述一致，在此不再赘述，而当此结果小于或等于预设阈值，说明对应版本的软件的质量可以满足外发条件，故可以不再继续进行修复和测试。当然，根据实际需求，如果需要继续提高该待测软件的质量，上述步骤也可以继续进行，具体的，可以重新设置一个预设阈值，然后基于该重新设置的阈值循环执行上述步骤。
需要说明的是，上述提到了新的缺陷类型，该新的缺陷类型可以为新增加的类型或新减少的类型等，但还是可以和上述实施例共用一套标准。比如，在第一次测试后，还不存在已分配、已修复等类型的缺陷，而在经过多次修复和测试后，便会出现这些缺陷类型。
本实施例中，在上述得到了质量评估结果的基础上，不仅可以直观的看到当前版本软件的质量评估具体数值，还可以直观的了解到当前版本的软件是否满足外发条件，不仅数据展示直观清晰，而且只需要简单的比较判断即可确定是否需要返回修复测试或是上线发布，不用复杂的数据分析和综合评判，故还可以简化流程，提高作业效率。
进一步地，作为一个实施例，参照图6，图6为本发明图5中S503的步骤之后的流程示意图，所述基于所述缺陷修复数据更新所述缺陷类型以及所述缺陷统计数据，返回执行所述基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数，并得到更新后的质量评估结果之后，所述方法还包括：
步骤S601，基于更新后的缺陷类型以及缺陷统计数据，得到修复统计数据；
在上述实施例的基础上，在每次进行测试后，都会统计新得到的缺陷类型以及缺陷统计数据，可以理解的，新得到的缺陷数据信息可与在先版本的缺陷数据信息进行比较，以得到缺陷的变化和修复的效果。具体的，在实际的修复过程中，可能会遇到各种问题：比如某一缺陷经过数次修复仍未能解决；又如修复好一部分缺陷后又出现了新的缺陷等等。因此为了便于后续的缺陷修复以及整体把控软件质量，本实施例中可以对各版本的缺陷信息进行统计比较。
步骤S602，根据所述修复统计数据，得到缺陷修复结果。
如上所述，修复统计数据中包括了各版本软件的缺陷信息，可基于此得到缺陷总体的修复情况。比如，可以统计出累计关闭缺陷数以及累计打开缺陷数的概率，判断缺陷修复过程是否会引入其他问题；又如，可以统计测试用例的首次执行通过率和累计执行通过率，以侧向证明缺陷修复是否完全，不难理解，累计执行通过率越高，则缺陷的修复情况越好。并且，基于缺陷修复结果，不仅可以总体把控缺陷的修复情况，还可以适当调整修复策略：比如，若某测试人员连续多次未能修复同一缺陷，则可将对应修复任务重新分配至其他人员进行处理等。
本实施例中，统计各版本软件的修复数据，可得到各版本以及总体的缺陷修复情况，有利于帮助相关人员判断缺陷是否完全修复，进而也有利于对软件质量的准确把控。
进一步地，作为一个实施例，参照图7，图7为本发明软件质量评估方法的第二实施例的流程示意图，在步骤S503或步骤S602之后，所述方法还包括：
步骤S701，统计每次更新后的质量评估结果，生成软件质量评估曲线；
在上述实施例的基础上，还可以将每次测试得到的质量评估结果结合起来，绘制成软件质量评估曲线，以直观展示不同版本软件质量的变化趋势。具体的，可以以软件的不同版本为横坐标，以对应版本的质量评估结果为纵坐标确定一系列的坐标点，然后将这些坐标点连接起来得到软件质量评估曲线，并且，还可以基于这些数据拟合出一条直线，可以用该直线反应出软件质量的总体变化情况，其中，常用的拟合方法包括最小二乘法、梯度下降法、高斯牛顿算法以及列马算法。可以理解的，在一般情况下，该拟合直线的斜率为负数，即一条斜向下的直线，随着横坐标即软件版本的增加，其质量评估结果的具体数值总体呈下降趋势，表示修复的版本越多，软件的质量也就越高。并且，如果该斜率的绝对值越大，即该拟合直线越陡峭，说明软件修复的效率越高。
步骤S702，将所述软件质量评估曲线发送至测试终端，以使测试人员根据所述质量评估曲线判断所述待测软件是否满足发布要求。
得到上述软件质量评估曲线后，可将该曲线发送至测试终端，并在用户交互界面上显示，测试人员及其他相关工作人员可根据该曲线判断待测软件是否满足发布要求。具体的，一方面，可根据最后一个版本的质量评估结果，看其是否小于或等于200，若满足该条件，则可认为当前版本软件满足发布需求；另一方面，还可以直观观察各版本软件质量的变化趋势，总体把控软件的质量情况，因此不仅可以从中大致了解软件缺陷的修复情况，还可以在软件质量尚未达标但接近达标时，初步预测软件的发布时间等相关信息，进一步的还可据此调整工作进度，安排后续流程等。
本实施例中，基于不同软件版本的数据信息，通过绘制软件质量评估曲线，使得工作人员可以直观看到软件质量的变化情况，从而可以判断当前版本的软件是否满足发布需求，并且还可以总体把控软件质量的变化趋势，合理进行其他相关工作的安排。
基于同一发明构思，本发明实施例还提供一种软件质量评估装置，参照图8所示，包括：
数据获取模块，用于获取待测软件的缺陷类型以及所述缺陷类型对应的缺陷统计数据；
数据处理模块，用于基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数；
质量评估模块，用于根据所述缺陷类型、所述缺陷统计数据和所述加权系数，得到所述待测软件的质量评估结果。
作为一种可选的实施例，软件质量评估装置还可包括：
数据统计模块，用于基于更新后的缺陷类型以及缺陷统计数据，得到修复统计数据。
作为一种可选的实施例，软件质量评估装置还可包括：
曲线绘制模块，用于统计每次更新后的质量评估结果，生成软件质量评估曲线。
作为一种可选的实施例，软件质量评估装置还可包括：
软件测试模块，用于基于所述测试数据对所述待测软件进行测试，得到所述缺陷类型以及所述缺陷统计数据。
此外，在一实施例中，本申请还提供一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器运行时实现前述方法实施例中方法的步骤。
在一些实施例中，计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。计算机可以是包括智能终端和服务器在内的各种计算设备。
在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例，可执行指令可以但不一定对应于文件系统中的文件，可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言(HTML，Hyper Text MarkupLanguage)文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。
作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
以上仅为本发明的优选实施例，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 (10)

1.一种软件质量评估方法，其特征在于，所述方法包括：
获取待测软件的缺陷类型以及所述缺陷类型对应的缺陷统计数据；
基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数；
根据所述缺陷类型、所述缺陷统计数据和所述加权系数，得到所述待测软件的质量评估结果。
2.根据权利要求1所述的方法，其特征在于，所述基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数，包括：
根据所述缺陷类型，得到对应的缺陷状态信息和缺陷程度信息；
根据所述缺陷统计数据，得到与所述缺陷状态信息对应的第一加权系数、以及与所述缺陷程度信息对应的第二加权系数；
所述根据所述缺陷类型、所述缺陷统计数据和所述加权系数，得到所述待测软件的质量评估结果，包括：
根据所述缺陷统计数据，得到与所述第一加权系数和所述第二加权系数对应的缺陷数量；
根据所述缺陷数量、所述第一加权系数以及所述第二加权系数，得到所述待测软件的质量评估结果。
3.根据权利要求2所述的方法，其特征在于，所述根据所述缺陷数量、所述第一加权系数以及所述第二加权系数，得到所述待测软件的质量评估结果，包括：
根据所述缺陷数量、所述第一加权系数、所述第二加权系数以及第一公式，得到所述待测软件的质量评估结果；
其中，所述第一公式为：
Figure FDA0003518637190000011
其中，m为所述待测软件的质量评估结果，ci为第i组缺陷类型对应缺陷的第一加权系数，si为第i组缺陷类型对应缺陷的第二加权系数，ni为第i组缺陷类型对应缺陷的数量。
4.根据权利要求1所述的方法，其特征在于，所述根据所述缺陷类型、所述缺陷统计数据和所述加权系数，得到所述待测软件的质量评估结果之后，所述方法还包括：
判断所述质量评估结果是否大于预设阈值；
若所述质量评估结果大于所述预设阈值，则将所述缺陷类型和所述缺陷统计数据发送给测试终端，以使测试人员根据所述缺陷类型和所述缺陷统计数据进行缺陷修复，并反馈缺陷修复数据；
基于所述缺陷修复数据更新所述缺陷类型以及所述缺陷统计数据，返回执行所述基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数，并得到更新后的质量评估结果，直至所述更新后的质量评估结果小于或等于所述预设阈值。
5.根据权利要求4所述的方法，其特征在于，所述基于所述缺陷修复数据更新所述缺陷类型以及所述缺陷统计数据，返回执行所述基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数，并得到更新后的质量评估结果之后，所述方法还包括：
基于更新后的缺陷类型以及缺陷统计数据，得到修复统计数据；
根据所述修复统计数据，得到缺陷修复结果。
6.根据权利要求4或5所述的方法，其特征在于，所述方法还包括：
统计每次更新后的质量评估结果，生成软件质量评估曲线；
将所述软件质量评估曲线发送至测试终端，以使测试人员根据所述质量评估曲线判断所述待测软件是否满足发布要求。
7.根据权利要求1所述的方法，其特征在于，所述获取待测软件的缺陷类型以及所述缺陷类型对应的缺陷统计数据之前，所述方法还包括：
获取所述待测软件的测试数据；
基于所述测试数据对所述待测软件进行测试，得到所述缺陷类型以及所述缺陷统计数据。
8.一种软件质量评估装置，其特征在于，所述装置包括：
数据获取模块，用于获取待测软件的缺陷类型以及所述缺陷类型对应的缺陷统计数据；
数据处理模块，用于基于所述缺陷统计数据，得到所述缺陷类型对应的加权系数；
质量评估模块，用于根据所述缺陷类型、所述缺陷统计数据和所述加权系数，得到所述待测软件的质量评估结果。
9.一种软件质量评估设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的软件质量评估程序，所述软件质量评估程序被所述处理器执行时实现如权利要求1至7中任一项所述的软件质量评估方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有软件质量评估程序，所述软件质量评估程序被处理器执行时实现如权利要求1至7中任一项所述的软件质量评估方法的步骤。
CN202210174710.0A 2022-02-24 2022-02-24 软件质量评估方法、装置、设备及存储介质 Pending CN114546864A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210174710.0A CN114546864A (zh) 2022-02-24 2022-02-24 软件质量评估方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210174710.0A CN114546864A (zh) 2022-02-24 2022-02-24 软件质量评估方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114546864A true CN114546864A (zh) 2022-05-27

Family

ID=81678750

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210174710.0A Pending CN114546864A (zh) 2022-02-24 2022-02-24 软件质量评估方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114546864A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114860618A (zh) * 2022-07-06 2022-08-05 湖南三湘银行股份有限公司 基于rpa的自动化功能测试方法及系统
CN117033145A (zh) * 2023-10-09 2023-11-10 晨达(广州)网络科技有限公司 一种基于云计算的软件开发方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114860618A (zh) * 2022-07-06 2022-08-05 湖南三湘银行股份有限公司 基于rpa的自动化功能测试方法及系统
CN114860618B (zh) * 2022-07-06 2022-09-23 湖南三湘银行股份有限公司 基于rpa的自动化功能测试方法及系统
CN117033145A (zh) * 2023-10-09 2023-11-10 晨达(广州)网络科技有限公司 一种基于云计算的软件开发方法

Similar Documents

Publication Publication Date Title
CN114546864A (zh) 软件质量评估方法、装置、设备及存储介质
US8151146B2 (en) Tool for predicting fault-prone software files
CN107992410B (zh) 软件质量监测方法、装置、计算机设备和存储介质
WO2007028676A2 (de) Verfahren und vorrichtung zum automatisierten bewerten der qualität eines software-quellcodes
US10169002B2 (en) Automated and heuristically managed solution to quantify CPU and path length cost of instructions added, changed or removed by a service team
Hu et al. Enhancing software reliability estimates using modified adaptive testing
US20130301772A1 (en) Risk Monitoring Device and Risk Monitoring Method for Use with a Nuclear Power Facility
CN104583789A (zh) 测试单元控制器的决策和执行树的创建和调度
CN104335056A (zh) 测试器和材料处理设备之间用于分开和控制测试单元操作中多个实体的不同请求的插入器
CN111897713A (zh) 一种基于paas平台前端引擎异常的友好提示方法及系统
CN111897691A (zh) 质量报告自动生成方法、装置、计算机设备及存储介质
CN104364664A (zh) 用于创建、定义和执行spc规则决策树的算法和结构
CN115952081A (zh) 一种软件测试方法、装置、存储介质及设备
CN113705884B (zh) 一种装配生产线产能预测方法、装置、设备及存储介质
CN110990249A (zh) 代码扫描结果处理方法、装置、计算机设备及存储介质
CN113793049B (zh) 产品生产过程中的不良根因定位方法、装置、设备及介质
CN115907033A (zh) 一种基于机器学习算法预测每小时用电量的方法及系统
Antinyan Monitoring evolution of code complexity and magnitude of changes
Lee et al. Software reliability prediction for open source software adoption systems based on early lifecycle measurements
Basse et al. A decision model for cost-optimized inspection planning
DE102013113745A1 (de) Testschaltung und verfahren zur durchführung eines testdurchlaufs
CN109598442A (zh) 一种监理行为的评分方法及装置
CN110096430B (zh) 第三方sdk准入测试方法、装置、终端及存储介质
EP4092537A1 (en) Computer-implemented method for updating a model parameter for a model
DE102022201856A1 (de) Automatisches generieren eines fuzzing-plans für das fuzzing eines programmiercodes

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