CN115952078A - 一种测试用例排序方法、装置、系统及存储介质 - Google Patents
一种测试用例排序方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN115952078A CN115952078A CN202211549871.XA CN202211549871A CN115952078A CN 115952078 A CN115952078 A CN 115952078A CN 202211549871 A CN202211549871 A CN 202211549871A CN 115952078 A CN115952078 A CN 115952078A
- Authority
- CN
- China
- Prior art keywords
- unit
- priority
- test
- case
- test case
- 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
Links
Images
Classifications
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明提供了一种测试用例排序方法、装置、系统及存储介质,涉及回归测试技术领域。其中所述测试用例排序方法包括:针对于测试用例进行聚类分析,得到聚类分析后的单元集群;以每个单元集群为单位,通过执行单元集群的测试用例确定单元优先级,并根据单元优先级确定测试用例的用例优先级。本发明基于测试执行结果动态排序的测试用例排序方法,采用机器学习算法将用例进行聚簇分析,通过测试执行结果动态调整测试用例优先级排序,使更有可能检测到缺陷的测试用例优先执行,提升检测缺陷的速度,达到提升回归测试效益的目的,大大提高了测试效率。
Description
技术领域
本发明涉及回归测试技术领域,更具体地说,涉及一种测试用例排序方法、装置、系统及存储介质。
背景技术
回归测试是软件在开发过程中,或者在发布后,修改了旧代码后,重新进行测试以确认修改没有引入新的错误或导致其他代码产生错误。自动回归测试将大幅降低系统测试、维护升级等阶段的成本。
回归测试作为软件生命周期的一个组成部分,在整个软件测试过程中占有很大的工作量比重,软件开发的各个阶段都会进行多次回归测试。在渐进和快速迭代开发中,新版本的连续发布使回归测试进行的更加频繁,而在极端编程方法中,更是要求每天都进行若干次回归测试。因此,通过选择正确的回归测试策略来改进回归测试的效率和有效性是很有意义的。
软件开发过程中,随着产品功能对不断增加、迭代,测试用例集规模不断增大,导致回归测试成本也不断加大。由于测试资源有限,测试用例无法全部执行,为了提高回归测试效率,需要制定更加符合回归测试要求的回归测试策略,即为,按照某种既定的测试目标对测试用例进行排序,以便于决定其执行时的次序,使最优的测试用例能够优先执行。
现有的测试用例有限排序方法,虽然采用聚类算法,但是其中并未考虑不同类簇数和特征子集对聚类结果的影响”,存在利用的排序信息不全面或排序目标单一的问题,并不能综合运用多种信息对测试用例进行排序,大大降低了回归测试速度,降低了测试效率。
发明内容
有鉴于此,针对于上述技术问题,本发明提供一种可用于金融科技或其他相关领域的测试用例排序方法,应用于针对软件的回归测试,包括:
针对于所述测试用例进行聚类分析,得到聚类分析后的单元集群;其中,每个所述单元集群内,包含有聚类后具有相似性的所述测试用例;
以每个所述单元集群为单位,通过执行所述单元集群的测试用例确定单元优先级,并根据所述单元优先级确定所述测试用例的用例优先级。
优选地,所述以每个所述单元集群为单位,通过执行所述单元集群的测试用例确定整体优先级,并根据所述单元优先级确定所述测试用例的用例优先级,包括:
对每个所述单元集群的单元优先级赋值为相同的初始值;
通过执行所述单元集群的测试用例,得出执行结果;并根据所述执行结果重新赋值所述单元优先级;
根据所述单位优先级确定所述测试用例的所述用例优先级;
优选地,所述初始值为1。
优选地,所述通过执行所述单元集群的测试用例,得出执行结果;并根据所述执行结果重新赋值所述单元优先级,包括:
提取每个所述单元集群中具有代表特征的测试用例,作为代表用例;
将所提取的所有所述代表用例共同组成一个单独的样板集群;
执行所述样板集群中的所述代表用例,得到所述执行结果,并根据所述执行结果更新所述单元优先级。
优选地,所述提取每个所述单元集群中具有代表特征的测试用例,作为代表用例,包括:
基于每个所述测试用例对应的历史执行频次和关联重要性,对所述单元集群的所述测试用例进行优先级排序;
在优先级排序后,以其中具有第一位优先级的测试用例为具有代表特征的测试用例,作为所述代表用例。
优选地,所述执行所述样板集群中的所述代表用例,得到所述执行结果,并根据所述执行结果更新所述单元优先级,包括:
对所述样板集群中的每个所述代表用例进行执行,获得与每个所述代表用例对应的所述执行结果;
根据所述执行结果得出与所述代表用例对应的优先级更新值;
通过所述优先级更新值对所述代表用例所对应的所述单元集群的所述单元优先级更新。
优选地,所述执行结果中的结果参数包括:代码覆盖率、功能优先级、缺陷产生数量和缺陷严重等级。
优选地,所述根据所述单位优先级确定所述测试用例的所述用例优先级,包括:
在利用所述优先级更新值更新所述单元优先级后,根据优先排序引擎,通过单位优先级确定与所述单位优先级对应的所述单元集群的优先排列顺序;
基于所述优先排列顺序,并且根据所述单元集群中每个所述测试用例对应的历史执行频次和关联重要性,确定每个所述测试用例的所述用例优先级。
此外,为解决上述问题,本发明还提供一种测试用例排序装置,包括:
聚类模块,用于针对于所述测试用例进行聚类分析,得到聚类分析后的单元集群;其中,每个所述单元集群内,包含有聚类后具有相似性的所述测试用例;
执行模块,用于以每个所述单元集群为单位,通过执行所述单元集群的测试用例确定单元优先级,并根据所述单元优先级确定所述测试用例的用例优先级。
此外,为解决上述问题,本发明还提供一种测试用例排序系统,包括存储器以及处理器,所述存储器中存储有测试用例排序程序,所述处理器运行所述测试用例排序程序以使所述测试用例排序系统执行如上述所述的测试用例排序方法。
此外,为解决上述问题,本发明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上存储有测试用例排序程序,所述测试用例排序程序被处理器执行时实现如上述所述的测试用例排序方法。
本发明提供了一种测试用例排序方法、装置、系统及存储介质,其中,所述方法包括:针对于所述测试用例进行聚类分析,得到聚类分析后的单元集群;其中,每个所述单元集群内,包含有聚类后具有相似性的所述测试用例;以每个所述单元集群为单位,通过执行所述单元集群的测试用例确定单元优先级,并根据所述单元优先级确定所述测试用例的用例优先级。本发明基于测试执行结果动态排序的测试用例排序方法,采用机器学习算法将用例进行聚簇分析,通过测试执行结果动态调整测试用例优先级排序,使更有可能检测到缺陷的测试用例优先执行,提升检测缺陷的速度,达到提升回归测试效益的目的,大大提高了测试效率。
附图说明
图1为本发明测试用例排序方法实施例涉及的硬件运行环境的结构示意图;
图2为本发明测试用例排序方法第1实施例的流程示意图;
图3为本发明测试用例排序方法第2实施例中步骤S200细化的流程示意图;
图4为本发明测试用例排序方法第3实施例中步骤S220细化的流程示意图;
图5为本发明测试用例排序方法第3实施例中步骤S221细化的流程示意图;
图6为本发明测试用例排序方法第3实施例中步骤S223细化的流程示意图;
图7为本发明测试用例排序方法第3实施例中步骤S230细化的流程示意图;
图8为本发明测试用例排序装置的模块连接示意图;
图9为本发明测试用例排序方法的整体工作流框架的示意图。
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
下面详细描述本发明的实施例,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。
此外,术语“第一”、“第二”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”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
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。
如图1所示,是本发明实施例涉及的终端的硬件运行环境的结构示意图。
本发明实施例测试用例排序系统,可以为PC,也可以是智能手机、平板电脑或者便携计算机等可移动式终端设备等。该测试用例排序系统中可以包括:处理器1001、例如CPU,网络接口1004、用户接口1003、存储器1005和通信总线1002。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、输入单元比如键盘、遥控器,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WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器,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。可选地,测试用例排序系统还可以包括RF(Radio Frequency,射频)电路、音频电路、WiFi模块等等。此外,该测试用例排序系统还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的测试用例排序系统并不构成对其的限定,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,作为一种计算机可读存储介质的存储器1005中可以包括操作系统、数据接口控制程序、网络连接程序以及测试用例排序程序。
总之,本发明基于测试执行结果动态排序的测试用例排序方法,采用机器学习算法将用例进行聚簇分析,通过测试执行结果动态调整测试用例优先级排序,使更有可能检测到缺陷的测试用例优先执行,提升检测缺陷的速度,达到提升回归测试效益的目的,大大提高了测试效率。
实施例1:
参照图2,本发明第1实施例提供一种测试用例排序方法,应用于针对软件的回归测试,包括:
步骤S100,针对于所述测试用例进行聚类分析,得到聚类分析后的单元集群;其中,每个所述单元集群内,包含有聚类后具有相似性的所述测试用例;
需要说明的是,聚类分析,即聚簇分析,指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程,是一种数据处理行为。
聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域,包括数学,计算机科学,统计学,生物学和经济学。在不同的应用领域,很多聚类技术都得到了发展,这些技术方法被用作描述数据,衡量不同数据源间的相似性,以及把数据源分类到不同的簇中。
例如,测试用例中,其类型可以分为两种:
1)设计用于测试现有功能的测试用例:
第一种测试用例(测试现有功能)因为已经在其他试验循环中使用,并且包含测试执行结果(例如测试通过率,测试缺陷等),这可以使用之前的执行数据来确定此计算的优先;
2)设计用于测试新增功能的测试用例:
第二种测试用例(测试新增功能)没有任何之前的测试执行结果,根据测试策略设计,以实现预定的目标。
本实施例中,提供一种预测试阶段生产测试用例的测试策略,执行这些测试用例,旨在发现与新功能相关的缺陷。
上述,在通过聚类分析算法进行聚类后,能实现将具有相似性的测试用例进行分组。
其中,聚类分析,利用机器学习,对测试用例根据其多样性进行分组,生成基于相似性的测试用例簇,该聚类分析步骤,可以包括两个作用:
(1)通过机器学习聚类技术,以确定哪些测试用例是相似的;
(2)利用聚类算法,对测试用例进行聚类的过程中,可以使用传统测试用例排序算法,对内测试用例进行排序。
通过聚类算法,最终得到多个单元集群,单元集群中包含有聚类后具有相似性的所述测试用例。
步骤S200,以每个所述单元集群为单位,通过执行所述单元集群的测试用例确定单元优先级,并根据所述单元优先级确定所述测试用例的用例优先级。
上述,通过针对于单元集群中的测试用例,从而确定单元集群的优先级,即为,首先确定单元集群的单元优先级,再根据单元优先级确定最优先执行的测试用例,即用例优先级,从而能够实现测试用例执行顺序的的确定。
本实施例基于测试执行结果动态排序的测试用例排序方法,采用机器学习算法将用例进行聚簇分析,通过测试执行结果动态调整测试用例优先级排序,使更有可能检测到缺陷的测试用例优先执行,提升检测缺陷的速度,达到提升回归测试效益的目的,大大提高了测试效率。
实施例2:
参照图3,本发明第2实施例提供一种测试用例排序方法,基于上述实施例1。所述步骤S200,所述以每个所述单元集群为单位,通过执行所述单元集群的测试用例确定整体优先级,并根据所述单元优先级确定所述测试用例的用例优先级,包括:
步骤S210,对每个所述单元集群的单元优先级赋值为相同的初始值;
进一步的,所述初始值为1。
上述,本实施例中,构建一排序引擎,通过该排序引擎对所有的单元集群进行动态的排序的调整。
上述,每个单元集群对应的设有一个单元优先级,代表该单元集群在所有单元集群中的优先级别。
具体的,在进行排序时,需要进行对于各个构建的单元集群进行排序,本实施例中,为了进一步的进行排序动态调整,首先通过该排序引擎对各个单元集群进行初始化操作,即为对于各个单元集群的单元优先级进行赋值,赋值要求为将当前所有的单元有优先级赋值为相同值,即为初始值。
在此,初始值可以为1。即为,所有的单元集群其对应的单元优先级均为1。
步骤S220,通过执行所述单元集群的测试用例,得出执行结果;并根据所述执行结果重新赋值所述单元优先级;
步骤S230,根据所述单位优先级确定所述测试用例的所述用例优先级。
上述,所有单元集群中,都包含有具有相似性的测试用例,通过执行单元集群里的测试用例得到执行结果,再重新对于单元优先级进行更新赋值,从而实现通过单元优先级的数值上的动态调整,从而能够针对于具有相似性的单元集群进行排序,从而能够确定测试用例的用例优先级。
总之,通过测试执行结果动态调整测试用例优先级排序,使更有可能检测到缺陷的测试用例优先执行,提升检测缺陷的速度,达到提升回归测试效益的目的,大大提高了测试效率。
实施例3:
参照图4,本发明第3实施例提供一种测试用例排序方法,基于上述实施例2,所述步骤S220,通过执行所述单元集群的测试用例,得出执行结果;并根据所述执行结果重新赋值所述单元优先级,包括:
步骤S221,提取每个所述单元集群中具有代表特征的测试用例,作为代表用例;
上述,本实施例中,为了提高测试用例的排序的分析效率,根据单元集群中的测试用例的相似性,从每个测试用例提取出具有代表性的测试用例用于排序分析。
具体的,其代表特征作为其代表性的特征点进行提取,所提取出的测试用例即为代表用例,其仍然为原有单元集群中的测试用例,此时作为代表用例进行进一步的分析。
进一步的,参考图5,所述步骤S221,提取每个所述单元集群中具有代表特征的测试用例,作为代表用例,包括:
步骤S2211,基于每个所述测试用例对应的历史执行频次和关联重要性,对所述单元集群的所述测试用例进行优先级排序;
上述,每个测试用例均设有的代表特征,即为历史执行频次的数据,以及关联重要性的数据。
其中,历史执行频次即为该测试用例,在不同测试环境或测试过程中所进行的执行频次,该执行频次能够初步代表该测试用例在测试中的重要性;而关联重要性,即为与相关程序在运行时的关联性,其关联性数据代表了该测试用例的相关性,因此通过相关性和执行频次两个参数的获取,能够将每个测试用例的代表特征予以量化。
上述,通过在单元集群中,通过历史执行频次和关联重要性的确定,从而能够将单元集群中的测试用例进行在单元集群内的优先级排序,从而找到其中最高优先级的测试用例。
步骤S2212,在优先级排序后,以其中具有第一位优先级的测试用例为具有代表特征的测试用例,作为所述代表用例。
上述,通过优先级排序后,选择其中排序在首位的即第一位优先级的测试用例,判定其具有代表特征,即将其作为具有最高优先级的测试用例,即为代表用例。
本实施例中,通过代表特征中的历史执行频次和关联重要性,对每个单元集群中的测试用例进行内部排序,从而筛选、提取出每个单元集群中具有最高优先级的代表用例,从而进行进一步的分析,能够避免针对于大量具有相似性的测试用例的重复性执行,或者重复性的分析,将具有相似性的测试用例筛选出具有更加有限的执行级别,更加具有代表性与软件具有更加重要的关联性的测试用例,从而在提取出后进行进一步的分析,能够有针对性的提高分析效率,提高分析策略的准确性,大大降低了策略制定的繁琐性,以及对于分析时间上的占用,提高了分析效率。
步骤S222,将所提取的所有所述代表用例共同组成一个单独的样板集群;
上述,每个所述单元集群中,均通过代表特征排序,提取出了一个对应的代表用例,进一步将这些代表用例重新共同组成一个新的单独的样板集群。
步骤S223,执行所述样板集群中的所述代表用例,得到所述执行结果,并根据所述执行结果更新所述单元优先级。
上述,在构建的样板集群中,包括多个由其原有单元集群中所提取出的代表用例。为了针对于这些代表用例进行优先级的确定,通过执行这些代表用例,从而能够对每一个代表用例得出一个对应的执行结果,根据这些执行结果去确定每一个代表用例的优先级,这些优先级既对应着每一个代表用例的执行情况,又根据其对应性质,对应着其所在的单元集群,因此根据代表用例的执行结果,可以确定其原有的单元优先级的有限水平,对单元优先级进行评价,从而将评价结果更新单元优先级中。
进一步的,参考图6,所述步骤S223,执行所述样板集群中的所述代表用例,得到所述执行结果,并根据所述执行结果更新所述单元优先级,包括:
步骤S2231,对所述样板集群中的每个所述代表用例进行执行,获得与每个所述代表用例对应的所述执行结果;
步骤S2232,根据所述执行结果得出与所述代表用例对应的优先级更新值;
进一步的,所述执行结果中的结果参数包括:代码覆盖率、功能优先级、缺陷产生数量和缺陷严重等级。
上述,执行结果中,包括有代码覆盖率、功能优先级、缺陷产生数量和缺陷严重等级。其中,代码覆盖率即为该结果覆盖功能的重要性,缺陷产生数量即为通过执行后产生的BUG、缺陷的数量,缺陷严重等级可以为预设的等级标准,通过在执行后产生缺陷后,自动赋值,从而得到缺陷严重等级。
步骤S2233,通过所述优先级更新值对所述代表用例所对应的所述单元集群的所述单元优先级更新。
上述,优先级更新值,即为与初始值相对应的数值,通过优先级更新值替换原有的单元集群在初始化时所设置的初始值。
在初始化时,每个单元集群均设置为相同的初始值,例如为1,在经过对于所抽取的代表用例进行执行并获得执行结果后,通过执行结果得到了优先级更新值,每个代表用例对应的具有一个优先级更新值,再根据该优先级更新值对应覆盖或更新原有的初始值,使原有的每个单元集群的单元优先级发生变化,而不再完全相同,从而具有了优先级上的不同,此时该种优先级上的区别,是通过代表用例通过执行而得到执行结果后,能够体现出的该单元集群内具有相似性的其他测试用例的重要性或优先性,从而将由执行结果获得的优先级更新值替代原有的初始值,使该特性赋予其原来所在的单元集群,是单元集群中的所有测试用例具有该新的单元优先级。
本实施例中,对于代表用例的执行结果,采用四个标准进行评价(对于判定标准即评价标准,也可以根据实际情况调整):1、代码覆盖率,2、功能优先级,3、缺陷产生数量,4、缺陷严重等级;采用综合评价算法对用例结果进行分析。其中每个指标,都设有对应的权重以及权重值,通过计算指标计算权重和权重值之和得出代表用例最终的优先级更新值,从而动态调整带该代表用例的所在单元集群的单元优先级,从而实现了通过测试执行结果动态调整测试用例优先级排序,使更有可能检测到缺陷的测试用例优先执行,提升检测缺陷的速度,达到提升回归测试效益的目的,大大提高了测试效率。
进一步的,参考图7,所述步骤S230,根据所述单位优先级确定所述测试用例的所述用例优先级,包括:
步骤S231,在利用所述优先级更新值更新所述单元优先级后,根据优先排序引擎,通过单位优先级确定与所述单位优先级对应的所述单元集群的优先排列顺序;
步骤S232,基于所述优先排列顺序,并且根据所述单元集群中每个所述测试用例对应的历史执行频次和关联重要性,确定每个所述测试用例的所述用例优先级。
上述,根据优先排序引擎,在进行动态调整每个单元集群的单元优先级之后,进而可以获得在所有单元集群中根据单元优先级的优先排列顺序,可以确定其中具有最高优先级的单元集群。
进一步的,通过优先排列顺序,根据之前所进行排列的该单元集群的历史执行频次和关联重要性,可以直接获得每个单元集群中的每个测试用例,在整体测试用例中的排序,可以确定最优先执行的单元优先级的单元集群,以及该单元集群中最优先执行的测试用例。
此外,参考图8,本实施例还提供一种测试用例排序装置,包括:
聚类模块10,用于针对于所述测试用例进行聚类分析,得到聚类分析后的单元集群;其中,每个所述单元集群内,包含有聚类后具有相似性的所述测试用例;
执行模块20,用于以每个所述单元集群为单位,通过执行所述单元集群的测试用例确定单元优先级,并根据所述单元优先级确定所述测试用例的用例优先级。
此外,本实施例还提供一种测试用例排序系统,包括存储器以及处理器,所述存储器存储有测试用例排序程序,所述处理器运行所述测试用例排序程序以使所述测试用例排序系统执行如上述所述的测试用例排序方法。
此外,本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上存储有测试用例排序程序,所述测试用例排序程序被处理器执行时实现如上述所述测试用例排序方法。
参考图9,为本实施例中所提供的测试用例排序方法的整体工作流框架的示意图。本实施例基于测试执行结果动态排序的测试用例排序方法,采用机器学习算法将用例进行聚簇分析,通过测试执行结果动态调整测试用例优先级排序,使更有可能检测到缺陷的测试用例优先执行,提升检测缺陷的速度,达到提升回归测试效益的目的,大大提高了测试效率。
总之,本实施例中所提供的方法,具有如下正向技术效果:
1、提高了测试用例的排序效果,拥有更好的软件错误检测能力,集合优先排序引擎和测序引擎对测试用例的优先级根据测试结果进行动态调整。
2、同时根据执行测试所获得的执行结果,能够结合测试过程中代码覆盖率,整合到功能层面,即结合功能的优先级进行综合排序;
3、能够更早地检测到被较少测试用例覆盖的软件错误;
4、在时间资源有限的情况下,测试了用例排序允许对测试贡献大的测试用例优先执行,进而提高软件错误的检测率,减少回归测试的成本。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。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)
1.一种测试用例排序方法,应用于针对软件的回归测试,其特征在于,包括:
针对于所述测试用例进行聚类分析,得到聚类分析后的单元集群;其中,每个所述单元集群内,包含有聚类后具有相似性的所述测试用例;
以每个所述单元集群为单位,通过执行所述单元集群的测试用例确定单元优先级,并根据所述单元优先级确定所述测试用例的用例优先级。
2.如权利要求1所述测试用例排序方法,其特征在于,所述以每个所述单元集群为单位,通过执行所述单元集群的测试用例确定整体优先级,并根据所述单元优先级确定所述测试用例的用例优先级,包括:
对每个所述单元集群的单元优先级赋值为相同的初始值;
通过执行所述单元集群的测试用例,得出执行结果;并根据所述执行结果重新赋值所述单元优先级;
根据所述单位优先级确定所述测试用例的所述用例优先级;
优选地,所述初始值为1。
3.如权利要求2所述测试用例排序方法,其特征在于,所述通过执行所述单元集群的测试用例,得出执行结果;并根据所述执行结果重新赋值所述单元优先级,包括:
提取每个所述单元集群中具有代表特征的测试用例,作为代表用例;
将所提取的所有所述代表用例共同组成一个单独的样板集群;
执行所述样板集群中的所述代表用例,得到所述执行结果,并根据所述执行结果更新所述单元优先级。
4.如权利要求3所述测试用例排序方法,其特征在于,所述提取每个所述单元集群中具有代表特征的测试用例,作为代表用例,包括:
基于每个所述测试用例对应的历史执行频次和关联重要性,对所述单元集群的所述测试用例进行优先级排序;
在优先级排序后,以其中具有第一位优先级的测试用例为具有代表特征的测试用例,作为所述代表用例。
5.如权利要求3所述测试用例排序方法,其特征在于,所述执行所述样板集群中的所述代表用例,得到所述执行结果,并根据所述执行结果更新所述单元优先级,包括:
对所述样板集群中的每个所述代表用例进行执行,获得与每个所述代表用例对应的所述执行结果;
根据所述执行结果得出与所述代表用例对应的优先级更新值;
通过所述优先级更新值对所述代表用例所对应的所述单元集群的所述单元优先级更新。
6.如权利要求5所述测试用例排序方法,其特征在于,所述执行结果中的结果参数包括:代码覆盖率、功能优先级、缺陷产生数量和缺陷严重等级。
7.如权利要求2所述测试用例排序方法,其特征在于,所述根据所述单位优先级确定所述测试用例的所述用例优先级,包括:
在利用所述优先级更新值更新所述单元优先级后,根据优先排序引擎,通过单位优先级确定与所述单位优先级对应的所述单元集群的优先排列顺序;
基于所述优先排列顺序,并且根据所述单元集群中每个所述测试用例对应的历史执行频次和关联重要性,确定每个所述测试用例的所述用例优先级。
8.一种测试用例排序装置,其特征在于,包括:
聚类模块,用于针对于所述测试用例进行聚类分析,得到聚类分析后的单元集群;其中,每个所述单元集群内,包含有聚类后具有相似性的所述测试用例;
执行模块,用于以每个所述单元集群为单位,通过执行所述单元集群的测试用例确定单元优先级,并根据所述单元优先级确定所述测试用例的用例优先级。
9.一种测试用例排序系统,其特征在于,包括存储器以及处理器,所述存储器中存储有测试用例排序程序,所述处理器运行所述测试用例排序程序以使所述测试用例排序系统执行如权利要求1-7任一项所述的测试用例排序方法。
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测试用例排序程序,所述测试用例排序程序被处理器执行时实现如权利要求1-7任一项所述的测试用例排序方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211549871.XA CN115952078A (zh) | 2022-12-05 | 2022-12-05 | 一种测试用例排序方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211549871.XA CN115952078A (zh) | 2022-12-05 | 2022-12-05 | 一种测试用例排序方法、装置、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115952078A true CN115952078A (zh) | 2023-04-11 |
Family
ID=87288506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211549871.XA Pending CN115952078A (zh) | 2022-12-05 | 2022-12-05 | 一种测试用例排序方法、装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115952078A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117435516A (zh) * | 2023-12-21 | 2024-01-23 | 江西财经大学 | 一种测试用例优先级排序方法和系统 |
-
2022
- 2022-12-05 CN CN202211549871.XA patent/CN115952078A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117435516A (zh) * | 2023-12-21 | 2024-01-23 | 江西财经大学 | 一种测试用例优先级排序方法和系统 |
CN117435516B (zh) * | 2023-12-21 | 2024-02-27 | 江西财经大学 | 一种测试用例优先级排序方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111291777B (zh) | 一种基于多组学集成的癌症亚型分类方法 | |
Xu et al. | Evaluation of GO-based functional similarity measures using S. cerevisiae protein interaction and expression profile data | |
Barla et al. | Machine learning methods for predictive proteomics | |
CN110687072B (zh) | 一种基于光谱相似度的校正集和验证集的选择及建模方法 | |
CN113299346B (zh) | 分类模型训练和分类方法、装置、计算机设备和存储介质 | |
CN113448787B (zh) | 晶圆异常分析的方法、装置、电子设备及可读存储介质 | |
CN109891508A (zh) | 单细胞类型检测方法、装置、设备和存储介质 | |
WO2009130663A1 (en) | Classification of sample data | |
CN116453438B (zh) | 一种显示屏参数检测方法、装置、设备及存储介质 | |
CN107016416B (zh) | 基于邻域粗糙集和pca融合的数据分类预测方法 | |
CN115952078A (zh) | 一种测试用例排序方法、装置、系统及存储介质 | |
CN108470194B (zh) | 一种特征筛选方法及装置 | |
CN110246544B (zh) | 一种基于整合分析的生物标志物选择方法及系统 | |
CN115237804A (zh) | 性能瓶颈的评估方法、装置、电子设备、介质和程序产品 | |
CN106919506B (zh) | 一种兼容性缺陷的分析方法及系统 | |
US20230376800A1 (en) | Predicting runtime variation in big data analytics | |
CN113127342B (zh) | 基于电网信息系统特征选择的缺陷预测方法及装置 | |
CN113570070B (zh) | 流式数据采样与模型更新方法、装置、系统与存储介质 | |
CN113032547B (zh) | 基于人工智能的大数据处理方法、系统及云平台 | |
CN115423201A (zh) | 发电量数据预测方法、装置、设备及计算机可读存储介质 | |
CN115454466A (zh) | 机器学习模型自动更新的方法、装置、设备和介质 | |
CN114155412A (zh) | 深度学习模型迭代方法、装置、设备及存储介质 | |
CN114283877A (zh) | 一种建立代谢物模型及其代谢组学数据库的方法 | |
CN110177006B (zh) | 基于接口预测模型的节点测试方法及装置 | |
CN112434291A (zh) | 一种应用程序识别方法及装置、设备、存储介质 |
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 |