CN116450532B - 一种计算机软件性能多维测试方法 - Google Patents
一种计算机软件性能多维测试方法 Download PDFInfo
- Publication number
- CN116450532B CN116450532B CN202310691935.8A CN202310691935A CN116450532B CN 116450532 B CN116450532 B CN 116450532B CN 202310691935 A CN202310691935 A CN 202310691935A CN 116450532 B CN116450532 B CN 116450532B
- Authority
- CN
- China
- Prior art keywords
- test
- signal
- information
- software
- testing
- 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.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 327
- 238000004458 analytical method Methods 0.000 claims abstract description 97
- 238000011156 evaluation Methods 0.000 claims abstract description 95
- 230000005540 biological transmission Effects 0.000 claims abstract description 59
- 230000000694 effects Effects 0.000 claims abstract description 38
- 238000013507 mapping Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000007906 compression Methods 0.000 claims abstract description 18
- 230000006835 compression Effects 0.000 claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims abstract description 13
- 238000013210 evaluation model Methods 0.000 claims description 35
- 239000002245 particle Substances 0.000 claims description 33
- 238000009826 distribution Methods 0.000 claims description 31
- 238000005259 measurement Methods 0.000 claims description 27
- 238000013522 software testing Methods 0.000 claims description 17
- 238000005457 optimization Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 11
- 230000004584 weight gain Effects 0.000 claims description 11
- 235000019786 weight gain Nutrition 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 9
- 238000009877 rendering Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 238000005303 weighing Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000007418 data mining Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 2
- 238000010998 test method Methods 0.000 abstract description 5
- 238000004141 dimensional analysis Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000011056 performance test Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请涉及测试数据处理技术领域,提供一种计算机软件性能多维测试方法。所述方法包括:制定软件测试方式集合,所述软件测试方式集合包括视频音频转换、图像处理、图像压缩、数据处理;获取传输测试信息流,基于所述软件测试方式和传输测试信息流进行测试规则映射,构建信号测试策略;基于所述信号测试策略对所述传输测试信息流进行数据测试,获得信号测试参数信息;对所述信号测试参数信息进行多维分析,获取多维信号分析信息;基于所述性能评估模块对所述多维信号分析信息进行性能评估,获得计算机软件性能评估系数。采用本方法能够达到提高测试数据多维分析准确性,进而提高软件性能测试准确性,保证软件应用性能的技术效果。
Description
技术领域
本申请涉及测试数据处理技术领域,特别是涉及一种计算机软件性能多维测试方法。
背景技术
计算机软件是与计算机系统操作有关的计算机程序、规程、规则,以及可能有的文件、文档及数据,是用户与硬件之间的接口界面。用户主要通过软件与计算机进行交流,是计算机系统设计的重要依据,主要包括系统类软件以及应用类软件。通过计算机软件运行,满足用户操作要求,提高计算机系统应用效能。因此,为了验证系统是否达到用户提出的性能指标,同时发现系统中存在的性能瓶颈,起到优化系统的目的,需对计算机软件进行多维性能测试。
然而,现有技术存在计算机软件测试方式固定,测试针对性不够,导致软件性能测试准确性低的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高测试数据多维分析准确性,进而提高软件性能测试准确性,保证软件应用性能的一种计算机软件性能多维测试方法。
一种计算机软件性能多维测试方法,所述方法包括:搭建计算机软件测试平台,所述计算机软件测试平台包括数据测试模块、信号分析模块以及性能评估模块;获取传输测试信息流,所述传输测试信息流包括视频流、音频流、数据流和图像流;制定软件测试方式集合,所述软件测试方式集合包括视频音频转换、图像处理、图像压缩、数据处理;基于所述软件测试方式和所述传输测试信息流进行测试规则映射,构建信号测试策略;所述数据测试模块基于所述信号测试策略对所述传输测试信息流进行数据测试,获得信号测试参数信息;通过所述信号分析模块对所述信号测试参数信息进行多维分析,获取多维信号分析信息;基于所述性能评估模块对所述多维信号分析信息进行性能评估,获得计算机软件性能评估系数。
一种计算机软件性能多维测试系统,所述系统包括:测试平台搭建模块,用于搭建计算机软件测试平台,所述计算机软件测试平台包括数据测试模块、信号分析模块以及性能评估模块;测试信息流获取模块,用于获取传输测试信息流,所述传输测试信息流包括视频流、音频流、数据流和图像流;测试方式集合制定模块,用于制定软件测试方式集合,所述软件测试方式集合包括视频音频转换、图像处理、图像压缩、数据处理;测试规则映射模块,用于基于所述软件测试方式和所述传输测试信息流进行测试规则映射,构建信号测试策略;数据测试模块,用于所述数据测试模块基于所述信号测试策略对所述传输测试信息流进行数据测试,获得信号测试参数信息;信号多维分析模块,用于通过所述信号分析模块对所述信号测试参数信息进行多维分析,获取多维信号分析信息;软件性能评估模块,用于基于所述性能评估模块对所述多维信号分析信息进行性能评估,获得计算机软件性能评估系数。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
搭建计算机软件测试平台,所述计算机软件测试平台包括数据测试模块、信号分析模块以及性能评估模块;
获取传输测试信息流,所述传输测试信息流包括视频流、音频流、数据流和图像流;
制定软件测试方式集合,所述软件测试方式集合包括视频音频转换、图像处理、图像压缩、数据处理;
基于所述软件测试方式和所述传输测试信息流进行测试规则映射,构建信号测试策略;
所述数据测试模块基于所述信号测试策略对所述传输测试信息流进行数据测试,获得信号测试参数信息;
通过所述信号分析模块对所述信号测试参数信息进行多维分析,获取多维信号分析信息;
基于所述性能评估模块对所述多维信号分析信息进行性能评估,获得计算机软件性能评估系数。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
搭建计算机软件测试平台,所述计算机软件测试平台包括数据测试模块、信号分析模块以及性能评估模块;
获取传输测试信息流,所述传输测试信息流包括视频流、音频流、数据流和图像流;
制定软件测试方式集合,所述软件测试方式集合包括视频音频转换、图像处理、图像压缩、数据处理;
基于所述软件测试方式和所述传输测试信息流进行测试规则映射,构建信号测试策略;
所述数据测试模块基于所述信号测试策略对所述传输测试信息流进行数据测试,获得信号测试参数信息;
通过所述信号分析模块对所述信号测试参数信息进行多维分析,获取多维信号分析信息;
基于所述性能评估模块对所述多维信号分析信息进行性能评估,获得计算机软件性能评估系数。
上述一种计算机软件性能多维测试方法,解决了现有技术计算机软件测试方式固定,测试针对性不够,导致软件性能测试准确性低的技术问题,达到了通过构建信号测试策略对计算机软件进行针对性测试,提高测试数据多维分析准确性,进而提高软件性能测试准确性,保证软件应用性能的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为一个实施例中一种计算机软件性能多维测试方法的流程示意图;
图2为一个实施例中一种计算机软件性能多维测试方法中构建信号测试策略的流程示意图;
图3为一个实施例中一种计算机软件性能多维测试系统的结构框图;
图4为一个实施例中计算机设备的内部结构图。
附图标记说明:测试平台搭建模块11,测试信息流获取模块12,测试方式集合制定模块13,测试规则映射模块14,数据测试模块15,信号多维分析模块16,软件性能评估模块17。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,本申请提供了一种计算机软件性能多维测试方法,所述方法包括:
步骤S100:搭建计算机软件测试平台,所述计算机软件测试平台包括数据测试模块、信号分析模块以及性能评估模块;
具体而言,计算机软件是与计算机系统操作有关的计算机程序、规程、规则,以及可能有的文件、文档及数据,是用户与硬件之间的接口界面。用户主要通过软件与计算机进行交流,是计算机系统设计的重要依据,主要包括系统类软件以及应用类软件。通过计算机软件运行,满足用户操作要求,提高计算机系统应用效能。因此,为了验证系统是否达到用户提出的性能指标,同时发现系统中存在的性能瓶颈,起到优化系统的目的,需对计算机软件进行多维性能测试。为实现计算机软件高效性能测试,搭建计算机软件测试平台,所述计算机软件测试平台用于智能化进行软件性能针对性测试,平台功能模块主要包括数据测试模块、信号分析模块以及性能评估模块。通过各功能模块之间测试数据交互处理,提高测试数据多维分析准确性和测试针对性。
步骤S200:获取传输测试信息流,所述传输测试信息流包括视频流、音频流、数据流和图像流;
步骤S300:制定软件测试方式集合,所述软件测试方式集合包括视频音频转换、图像处理、图像压缩、数据处理;
具体而言,通过软件测试组获取针对于待测试计算机软件类型的传输测试信息流,所述传输测试信息流用于为软件性能测试提供数据基础,主要包括视频流、音频流、数据流和图像流类型。再制定软件测试方式集合,所述软件测试方式集合为对信息流进行测试的多种方式,包括视频音频转换、图像处理、图像压缩、数据处理等。
步骤S400:基于所述软件测试方式和所述传输测试信息流进行测试规则映射,构建信号测试策略;
在一个实施例中,如图2所示,所述构建信号测试策略,本申请步骤S400还包括:
步骤S410:对所述软件测试方式集合中的各测试方式进行测试要素提取,获得软件测试要素信息;
步骤S420:基于所述软件测试要素信息进行数据类型标识,获得要素数据标识格式;
步骤S430:基于所述要素数据标识格式和所述传输测试信息流进行格式匹配,获得要素-信息流映射关系;
步骤S440:根据所述要素-信息流映射关系,构建所述信号测试策略。
具体而言,基于所述软件测试方式和所述传输测试信息流进行测试规则映射。首先对所述软件测试方式集合中的各测试方式进行测试要素提取,即对各测试方式的可测试要素进行提取,获得各测试方式对应的软件测试要素信息,示例性的,视频音频转换测试包括音频采样、压缩、合成、语音识别、视频数字化、编码及压缩处理等要素,图像处理包括图像预处理、图像压缩、传输等测试要素。基于所述软件测试要素信息进行数据类型标识,即对各测试要素进行数据测试类型标识,例如音频采样的数据测试类型为音频数据,视频数字化的数据测试类型为视频数据,以此获得要素数据标识格式。
基于所述要素数据标识格式和所述传输测试信息流进行格式匹配,即将所述传输测试信息流按照数据格式进行要素匹配对应,以此获得信息流与测试要素之间的测试匹配关系即要素-信息流映射关系。并根据所述要素-信息流映射关系,构建信号测试策略,所述信号测试策略为根据测试信息流与测试要素之间的映射关系进行测试具体方式实施,以实现计算机软件针对性测试,进而提高软件性能测试准确性。
步骤S500:所述数据测试模块基于所述信号测试策略对所述传输测试信息流进行数据测试,获得信号测试参数信息;
在一个实施例中,所述获得信号测试参数信息,本申请步骤S500还包括:
步骤S510:根据所述信号测试策略,获得信号测试要素目标;
步骤S520:基于所述信号测试要素目标进行指标分析,确定信号测试衡量指标集合;
步骤S530:按照所述信号测试策略对所述传输测试信息流进行数据分流,获得测试数据分支信息流;
步骤S540:基于所述信号测试衡量指标集合对所述测试数据分支信息流进行测试,获得所述信号测试参数信息。
具体而言,所述数据测试模块基于所述信号测试策略对所述传输测试信息流进行数据测试,首先根据所述信号测试策略,确定所述传输测试信息流所映射匹配的信号测试要素目标。基于所述信号测试要素目标中的各测试要素进行测试指标分析,确定信号测试衡量指标集合,示例性的,衡量视频数据压缩要素的指标通常包括压缩比、压缩速度以及压缩清晰度等。按照所述信号测试策略对所述传输测试信息流进行数据分流,即按照测试信息流格式进行数据流分类,获得对应的测试数据分支信息流。基于所述信号测试衡量指标集合对相应的所述测试数据分支信息流分别进行测试,获得软件信息流测试后各衡量指标所对应的信号测试参数信息,实现计算机软件多维针对性测试,以提高后续测试数据多维分析准确性。
步骤S600:通过所述信号分析模块对所述信号测试参数信息进行多维分析,获取多维信号分析信息;
在一个实施例中,所述获取多维信号分析信息,本申请步骤S600还包括:
步骤S610:对所述信号测试参数信息进行数值划分,确定径向长度分布数段;
步骤S620:根据所述信号测试衡量指标集合和所述径向长度分布数段,构建软件测试效果雷达图;
步骤S630:将所述信号测试参数信息中的参数值渲染至所述软件测试效果雷达图中,生成目标软件测试效果雷达图;
步骤S640:基于所述目标软件测试效果雷达图的图形特征,确定所述多维信号分析信息。
在一个实施例中,本申请步骤S640还包括:
步骤S641:基于专家组赋权法对所述信号测试衡量指标集合进行权重分配,获得衡量指标权值分配结果;
步骤S642:根据所述衡量指标权值分配结果,生成指标权值增益因素;
步骤S643:基于所述指标权值增益因素对所述目标软件测试效果雷达图进行图形特征修正。
具体而言,通过所述信号分析模块对所测得的信号测试参数信息进行多维分析,对所述信号测试参数信息进行数值划分,即对其测试数值进行分布区间划分,通过分布区间进行单位划分区间确定,进而将单位划分区间作雷达图的径向长度分布数段,即单位径向长度所代表的分布数值。将所述信号测试衡量指标集合中的各指标作为雷达图的坐标轴,将所述径向长度分布数段作为雷达图径向单位数值,以此构建软件测试效果雷达图。将所述信号测试参数信息中的参数值依次渲染至所述软件测试效果雷达图中,生成参数值映射后的目标软件测试效果雷达图。基于所述目标软件测试效果雷达图的图形特征,包括特征图形的各点长度特征以及图形面积特征,以此确定作为多维信号分析信息。
为提高分析结果准确性,基于专家组赋权法对所述信号测试衡量指标集合中的各衡量指标进行权重分配,即通过专家组对各指标占软件测试效果的影响比重进行评估,将专家组赋值结果进行评价获得衡量指标权值分配结果。将所述衡量指标权值分配结果,作为指标权值增益因素,所述指标权值增益因素为对各衡量指标的测试效果影响程度。基于所述指标权值增益因素对所述目标软件测试效果雷达图进行图形特征修正,即根据指标权值增益因素对信号测试参数信息进行加权计算,并根据加权结果生成修正后的目标软件测试效果雷达图,提高测试数据多维分析准确性,进而提高软件性能测试准确性。
步骤S700:基于所述性能评估模块对所述多维信号分析信息进行性能评估,获得计算机软件性能评估系数。
在一个实施例中,所述获得计算机软件性能评估系数,申请步骤S700还包括:
步骤S710:通过数据挖掘技术获取历史软件信号分析信息,且将所述历史软件信号分析信息作为模型样本信息进行标识;
步骤S720:对标识后的所述模型样本信息进行网络模型监督训练,获得基础软件性能评估模型;
步骤S730:对所述基础软件性能评估模型进行验证优化,获得计算机软件性能评估模型;
步骤S740:基于所述计算机软件性能评估模型对所述多维信号分析信息进行性能评估,获得所述计算机软件性能评估系数。
在一个实施例中,所述获得计算机软件性能评估模型,本申请步骤S730还包括:
步骤S731:对所述基础软件性能评估模型进行评估效果验证,获得模型评估精确度;
步骤S732:将所述模型评估精确度和预设评估精确度的差值,作为模型评估优化度;
步骤S733:基于PSO算法初始化粒子群参数,根据所述模型评估优化度和所述粒子群参数迭代计算粒子群适应度函数;
步骤S734:当达到预设终止条件时,获得所述粒子群适应度函数的输出最优结果粒子,并将所述输出最优结果粒子映射到所述基础软件性能评估模型进行优化更新训练,获得所述计算机软件性能评估模型。
具体而言,基于所述性能评估模块对所述多维信号分析信息进行性能评估,首先通过数据挖掘技术获取历史软件信号分析信息,所述历史软件信号分析信息包括历史信号分析参数以及所对应的软件性能结果。将所述历史软件信号分析信息作为模型样本信息进行标识,对标识后的所述模型样本信息进行网络模型监督训练,获得初始训练所得的基础软件性能评估模型。对所述基础软件性能评估模型进行验证优化,即对其评估准确性进行输出验证,若验证评估准确性未达标,则需对模型进行优化,以保证模型评估使用效果。
首先通过验证数据集对所述基础软件性能评估模型进行评估效果验证,获得相应的模型评估精确度,并将所述模型评估精确度和预设评估精确度的差值,作为模型评估优化度。基于PSO算法初始化粒子群参数,所述粒子群参数是用于优化所述基础软件性能评估模型的虚拟空间参数,根据所述模型评估优化度和所述粒子群参数迭代计算粒子群适应度函数,进一步更新粒子群内粒子的位置和速度,将所有粒子输入模型内进行训练,通过计算粒子群的适应度函数来评估粒子的好坏,以适应度函数来调整每个粒子的位置和速度,以降低模型输出信息的误差度。
当达到预设终止条件时,一种是粒子得到平衡或最优状态,另一种是超过运算限制,对超过运算限制状况不进行具体分析,获得所述粒子群适应度函数的输出结果,所述输出结果包括输出最优结果粒子即为粒子的最优状态。并将所述输出最优结果粒子映射到所述基础软件性能评估模型进行优化更新训练,获得优化训练后的软件性能评估模型的输出精确度提高,使得模型输出误差度减小,进而提高模型评估结果的精准度。基于所述计算机软件性能评估模型对所述多维信号分析信息进行性能评估,获得模型输出的计算机软件性能评估系数,以表明计算机软件应用性能效果。通过对评估模型进行优化更新,提高软件性能测试准确性,进而保证软件应用性能。
在一个实施例中,如图3所示,提供了一种计算机软件性能多维测试系统,包括:测试平台搭建模块11,测试信息流获取模块12,测试方式集合制定模块13,测试规则映射模块14,数据测试模块15,信号多维分析模块16,软件性能评估模块17,其中:
测试平台搭建模块11,用于搭建计算机软件测试平台,所述计算机软件测试平台包括数据测试模块、信号分析模块以及性能评估模块;
测试信息流获取模块12,用于获取传输测试信息流,所述传输测试信息流包括视频流、音频流、数据流和图像流;
测试方式集合制定模块13,用于制定软件测试方式集合,所述软件测试方式集合包括视频音频转换、图像处理、图像压缩、数据处理;
测试规则映射模块14,用于基于所述软件测试方式和所述传输测试信息流进行测试规则映射,构建信号测试策略;
数据测试模块15,用于所述数据测试模块基于所述信号测试策略对所述传输测试信息流进行数据测试,获得信号测试参数信息;
信号多维分析模块16,用于通过所述信号分析模块对所述信号测试参数信息进行多维分析,获取多维信号分析信息;
软件性能评估模块17,用于基于所述性能评估模块对所述多维信号分析信息进行性能评估,获得计算机软件性能评估系数。
在一个实施例中,所述系统还包括:
测试要素提取单元,用于对所述软件测试方式集合中的各测试方式进行测试要素提取,获得软件测试要素信息;
数据类型标识单元,用于基于所述软件测试要素信息进行数据类型标识,获得要素数据标识格式;
格式匹配单元,用于基于所述要素数据标识格式和所述传输测试信息流进行格式匹配,获得要素-信息流映射关系;
信号测试策略构建单元,用于根据所述要素-信息流映射关系,构建所述信号测试策略。
在一个实施例中,所述系统还包括:
测试要素目标获得单元,用于根据所述信号测试策略,获得信号测试要素目标;
测试衡量指标集合确定单元,用于基于所述信号测试要素目标进行指标分析,确定信号测试衡量指标集合;
数据分流单元,用于按照所述信号测试策略对所述传输测试信息流进行数据分流,获得测试数据分支信息流;
信息流测试单元,用于基于所述信号测试衡量指标集合对所述测试数据分支信息流进行测试,获得所述信号测试参数信息。
在一个实施例中,所述系统还包括:
数值划分单元,用于对所述信号测试参数信息进行数值划分,确定径向长度分布数段;
效果雷达图构建单元,用于根据所述信号测试衡量指标集合和所述径向长度分布数段,构建软件测试效果雷达图;
参数值渲染单元,用于将所述信号测试参数信息中的参数值渲染至所述软件测试效果雷达图中,生成目标软件测试效果雷达图;
多维信号分析信息确定单元,用于基于所述目标软件测试效果雷达图的图形特征,确定所述多维信号分析信息。
在一个实施例中,所述系统还包括:
权重分配单元,用于基于专家组赋权法对所述信号测试衡量指标集合进行权重分配,获得衡量指标权值分配结果;
权值增益因素生成单元,用于根据所述衡量指标权值分配结果,生成指标权值增益因素;
图形特征修正单元,用于基于所述指标权值增益因素对所述目标软件测试效果雷达图进行图形特征修正。
在一个实施例中,所述系统还包括:
模型样本标识单元,用于通过数据挖掘技术获取历史软件信号分析信息,且将所述历史软件信号分析信息作为模型样本信息进行标识;
模型监督训练单元,用于对标识后的所述模型样本信息进行网络模型监督训练,获得基础软件性能评估模型;
模型验证优化单元,用于对所述基础软件性能评估模型进行验证优化,获得计算机软件性能评估模型;
软件性能评估单元,用于基于所述计算机软件性能评估模型对所述多维信号分析信息进行性能评估,获得所述计算机软件性能评估系数。
在一个实施例中,所述系统还包括:
评估效果验证单元,用于对所述基础软件性能评估模型进行评估效果验证,获得模型评估精确度;
评估优化度获得单元,用于将所述模型评估精确度和预设评估精确度的差值,作为模型评估优化度;
适应度函数计算单元,用于基于PSO算法初始化粒子群参数,根据所述模型评估优化度和所述粒子群参数迭代计算粒子群适应度函数;
优化更新训练单元,用于当达到预设终止条件时,获得所述粒子群适应度函数的输出最优结果粒子,并将所述输出最优结果粒子映射到所述基础软件性能评估模型进行优化更新训练,获得所述计算机软件性能评估模型。
关于一种计算机软件性能多维测试系统的具体实施例可以参见上文中对于一种计算机软件性能多维测试方法的实施例,在此不再赘述。上述一种计算机软件性能多维测试装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储新闻数据以及时间衰减因子等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种计算机软件性能多维测试方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:搭建计算机软件测试平台,所述计算机软件测试平台包括数据测试模块、信号分析模块以及性能评估模块;获取传输测试信息流,所述传输测试信息流包括视频流、音频流、数据流和图像流;制定软件测试方式集合,所述软件测试方式集合包括视频音频转换、图像处理、图像压缩、数据处理;基于所述软件测试方式和所述传输测试信息流进行测试规则映射,构建信号测试策略;所述数据测试模块基于所述信号测试策略对所述传输测试信息流进行数据测试,获得信号测试参数信息;通过所述信号分析模块对所述信号测试参数信息进行多维分析,获取多维信号分析信息;基于所述性能评估模块对所述多维信号分析信息进行性能评估,获得计算机软件性能评估系数。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:搭建计算机软件测试平台,所述计算机软件测试平台包括数据测试模块、信号分析模块以及性能评估模块;获取传输测试信息流,所述传输测试信息流包括视频流、音频流、数据流和图像流;制定软件测试方式集合,所述软件测试方式集合包括视频音频转换、图像处理、图像压缩、数据处理;基于所述软件测试方式和所述传输测试信息流进行测试规则映射,构建信号测试策略;所述数据测试模块基于所述信号测试策略对所述传输测试信息流进行数据测试,获得信号测试参数信息;通过所述信号分析模块对所述信号测试参数信息进行多维分析,获取多维信号分析信息;基于所述性能评估模块对所述多维信号分析信息进行性能评估,获得计算机软件性能评估系数。以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种计算机软件性能多维测试方法,其特征在于,所述方法包括:
搭建计算机软件测试平台,所述计算机软件测试平台包括数据测试模块、信号分析模块以及性能评估模块;
获取传输测试信息流,所述传输测试信息流包括视频流、音频流、数据流和图像流;
制定软件测试方式集合,所述软件测试方式集合包括视频音频转换、图像处理、图像压缩、数据处理;
基于所述软件测试方式和所述传输测试信息流进行测试规则映射,构建信号测试策略;
所述数据测试模块基于所述信号测试策略对所述传输测试信息流进行数据测试,获得信号测试参数信息;
通过所述信号分析模块对所述信号测试参数信息进行多维分析,获取多维信号分析信息;
基于所述性能评估模块对所述多维信号分析信息进行性能评估,获得计算机软件性能评估系数;
其中,所述构建信号测试策略,包括:
对所述软件测试方式集合中的各测试方式进行测试要素提取,获得软件测试要素信息;
基于所述软件测试要素信息进行数据类型标识,获得要素数据标识格式;
基于所述要素数据标识格式和所述传输测试信息流进行格式匹配,获得要素-信息流映射关系;
根据所述要素-信息流映射关系,构建所述信号测试策略;
其中,所述获得信号测试参数信息,包括:
根据所述信号测试策略,获得信号测试要素目标;
基于所述信号测试要素目标进行指标分析,确定信号测试衡量指标集合;
按照所述信号测试策略对所述传输测试信息流进行数据分流,获得测试数据分支信息流;
基于所述信号测试衡量指标集合对所述测试数据分支信息流进行测试,获得所述信号测试参数信息;
其中,所述获取多维信号分析信息,包括:
对所述信号测试参数信息进行数值划分,确定径向长度分布数段;
根据所述信号测试衡量指标集合和所述径向长度分布数段,构建软件测试效果雷达图;
将所述信号测试参数信息中的参数值渲染至所述软件测试效果雷达图中,生成目标软件测试效果雷达图;
基于所述目标软件测试效果雷达图的图形特征,确定所述多维信号分析信息;
其中,所述获得计算机软件性能评估系数,包括:
通过数据挖掘技术获取历史软件信号分析信息,且将所述历史软件信号分析信息作为模型样本信息进行标识;
对标识后的所述模型样本信息进行网络模型监督训练,获得基础软件性能评估模型;
对所述基础软件性能评估模型进行验证优化,获得计算机软件性能评估模型;
基于所述计算机软件性能评估模型对所述多维信号分析信息进行性能评估,获得所述计算机软件性能评估系数。
2.如权利要求1所述的计算机软件性能多维测试方法,其特征在于,所述方法包括:
基于专家组赋权法对所述信号测试衡量指标集合进行权重分配,获得衡量指标权值分配结果;
根据所述衡量指标权值分配结果,生成指标权值增益因素;
基于所述指标权值增益因素对所述目标软件测试效果雷达图进行图形特征修正。
3.如权利要求1所述的计算机软件性能多维测试方法,其特征在于,所述获得计算机软件性能评估模型,包括:
对所述基础软件性能评估模型进行评估效果验证,获得模型评估精确度;
将所述模型评估精确度和预设评估精确度的差值,作为模型评估优化度;
基于PSO算法初始化粒子群参数,根据所述模型评估优化度和所述粒子群参数迭代计算粒子群适应度函数;
当达到预设终止条件时,获得所述粒子群适应度函数的输出最优结果粒子,并将所述输出最优结果粒子映射到所述基础软件性能评估模型进行优化更新训练,获得所述计算机软件性能评估模型。
4.一种计算机软件性能多维测试系统,其特征在于,所述系统包括:
测试平台搭建模块,用于搭建计算机软件测试平台,所述计算机软件测试平台包括数据测试模块、信号分析模块以及性能评估模块;
测试信息流获取模块,用于获取传输测试信息流,所述传输测试信息流包括视频流、音频流、数据流和图像流;
测试方式集合制定模块,用于制定软件测试方式集合,所述软件测试方式集合包括视频音频转换、图像处理、图像压缩、数据处理;
测试规则映射模块,用于基于所述软件测试方式和所述传输测试信息流进行测试规则映射,构建信号测试策略;
数据测试模块,用于所述数据测试模块基于所述信号测试策略对所述传输测试信息流进行数据测试,获得信号测试参数信息;
信号多维分析模块,用于通过所述信号分析模块对所述信号测试参数信息进行多维分析,获取多维信号分析信息;
软件性能评估模块,用于基于所述性能评估模块对所述多维信号分析信息进行性能评估,获得计算机软件性能评估系数;
测试要素提取单元,用于对所述软件测试方式集合中的各测试方式进行测试要素提取,获得软件测试要素信息;
数据类型标识单元,用于基于所述软件测试要素信息进行数据类型标识,获得要素数据标识格式;
格式匹配单元,用于基于所述要素数据标识格式和所述传输测试信息流进行格式匹配,获得要素-信息流映射关系;
信号测试策略构建单元,用于根据所述要素-信息流映射关系,构建所述信号测试策略;
测试要素目标获得单元,用于根据所述信号测试策略,获得信号测试要素目标;
测试衡量指标集合确定单元,用于基于所述信号测试要素目标进行指标分析,确定信号测试衡量指标集合;
数据分流单元,用于按照所述信号测试策略对所述传输测试信息流进行数据分流,获得测试数据分支信息流;
信息流测试单元,用于基于所述信号测试衡量指标集合对所述测试数据分支信息流进行测试,获得所述信号测试参数信息;
数值划分单元,用于对所述信号测试参数信息进行数值划分,确定径向长度分布数段;
效果雷达图构建单元,用于根据所述信号测试衡量指标集合和所述径向长度分布数段,构建软件测试效果雷达图;
参数值渲染单元,用于将所述信号测试参数信息中的参数值渲染至所述软件测试效果雷达图中,生成目标软件测试效果雷达图;
多维信号分析信息确定单元,用于基于所述目标软件测试效果雷达图的图形特征,确定所述多维信号分析信息;
模型样本标识单元,用于通过数据挖掘技术获取历史软件信号分析信息,且将所述历史软件信号分析信息作为模型样本信息进行标识;
模型监督训练单元,用于对标识后的所述模型样本信息进行网络模型监督训练,获得基础软件性能评估模型;
模型验证优化单元,用于对所述基础软件性能评估模型进行验证优化,获得计算机软件性能评估模型;
软件性能评估单元,用于基于所述计算机软件性能评估模型对所述多维信号分析信息进行性能评估,获得所述计算机软件性能评估系数。
5.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述的方法的步骤。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至3中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310691935.8A CN116450532B (zh) | 2023-06-13 | 2023-06-13 | 一种计算机软件性能多维测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310691935.8A CN116450532B (zh) | 2023-06-13 | 2023-06-13 | 一种计算机软件性能多维测试方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116450532A CN116450532A (zh) | 2023-07-18 |
CN116450532B true CN116450532B (zh) | 2023-09-05 |
Family
ID=87125935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310691935.8A Active CN116450532B (zh) | 2023-06-13 | 2023-06-13 | 一种计算机软件性能多维测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116450532B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117130851B (zh) * | 2023-07-26 | 2024-03-26 | 是石科技(江苏)有限公司 | 一种高性能计算集群运行效率评价方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110377526A (zh) * | 2019-07-31 | 2019-10-25 | 赛汇检测(广州)有限公司 | 一种ai智能软件的测试方法 |
CN111444107A (zh) * | 2020-04-10 | 2020-07-24 | 山东理工职业学院 | 软件评估方法及装置 |
CN115080379A (zh) * | 2021-12-15 | 2022-09-20 | 中国航空工业集团公司成都飞机设计研究所 | 一种多维度评估软件测试有效性的方法 |
CN115145817A (zh) * | 2022-07-08 | 2022-10-04 | 合肥贝贝多信息科技有限公司 | 一种软件测试方法、装置、设备及可读存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007535723A (ja) * | 2003-11-04 | 2007-12-06 | キンバリー クラーク ワールドワイド インコーポレイテッド | 複合ソフトウエアシステムを実施して検証するための自動多次元追跡可能性行列を含む試験ツール |
EP1993221B1 (en) * | 2007-04-20 | 2010-09-01 | NetHawk Oyj | A method, arrangement, testing device and program for testing multimedia communication equipment and software |
US20150113331A1 (en) * | 2013-10-17 | 2015-04-23 | Wipro Limited | Systems and methods for improved software testing project execution |
US10733087B2 (en) * | 2018-10-17 | 2020-08-04 | Servicenow, Inc. | Environment for continuous testing and integration of software |
JP2022185186A (ja) * | 2021-06-02 | 2022-12-14 | 株式会社日立製作所 | ソフトウェアテスト装置及びソフトウェアテスト方法 |
US20230004486A1 (en) * | 2021-07-05 | 2023-01-05 | DataRobot, Inc. | Software testing using machine learning |
-
2023
- 2023-06-13 CN CN202310691935.8A patent/CN116450532B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110377526A (zh) * | 2019-07-31 | 2019-10-25 | 赛汇检测(广州)有限公司 | 一种ai智能软件的测试方法 |
CN111444107A (zh) * | 2020-04-10 | 2020-07-24 | 山东理工职业学院 | 软件评估方法及装置 |
CN115080379A (zh) * | 2021-12-15 | 2022-09-20 | 中国航空工业集团公司成都飞机设计研究所 | 一种多维度评估软件测试有效性的方法 |
CN115145817A (zh) * | 2022-07-08 | 2022-10-04 | 合肥贝贝多信息科技有限公司 | 一种软件测试方法、装置、设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
一种融合多维指标的软件性能测试方法研究与实现;王红胜;曹凯;康建华;;广播电视信息(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116450532A (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116450532B (zh) | 一种计算机软件性能多维测试方法 | |
CN116431975B (zh) | 一种数据中心的环境监测方法及系统 | |
CN111191601B (zh) | 同行用户识别方法、装置、服务器及存储介质 | |
CN111526119A (zh) | 异常流量检测方法、装置、电子设备和计算机可读介质 | |
CN116453438B (zh) | 一种显示屏参数检测方法、装置、设备及存储介质 | |
CN112596964A (zh) | 磁盘故障的预测方法及装置 | |
CN111242922A (zh) | 一种蛋白质图像分类方法、装置、设备及介质 | |
CN114912720A (zh) | 基于记忆网络电力负荷预测方法、装置、终端及存储介质 | |
CN110955862A (zh) | 一种用于设备模型趋势相似度的评估方法及装置 | |
CN111027190A (zh) | 一种用于设备模型数值相似度的评估方法及装置 | |
CN113887866A (zh) | 一种人居环境评价指数的生成方法以及装置 | |
KR101479384B1 (ko) | 물체 인식을 가능하게 하기 위한 방법 및 장치 | |
CN113890833B (zh) | 网络覆盖预测方法、装置、设备及存储介质 | |
CN111835541B (zh) | 一种流量识别模型老化检测方法、装置、设备及系统 | |
CN114531368A (zh) | 一种网络质量评价方法、装置和设备 | |
KR102507489B1 (ko) | 진단 분류 장치 및 방법 | |
CN112800591B (zh) | 一种预测发动机性能参数修改量的方法及相关装置 | |
CN111814953B (zh) | 一种基于通道剪枝的深度卷积神经网络模型的定位方法 | |
CN116187299B (zh) | 一种科技项目文本数据检定评价方法、系统及介质 | |
CN118071525B (zh) | 一种财务数据审核方法及系统 | |
CN118015430A (zh) | 基于深度学习的智能化政务服务训练方法及系统 | |
CN116842683A (zh) | 无人机集群贮存可用度模型不确定性评估方法 | |
CN116128482A (zh) | 电力计量设备运行维护方法、装置、终端及存储介质 | |
CN114066270A (zh) | 一种装备体系贡献率动态计算方法和装置 | |
CN117540146A (zh) | 一种外来入侵物种调查用样方器及其控制方法 |
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 | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: Room 810, Building C, 8th Floor, Chuangye Building, No. 16 Gaoxin 1st Road, Xi'an City, Shaanxi Province, 710065 Patentee after: Xi'an Shengxin Technology Co.,Ltd. Address before: 710065 Floor 5, Block B, Productivity Building, No. 3, Dianzi West Street, Electronic Industrial Park, Yanta District, Xi'an, Shaanxi Patentee before: Xi'an Shengxin Technology Co.,Ltd. |