CN114595130A - 一种软件稳定性评估方法、装置、存储介质和设备 - Google Patents

一种软件稳定性评估方法、装置、存储介质和设备 Download PDF

Info

Publication number
CN114595130A
CN114595130A CN202210181317.4A CN202210181317A CN114595130A CN 114595130 A CN114595130 A CN 114595130A CN 202210181317 A CN202210181317 A CN 202210181317A CN 114595130 A CN114595130 A CN 114595130A
Authority
CN
China
Prior art keywords
abnormal
software
data information
stability
evaluated
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
CN202210181317.4A
Other languages
English (en)
Inventor
姚祖发
李伟洪
黄何列
岳玉美
麦海涛
李妍
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.)
Guangdong Science & Technology Infrastructure Center
Original Assignee
Guangdong Science & Technology Infrastructure Center
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 Guangdong Science & Technology Infrastructure Center filed Critical Guangdong Science & Technology Infrastructure Center
Priority to CN202210181317.4A priority Critical patent/CN114595130A/zh
Publication of CN114595130A publication Critical patent/CN114595130A/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
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开了一种软件稳定性评估方法、装置、存储介质和设备，通过获取待评估软件运行过程中的异常数据信息和运行数据信息，计算整体异常率指数和异常运行时间比例，根据整体异常率指数和异常运行时间比例计算稳定指数，根据稳定指数大小评估待评估软件的稳定性，量化软件稳定性的评价指标，并且结合软件异常之间的因果关系和相对重要性评估稳定性，稳定性评估更加全面；通过异常因果矩阵去除异常数据信息中重复异常次数，提高异常数据信息的准确率；通过异常重要性对比矩阵确定异常加权系数，稳定性评估更加准确。

Description

一种软件稳定性评估方法、装置、存储介质和设备
技术领域
本发明涉及计算机技术领域，尤其涉及一种软件稳定性评估方法、装置、存储介质和设备。
背景技术
由于信息大爆炸，智能设备上的软件也在成几何级数增长。随着软件增加带来的海量数据，智能设备在对这些数据进行存储、分析过程中故障发生的频率也越来愈高，时时刻刻都在影响着智能设备上软件的可用情况和效率。因此，在软件开发的过程中，通常需要对开发完成的软件进行质量测试，以确保软件或者软件所在的系统能够顺畅运行。而对于已经开发完成的软件也需要持续关注其运行的稳定性，从而决定是否优化软件。
但是现有技术中对软件稳定性评估尚无量化方案，所以也只能是开发或产品经理等人根据经验判断软件稳定性，这种方法不够客观，也会导致很多影响软件正常使用的问题被忽视，影响用户的使用体验。
发明内容
为解决上述技术问题，本发明提供一种软件稳定性评估方法、装置、存储介质和设备，能够对软件运行的稳定性进行客观评价，从而优化软件，提升软件质量和运行稳定性，提高软件使用体验。
本发明实施例提供一种软件稳定性评估方法，所述方法包括：
获取待评估软件运行过程中的异常数据信息和运行数据信息；
根据预先构建的异常因果关系矩阵对所述异常数据信息中重复异常次数进行去重；
根据预先计算得到的加权系数和去重后的异常数据信息，计算所述待评估软件的整体异常率指数；
根据所述运行数据信息计算异常运行时间比例；
根据所述异常运行时间比例和所述整体异常率指数计算所述待评估软件的稳定指数，并根据所述稳定指数评估所述待评估软件的稳定性。
优选地，所述获取待评估软件运行过程中的异常数据信息和运行数据信息，具体包括：
运行所述待评估软件，通过预先在所述待评估软件中置入的埋点数据检测所述待评估软件在预设时间段内的异常数据信息和运行数据信息；
所述异常数据信息包括异常关机数、软件崩溃数、程序无响应数和闪退数；
所述运行数据信息包括运行次数和运行时长数据；
其中所述运行时长数据包括稳定运行时长和异常运行时长。
优选地，所述根据预先构建的异常因果关系矩阵对所述异常数据信息中重复异常次数进行去重，具体包括：
根据预先构建的异常因果关系矩阵B去除所述异常数据信息中的重复异常次数，异常行为i去重后的异常次数为Ni；
其中，
Figure BDA0003521106440000021
bij＝1表示异常行为i会造成异常行为j，bij＝0表示异常行为i不会造成异常行为j，i,j＝1,2,...,n，n为异常数据信息中异常行为的数量，n≥1，SNi为所述异常数据信息的异常行为i的异常次数。
作为一种优选方案，所述加权系数预先计算过程包括：
构建所述异常数据信息之间的重要性对比矩阵A，并根据预设的影响程度设定取值规则，确定重要性对比矩阵A中每一元素aij的重要性对比系数；
将重要性对比矩阵A的列向量归一化，得到归一化的矩阵
Figure BDA0003521106440000031
对矩阵
Figure BDA0003521106440000032
按行进行求和计算，得到列向量
Figure BDA0003521106440000033
将列向量
Figure BDA0003521106440000034
归一化后，得到加权系数向量W；
对加权系数向量W进行m次计算，获取异常行为i的异常次数Ni的m个加权系数，得到
Figure BDA0003521106440000035
采用
Figure BDA0003521106440000036
的平均值，计算不同异常的加权系数wi
其中，
Figure BDA0003521106440000037
W＝(w1、w2、...、wn)T，
Figure BDA0003521106440000038
优选地，所述整体异常率指数
Figure BDA0003521106440000039
其中，
Figure BDA00035211064400000310
N*为正整数，n为异常数据信息中异常的数量，n≥1，Ni为异常行为i去重后的异常次数，wi为异常行为i的加权系数，Rtb为所述运行数据信息中的运行次数。
作为一种优选方案，所述异常运行时间比例
Figure BDA00035211064400000311
其中，Rte为所述运行数据信息中的异常运行时长，Rtn为所述运行数据信息中的稳定运行时长。
优选地，所述稳定指数Qs＝(1-Ar)y(Re)；
其中，y(x)＝λ×tanh(x)，
Figure BDA00035211064400000312
tanh(x)函数为定义域为[0,+∞)值域为[0,1)的递增函数，调节参数λ为预设的不小于1的正数，Re为所述异常运行时间比例，Ar为所述整体异常率指数。
本发明实施例提供一种软件稳定性评估装置，所述装置包括：
信息获取模块，用于获取待评估软件运行过程中的异常数据信息和运行数据信息；
去重模块，用于根据预先构建的异常因果关系矩阵对所述异常数据信息中重复异常次数进行去重；
第一计算模块，用于根据预先计算得到的加权系数和去重后的异常数据信息，计算所述待评估软件的整体异常率指数；
第二计算模块，用于根据所述运行数据信息计算异常运行时间比例；
评估模块，用于根据所述异常运行时间比例和所述整体异常率指数计算所述待评估软件的稳定指数，并根据所述稳定指数评估所述待评估软件的稳定性。
进一步地，所述信息获取模块具体用于：
运行所述待评估软件，通过预先在所述待评估软件中置入的埋点数据检测所述待评估软件在预设时间段内的异常数据信息和运行数据信息；
所述异常数据信息包括异常关机数、软件崩溃数、程序无响应数和闪退数；
所述运行数据信息包括运行次数和运行时长数据；
其中所述运行时长数据包括稳定运行时长和异常运行时长。
作为一种优选方案，所述去重模块具体用于：
根据预先构建的异常因果关系矩阵B去除所述异常数据信息中的重复异常次数，异常行为i去重后的异常次数为Ni；
其中，
Figure BDA0003521106440000041
bij＝1表示异常行为i会造成异常行为j，bij＝0表示异常行为i不会造成异常行为j，i,j＝1,2,...,n，n为异常数据信息中异常行为的数量，n≥1，SNi为所述异常数据信息的异常行为i的异常次数。
优选地，所述加权系数预先计算过程包括：
构建所述异常数据信息之间的重要性对比矩阵A，并根据预设的影响程度设定取值规则，确定重要性对比矩阵A中每一元素aij的重要性对比系数；
将重要性对比矩阵A的列向量归一化，得到归一化的矩阵
Figure BDA0003521106440000051
对矩阵
Figure BDA0003521106440000052
按行进行求和计算，得到列向量
Figure BDA0003521106440000053
将列向量
Figure BDA0003521106440000054
归一化后，得到加权系数向量W；
对加权系数向量W进行m次计算，获取异常行为i的异常次数Ni的m个加权系数，得到
Figure BDA0003521106440000055
采用
Figure BDA0003521106440000056
的平均值，计算不同异常的加权系数wi
其中，
Figure BDA0003521106440000057
W＝(w1、w2、...、wn)T，
Figure BDA0003521106440000058
优选地，所述整体异常率指数
Figure BDA0003521106440000059
其中，
Figure BDA00035211064400000510
N*为正整数，n为异常数据信息中异常的数量，n≥1，Ni为异常行为i去重后的异常次数，wi为异常行为i的加权系数，Rtb为所述运行数据信息中的运行次数。
优选地，所述异常运行时间比例
Figure BDA00035211064400000511
其中，Rte为所述运行数据信息中的异常运行时长，Rtn为所述运行数据信息中的稳定运行时长。
优选地，所述稳定指数Qs＝(1-Ar)y(Re)；
其中，y(x)＝λ×tanh(x)，
Figure BDA0003521106440000061
tanh(x)函数为定义域为[0,+∞)值域为[0,1)的递增函数，调节参数λ为预设的不小于1的正数，Re为所述异常运行时间比例，Ar为所述整体异常率指数。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述实施例中任意一项所述的软件稳定性评估方法。
本发明实施例还提供一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述实施例中任意一项所述的软件稳定性评估方法。
本发明提供的一种软件稳定性评估方法、装置、存储介质和设备，通过获取待评估软件运行过程中的异常数据信息和运行数据信息；根据预先构建的异常因果关系矩阵对所述异常数据信息中重复异常次数进行去重；根据预先计算得到的加权系数和去重后的异常数据信息，计算所述待评估软件的整体异常率指数；根据所述运行数据信息计算异常运行时间比例；根据所述异常运行时间比例和所述整体异常率指数计算所述待评估软件的稳定指数，并根据所述稳定指数评估所述待评估软件的稳定性。通过获取待评估软件运行过程中的异常数据信息和运行数据信息，计算整体异常率指数和异常运行时间，根据整体异常率指数和异常运行时间计算稳定指数，根据稳定指数大小评估待评估软件的稳定性，量化软件稳定性的评价指标，并且结合软件异常之间的因果关系和相对重要性评估稳定性，稳定性评估更加全面；通过异常因果矩阵去除异常数据信息中重复异常次数，提高异常数据信息的准确率；通过异常重要性对比矩阵确定异常加权系数，稳定性评估更加准确。
附图说明
图1是本发明实施例提供的一种软件稳定性评估方法的流程示意图；
图2是本发明实施例提供的一种软件稳定性评估装置的结构示意图；
图3是本发明实施例提供的一种终端设备的结构示意图。
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作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。
本发明实施例提供一种软件稳定性评估方法，参见图1，是本发明实施例提供的一种软件稳定性评估方法的流程示意图，所述方法步骤S1～S5：
S1，获取待评估软件运行过程中的异常数据信息和运行数据信息；
S2，构建异常因果关系矩阵，根据所述异常因果关系矩阵对所述异常数据信息中重复异常次数进行去重；
S3，根据预先计算得到的加权系数和去重后的异常数据信息，计算所述待评估软件的整体异常率指数；
S4，根据所述运行数据信息计算异常运行时间比例；
S5，根据所述异常运行时间比例和所述整体异常率指数计算所述待评估软件的稳定指数，并根据所述稳定指数评估所述待评估软件的稳定性。
在本实施例具体实施时，接收开发人员通过开发终端或存储设备上传的待评估软件，运行所述待评估软件，并获取所述待评估软件在运行过程中异常数据信息和运行数据信息；其中异常数据信息包括所述待评估软件在运行过程中几种异常运行行为发生的异常次数的数据；运行数据信息包括所述待评估软件运行时的运行数据，包括正常数据和异常运行数据。
构建异常因果关系矩阵，并根据所述异常因果矩阵去除所述异常数据信息中由于某一异常行为发生的次数中，由于其他异常行为导致的次数，去除异常数据信息中的重复异常次数。
根据预先计算得到的加权系数和去重后的异常数据信息中每一异常行为发生的次数，计算所述待评估软件的整体异常率指数；
并根据所述运行数据信息计算异常运行时间比例；
根据所述异常运行时间比例和所述整体异常率指数计算所述待评估软件的稳定指数，并根据所述稳定指数评估所述待评估软件的稳定性。
通过获取待评估软件运行过程中的异常数据信息和运行数据信息，计算整体异常率指数和异常运行时间，根据整体异常率指数和异常运行时间计算稳定指数，根据稳定指数大小评估待评估软件的稳定性，量化软件稳定性的评价指标，并且结合软件异常之间的因果关系和相对重要性评估稳定性，稳定性评估更加全面；通过异常因果矩阵去除异常数据信息中重复异常次数，提高异常数据信息的准确率；通过异常重要性对比矩阵确定异常加权系数，稳定性评估更加准确。
在本发明提供的又一实施例中，所述获取待评估软件运行过程中的异常数据信息和运行数据信息，具体包括：
运行所述待评估软件，通过预先在所述待评估软件中置入的埋点数据检测所述待评估软件在预设时间段内的异常数据信息和运行数据信息；
所述异常数据信息包括异常关机数、软件崩溃数、程序无响应数和闪退数；
所述运行数据信息包括运行次数和运行时长数据；
其中所述运行时长数据包括稳定运行时长和异常运行时长。
在本实施例具体实施时，所述异常数据信息和运行数据信息的获取过程具体为：
在指定的系统或设备中运行所述待评估软件，并通过预先在所述待评估软甲中置入的埋点数据监测所述待评估软件在预设时间段内的运行情况，统计不同异常行为的发生次数、正常运行时间和异常运行时间，得到异常数据信息和运行数据信息；
异常数据信息包括待评估软件的软件崩溃数Nb(Number_break)、程序无响应数Na(Number_anr)和闪退数Nf(Nuestion_flash)，以及由于待评估软件导致的运行设备发生的异常关机数Ns(Number_shutdown)。
运行数据信息包括待评估软件的运行次数Rtb(runtime_total_number)、运行时长数据Rt(run_time)。运行时长数据可进一步分为稳定运行时长Rtn(run_time_normal)及异常运行时长Rte(run_time_exception)。
在软件运行过程中，检测待评估软件的异常关机数、软件崩溃数、程序无响应数和闪退数和运行能够囊括所述待评估软件的大部分异常，稳定性的效率高。
需要说明的是，在本实施例中列举除了所述异常数据信息和运行数据信息的部分数据，在其他实施例中，所述异常数据信息和运行数据信息还包括其他数据，基于本发明原理，所述异常数据信息和运行数据信息的具体数据并不影响本发明具体实施，选定任何异常数据信息和运行数据信息的数据，均在本发明保护范围内。
在本发明提供的又一实施例中，所述步骤S2具体包括：
根据预先构建的异常因果关系矩阵B去除所述异常数据信息中的重复异常次数，异常行为i去重后的异常次数为Ni；
其中，
Figure BDA0003521106440000091
bij＝1表示异常行为i会造成异常行为j，bij＝0表示异常行为i不会造成异常行为j，i,j＝1,2,...,n，n为异常数据信息中异常行为的数量，n≥1，SNi为所述异常数据信息的异常行为i的异常次数。
在本实施例具体实施时，预先构建异常行为之间的n×n因果关系矩阵B：
Figure BDA0003521106440000101
其中，bij代表异常行为i是否会造成第j种异常发生，bij＝1表示异常行为i与异常行为j间存在因果关系，即异常行为i会造成异常行为j，bij＝0表示异常行为i与异常行为j间不存在因果关系，即异常行为i不会造成异常行为j，i,j＝1,2,...,n，n为异常数据信息中异常行为的数量，n≥1；
根据异常因果关系矩阵B去除每一异常行为中重复异常次数，异常行为i去重后的异常次数为Ni；
Figure BDA0003521106440000102
其中SNi为所述异常数据信息的异常行为i的异常次数。
通过异常行为之间的因果关系，去除由于一种异常行为导致的重复异常行为的次数，提高异常数据的精度，提高稳定性评估的准确率。
在本发明提供的又一实施例中，所述加权系数预先计算过程包括：
构建所述异常数据信息之间的重要性对比矩阵A，并根据预设的影响程度设定取值规则，确定重要性对比矩阵A中每一元素aij的重要性对比系数；
将重要性对比矩阵A的列向量归一化，得到归一化的矩阵
Figure BDA0003521106440000103
对矩阵
Figure BDA0003521106440000104
按行进行求和计算，得到列向量
Figure BDA0003521106440000105
将列向量
Figure BDA0003521106440000106
归一化后，得到加权系数向量W；
对加权系数向量W进行m次计算，获取异常行为i的异常次数Ni的m个加权系数，得到
Figure BDA0003521106440000107
采用
Figure BDA0003521106440000108
的平均值，计算不同异常的加权系数wi
其中，
Figure BDA0003521106440000109
W＝(w1、w2、...、wn)T，
Figure BDA0003521106440000111
在本实施例具体实施时，加权系数是比较异常数据中不同异常行为之间的相对严重性获得的，异常行为包括异常关机、软件崩溃、程序无响应和闪退；
具体的加权系数计算过程为：
构建异常数据的不同异常行为之间的重要性对比矩阵A：
Figure BDA0003521106440000112
其中，aij为异常行为i与异常行为j的重要性对比系数，aij>0，aji＝1/aij，i,j＝1,2,...,n，n为异常数据信息中异常行为的数量，n＝4：
由科研专家根据待测软件所属领域确定异常行为i与异常行为j相比对稳定性的影响程度设定取值规则，指定取值规则表，
表1aij的重要性对比系数的取值规则表
Figure BDA0003521106440000113
将重要性对比矩阵A的列向量归一化，得到归一化的矩阵
Figure BDA0003521106440000121
Figure BDA0003521106440000122
将
Figure BDA0003521106440000123
按行求和，计算列向量
Figure BDA0003521106440000124
Figure BDA0003521106440000125
将列向量
Figure BDA0003521106440000126
归一化后，得到加权系数向量W＝(w1、w2、...、wn)T。
为了避免科研专家设定异常行为i与异常行为j相比对稳定性的影响程度设定取值规则的片面性，在计算加权系数时，根据m个科研专家设定不同取值规则对加权系数向量W进行m次计算，获取第i种异常数据的异常次数Ni的m个加权系数，得到
Figure BDA0003521106440000127
最终加权系数wi采用
Figure BDA0003521106440000128
的平均值，即
Figure BDA0003521106440000129
通过设定不同异常行为间对稳定性的影响程度设定取值规则，得到不同的计算权重，多次重复这一过程，减少设定取值规则设定的片面性；通过增加重复执行的次数，提高准确率。
在本发明提供的又一实施例中，所述整体异常率指数
Figure BDA00035211064400001210
其中，
Figure BDA00035211064400001211
N*为正整数，n为异常数据信息中异常的数量，n≥1，Ni为异常行为i去重后的异常次数，wi为异常行为i的加权系数，Rtb为所述运行数据信息中的运行次数。
在本实施例具体实施时，根据所述异常数据信息获取所述软件的整体异常率指数Ar(abnormal rate)，所述整体异常率指数的计算公式如下：
Figure BDA0003521106440000131
上述公式中，n为异常数据信息的种类数，n≥1，Ni为异常行为i去重后的异常次数，Ni包括但不限于异常关机数Ns、软件崩溃数Nb、程序无响应数Na和闪退数Nf去重后的数据，i＝1,2,...,n，wi为异常行为i的加权系数，Rtb为所述运行数据信息中的运行次数。
在本发明提供的又一实施例中，所述异常运行时间比例
Figure BDA0003521106440000132
其中，Rte为所述运行数据信息中的异常运行时长，Rtn为所述运行数据信息中的稳定运行时长。
在本实施例具体实施时，异常运行时间比例
Figure BDA0003521106440000133
其中，Rte为所述运行数据信息中的异常运行时长，Rtn为所述运行数据信息中的稳定运行时长。
在本发明提供的又一实施例中，所述稳定指数Qs＝(1-Ar)y(Re)；
其中，y(x)＝λ×tanh(x)，
Figure BDA0003521106440000134
tanh(x)函数为定义域为[0,+∞)值域为[0,1)的递增函数，调节参数λ为预设的不小于1的正数，Re为所述异常运行时间比例，Ar为所述整体异常率指数。
在本实施例具体实施时，根据所述整体异常率指数及异常运行时间比例计算该目标软件的稳定指数Qs，其计算公式如下：
Qs＝(1-Ar)y(Re)
y(x)＝λ×tanh(x)
Figure BDA0003521106440000135
上述公式中，tanh(x)函数为定义域为[0,+∞)值域为[0,1)的递增函数，调节参数λ为预设的大于等于1的正数，用于扩大1-Ar的指数，因Qs为定义域[0,+∞)区间内值域为(0,1]的递减函数，可以通过调节指数λ大小，扩大Qs的值域；具体可以为科研专家根据经验设置的常数；
稳定指数Qs的公式含义是：当底数1-Ar在(0,1)之间时，指数y(Re)越小Qs值越大；软件异常率指数较低且异常运行时间比例越小，待评估软件的稳定指数值越高；软件异常率较大且异常运行时间比例越大，待评估软件的稳定指数值越低。
所述软件的稳定性评估可以为周期性动态评估，即按照设定的周期间隔进行评估，用于监测待评估软件的长期运行状态，如待评估软件发布后每个月动态更新一次稳定性评估；也可以为手动触发评估，即用于测试人员评估软件的稳定性。
优选的，本发明提供的软件稳定性评估方法可针对多个目标软件列表定期生成稳定性评估报告，并将所述报告及时推送分发到相关责任人进行查看，以便软件调优。
所述根据所述稳定指数对目标软件的稳定性进行分级评估，进一步是指可以参考科研专家的实际经验对软件按照其对应的稳定性指数大小分级，所述分级不做具体限制，如稳定性优、良好、正常、略差、极差等，从而使相关责任人对软件当前所处状态一目了然。
参见图2，是本发明实施例提供的一种软件稳定性评估装置的结构示意图，所述装置包括：
信息获取模块，用于获取待评估软件运行过程中的异常数据信息和运行数据信息；
去重模块，用于根据预先构建的异常因果关系矩阵对所述异常数据信息中重复异常次数进行去重；
第一计算模块，用于根据预先计算得到的加权系数和去重后的异常数据信息，计算所述待评估软件的整体异常率指数；
第二计算模块，用于根据所述运行数据信息计算异常运行时间比例；
评估模块，用于根据所述异常运行时间比例和所述整体异常率指数计算所述待评估软件的稳定指数，并根据所述稳定指数评估所述待评估软件的稳定性。
需要说明的是，本发明实施例提供的一种软件稳定性评估装置用于执行上述实施例的一种软件稳定性评估方法的所有流程步骤，两者的工作原理和有益效果一一对应，因而不再赘述。
参见图3，是本发明提供的一种终端设备的一个优先实施的示意图。该实施例的终端设备包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如软件稳定性评估程序。所述处理器执行所述计算机程序时实现上述各个软件稳定性评估方法实施例中的步骤，例如图1所示的步骤S1～S5。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块的功能。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。例如，所述计算机程序可以被分割成代码上传模块、软件打包模块、软件存储模块、设备连接模块和设备测试模块，各模块具体功能再次不作赘述。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是终端设备的示例，并不构成对终端设备的限定，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，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述终端设备集成的模块/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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述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模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种软件稳定性评估方法，其特征在于，所述方法包括：
获取待评估软件运行过程中的异常数据信息和运行数据信息；
根据预先构建的异常因果关系矩阵对所述异常数据信息中重复异常次数进行去重；
根据预先计算得到的加权系数和去重后的异常数据信息，计算所述待评估软件的整体异常率指数；
根据所述运行数据信息计算异常运行时间比例；
根据所述异常运行时间比例和所述整体异常率指数计算所述待评估软件的稳定指数，并根据所述稳定指数评估所述待评估软件的稳定性。
2.如权利要求1所述的软件稳定性评估方法，其特征在于，所述获取待评估软件运行过程中的异常数据信息和运行数据信息，具体包括：
运行所述待评估软件，通过预先在所述待评估软件中置入的埋点数据检测所述待评估软件在预设时间段内的异常数据信息和运行数据信息；
所述异常数据信息包括异常关机数、软件崩溃数、程序无响应数和闪退数；
所述运行数据信息包括运行次数和运行时长数据；
其中所述运行时长数据包括稳定运行时长和异常运行时长。
3.如权利要求1所述的软件稳定性评估方法，其特征在于，所述根据预先构建的异常因果关系矩阵对所述异常数据信息中重复异常次数进行去重，具体包括：
根据预先构建的异常因果关系矩阵B去除所述异常数据信息中的重复异常次数，异常行为i去重后的异常次数为Ni；
其中，
Figure FDA0003521106430000021
bij＝1表示异常行为i会造成异常行为j，bij＝0表示异常行为i不会造成异常行为j，i,j＝1,2,...,n，n为异常数据信息中异常行为的数量，n≥1，SNi为所述异常数据信息的异常行为i的异常次数。
4.如权利要求1所述的软件稳定性评估方法，其特征在于，所述加权系数预先计算过程包括：
构建所述异常数据信息之间的重要性对比矩阵A，并根据预设的影响程度设定取值规则，确定重要性对比矩阵A中每一元素aij的重要性对比系数；
将重要性对比矩阵A的列向量归一化，得到归一化的矩阵
Figure FDA0003521106430000022
对矩阵
Figure FDA0003521106430000023
按行进行求和计算，得到列向量
Figure FDA0003521106430000024
将列向量
Figure FDA0003521106430000025
归一化后，得到加权系数向量W；
对加权系数向量W进行m次计算，获取异常行为i的异常次数Ni的m个加权系数，得到
Figure FDA0003521106430000026
采用
Figure FDA0003521106430000027
的平均值，计算不同异常的加权系数wi
其中，
Figure FDA0003521106430000028
Figure FDA0003521106430000029
5.如权利要求1所述的软件稳定性评估方法，其特征在于，所述整体异常率指数
Figure FDA0003521106430000031
其中，
Figure FDA0003521106430000032
N*为正整数，n为异常数据信息中异常的数量，n≥1，Ni为异常行为i去重后的异常次数，wi为异常行为i的加权系数，Rtb为所述运行数据信息中的运行次数。
6.如权利要求1所述的软件稳定性评估方法，其特征在于，所述异常运行时间比例
Figure FDA0003521106430000033
其中，Rte为所述运行数据信息中的异常运行时长，Rtn为所述运行数据信息中的稳定运行时长。
7.如权利要求1所述的软件稳定性评估方法，其特征在于，所述稳定指数Qs＝(1-Ar)y(Re)；
其中，y(x)＝λ×tanh(x)，
Figure FDA0003521106430000034
tanh(x)函数为定义域为[0,+∞)值域为[0,1)的递增函数，调节参数λ为预设的不小于1的正数，Re为所述异常运行时间比例，Ar为所述整体异常率指数。
8.一种软件稳定性评估装置，其特征在于，所述装置包括：
信息获取模块，用于获取待评估软件运行过程中的异常数据信息和运行数据信息；
去重模块，用于根据预先构建的异常因果关系矩阵对所述异常数据信息中重复异常次数进行去重；
第一计算模块，用于根据预先计算得到的加权系数和去重后的异常数据信息，计算所述待评估软件的整体异常率指数；
第二计算模块，用于根据所述运行数据信息计算异常运行时间比例；
评估模块，用于根据所述异常运行时间比例和所述整体异常率指数计算所述待评估软件的稳定指数，并根据所述稳定指数评估所述待评估软件的稳定性。
9.一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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的软件稳定性评估方法。
10.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的软件稳定性评估方法。
CN202210181317.4A 2022-02-25 2022-02-25 一种软件稳定性评估方法、装置、存储介质和设备 Pending CN114595130A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210181317.4A CN114595130A (zh) 2022-02-25 2022-02-25 一种软件稳定性评估方法、装置、存储介质和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210181317.4A CN114595130A (zh) 2022-02-25 2022-02-25 一种软件稳定性评估方法、装置、存储介质和设备

Publications (1)

Publication Number Publication Date
CN114595130A true CN114595130A (zh) 2022-06-07

Family

ID=81805140

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210181317.4A Pending CN114595130A (zh) 2022-02-25 2022-02-25 一种软件稳定性评估方法、装置、存储介质和设备

Country Status (1)

Country Link
CN (1) CN114595130A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115357468A (zh) * 2022-10-19 2022-11-18 广东省科技基础条件平台中心 一种软件性能评估方法、装置、设备及存储介质
CN116540064A (zh) * 2023-04-07 2023-08-04 亚之捷智能装备(江苏)有限公司 一种基于大数据的信号处理电路的干扰监测方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115357468A (zh) * 2022-10-19 2022-11-18 广东省科技基础条件平台中心 一种软件性能评估方法、装置、设备及存储介质
CN115357468B (zh) * 2022-10-19 2023-01-24 广东省科技基础条件平台中心 一种软件性能评估方法、装置、设备及存储介质
CN116540064A (zh) * 2023-04-07 2023-08-04 亚之捷智能装备(江苏)有限公司 一种基于大数据的信号处理电路的干扰监测方法及系统
CN116540064B (zh) * 2023-04-07 2024-02-02 亚之捷智能装备(江苏)有限公司 一种基于大数据的信号处理电路的干扰监测方法及系统

Similar Documents

Publication Publication Date Title
CN114595130A (zh) 一种软件稳定性评估方法、装置、存储介质和设备
CN108833458B (zh) 一种应用推荐方法、装置、介质及设备
CN108388509B (zh) 一种软件测试方法、计算机可读存储介质及终端设备
CN107944721B (zh) 一种通用的基于数据挖掘的机器学习方法、装置以及系统
CN109426655B (zh) 数据分析方法、装置、电子设备及计算机可读存储介质
CN108845927B (zh) 一种测试用例的筛选方法及装置
US8930773B2 (en) Determining root cause
CN116227240B (zh) 基于综合应力加速试验的产品寿命评价方法、装置及设备
CN112132485A (zh) 一种指标数据处理方法、装置、电子设备及存储介质
CN110672325A (zh) 一种基于概率分布的轴承工况稳定性评估方法及装置
CN108009063B (zh) 一种电子设备故障阈值检测的方法
CN108304322B (zh) 一种压力测试方法及终端设备
CN114355094A (zh) 基于多源信息的产品可靠性薄弱环节综合评估方法和装置
CN113536519A (zh) 一种生物多样性评价方法及计算机设备
CN113946983A (zh) 产品可靠性薄弱环节评估方法、装置和计算机设备
CN109213965B (zh) 一种系统容量预测方法、计算机可读存储介质及终端设备
CN107977626B (zh) 一种电子设备工作数据的分组方法
CN108009582B (zh) 一种电子设备标准工作指标设置的方法
CN114169460A (zh) 样本筛选方法、装置、计算机设备和存储介质
CN116166967B (zh) 基于元学习与残差网络的数据处理方法、设备和存储介质
CN111783883A (zh) 一种异常数据的检测方法及装置
CN115618206A (zh) 干扰数据确定方法、装置、电子设备及存储介质
CN116009675A (zh) 功耗确定方法、装置、存储介质及电子设备
CN115114070A (zh) 一种故障诊断方法、装置、设备及介质
CN110264333B (zh) 一种风险规则确定方法和装置

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