CN116955176A - 测试方法及装置 - Google Patents
测试方法及装置 Download PDFInfo
- Publication number
- CN116955176A CN116955176A CN202310904612.2A CN202310904612A CN116955176A CN 116955176 A CN116955176 A CN 116955176A CN 202310904612 A CN202310904612 A CN 202310904612A CN 116955176 A CN116955176 A CN 116955176A
- Authority
- CN
- China
- Prior art keywords
- test
- sample
- value
- target
- item
- 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
- 238000010998 test method Methods 0.000 title claims description 29
- 238000012360 testing method Methods 0.000 claims abstract description 1389
- 238000000034 method Methods 0.000 claims description 40
- 238000009826 distribution Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution 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
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)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明提供一种测试方法及装置,该方法包括:将待测设备目标测试配置项的取值和目标测试参数项输入每一目标测试参数模型,获取每一目标测试参数模型输出的待测设备目标测试参数项的取值;基于每一目标测试参数模型输出的待测设备目标测试参数项的取值和待测设备目标测试配置项的取值,获取每一目标测试参数模型对应的待测设备的测试结果;每一目标测试参数模型用于描述不同样本测试配置项的不同取值,与不同样本测试参数项的不同取值之间的对应关系。本发明提供的测试方法及装置,能更准确、更高效地自动获取待测设备目标测试参数项的取值,进而能自动生成待测设备的测试策略用于对待测设备进行测试,能提高待测设备的测试效率和测试准确率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种测试方法及装置。
背景技术
电子设备在批量生产前,通常需要对电子设备的配置、性能以及工作稳定性等进行测试验证。
通常情况下,电子设备的测试配置项可以包括电子设备中的硬盘数量、内存大小、中央处理器(Central Processing Unit,CPU)数量以及工作温度等。电子设备的测试参数项可以包括测试时长、测试次数、测试电压以及测试功率等。
现有技术中,通常需要技术人员根据电子设备测试配置项的实际值对测试参数项的取值进行设置之后,才能实现对电子设备的测试。
但是,技术人员通常是基于主观经验进行测试参数项的取值进行设置的,而在技术人员的主观经验不足的情况下,测试参数项的取值与电子设备测试配置项的实际值的匹配度不高,将导致影响电子设备的测试结果的准确率。并且,技术人员设置测试参数项的取值时需要耗费大量的时间成本,导致对电子设备的测试效率不高。
发明内容
本发明提供一种测试方法及装置,用以解决现有技术中难以对电子设备进行准确、高效地测试的缺陷,实现提高电子设备的测试效率和测试准确率。
本发明提供一种测试方法,包括:
获取待测设备目标测试配置项的取值以及所述待测设备的目标测试参数项;
将所述待测设备目标测试配置项的取值和所述目标测试参数项输入每一目标测试参数模型,获取每一所述目标测试参数模型输出的所述待测设备目标测试参数项的取值;
基于每一所述目标测试参数模型输出的所述待测设备目标测试参数项的取值和所述待测设备目标测试配置项的取值,确定每一所述目标测试参数模型对应的所述待测设备的测试策略;
基于每一所述目标测试参数模型对应的所述待测设备的测试策略,对所述待测设备进行测试,获取每一所述目标测试参数模型对应的所述待测设备的测试结果;
其中,每一所述目标测试参数模型用于描述不同样本测试配置项的不同取值,与不同样本测试参数项的不同取值之间的对应关系;所述目标测试参数模型基于样本测试数据构建;所述样本测试配置项包括所述目标测试配置项;所述样本测试参数项包括所述目标测试参数项。
根据本发明提供的一种测试方法,所述将所述待测设备目标测试配置项的取值和所述目标测试参数项输入每一目标测试参数模型,获取每一所述目标测试参数模型输出的所述待测设备目标测试参数项的取值之前,所述方法还包括:
将第一测试参数模型、第二测试参数模型、第三测试参数模型和第四测试参数模型中的任意一个,确定为所述目标测试参数模型,或者,将第一测试参数模型、第二测试参数模型、第三测试参数模型和第四测试参数模型中的多个,分别确定为多个所述目标测试参数模型;
其中,所述第一测试参数模型基于所述样本测试数据中第一样本测试任务的测试数据构建,所述第一样本任务已完成且所述第一样本测试任务在执行过程中未出现运行错误和运行失败,所述第一样本测试任务的测试数据包括:第一样本设备每一样本测试配置项的取值以及每一样本测试参数项的取值,所述第一样本设备为所述第一样本测试任务的测试对象;
所述第二测试参数模型基于所述样本测试数据中第二样本测试任务的测试数据构建,所述第二样本测试任务已完成,且所述第二样本测试任务的测试结果为通过,所述第二样本测试任务的测试数据包括:第二样本设备每一样本测试配置项的取值以及每一样本测试参数项的取值,所述第二样本设备为所述第二样本测试任务的测试对象;
所述第三测试参数模型基于所述样本测试数据中第三样本测试任务的测试数据构建,所述第三样本测试任务在执行过程出现过第一数量次运行失败,所述第三样本测试任务的测试数据包括:第三样本设备测试配置项的取值以及测试参数项的取值,所述第三样本设备为所述第三样本测试任务的测试对象;
所述第四测试参数模型基于所述样本测试数据中第四样本测试任务的测试数据构建,所述第四样本测试任务在执行过程中出现过第二数量次运行错误,所述第四样本测试任务的测试数据包括:第四样本设备测试配置项的取值以及测试参数项的取值,所述第四样本设备为所述第四样本测试任务的测试对象。
根据本发明提供的一种测试方法,所述第一测试参数模型基于如下步骤构建:
基于宽度学习算法,从所述样本测试数据中获取所述第一样本测试任务的测试数据;
获取所述第一样本测试任务的测试数据中每一样本测试配置项的每一取值对应的每一样本测试参数项的所有取值;
在所述第一样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值服从标准正态分布的情况下,计算所述任一样本测试配置项的任一取值对应的任一样本测试参数项的每一取值的权重;
将所述第一样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值中权重最大的取值,确定为所述第一样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的取值,进而构建得到所述第一测试参数模型。
根据本发明提供的一种测试方法,所述第二测试参数模型基于如下步骤构建:
基于宽度学习算法,从所述样本测试数据中获取所述第二样本测试任务的测试数据;
获取所述第二样本测试任务的测试数据中每一样本测试配置项的每一取值对应的每一样本测试参数项的所有取值;
在所述第二样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值服从标准正态分布的情况下,计算所述任一样本测试配置项的任一取值对应的任一样本测试参数项的每一取值的权重;
将所述第二样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值中权重最大的取值,确定为所述第二样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的取值,进而构建得到所述第二测试参数模型。
根据本发明提供的一种测试方法,所述第三测试参数模型基于如下步骤构建:
基于宽度学习算法,从所述样本测试数据中获取所述第三样本测试任务的测试数据;
获取所述第三样本测试任务的测试数据中每一样本测试配置项的每一取值对应的每一样本测试参数项的所有取值;
在所述第三样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值服从标准正态分布的情况下,计算所述任一样本测试配置项的任一取值对应的任一样本测试参数项的每一取值的权重;
将所述第三样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值中权重最大的取值,确定为所述第三样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的取值,进而构建得到所述第三测试参数模型。
根据本发明提供的一种测试方法,所述第四测试参数模型基于如下步骤构建:
基于宽度学习算法,从所述样本测试数据中获取所述第四样本测试任务的测试数据;
获取所述第四样本测试任务的测试数据中每一样本测试配置项的每一取值对应的每一样本测试参数项的所有取值;
在所述第四样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值服从标准正态分布的情况下,计算所述任一样本测试配置项的任一取值对应的任一样本测试参数项的每一取值的权重;
将所述第四样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值中权重最大的取值,确定为所述第四样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的取值,进而构建得到所述第四测试参数模型。
根据本发明提供的一种测试方法,所述将所述待测设备目标测试配置项的取值和所述目标测试参数项输入每一目标测试参数模型,获取每一所述目标测试参数模型输出的所述待测设备目标测试参数项的取值,包括:
将所述待测设备目标测试配置项的取值和所述目标测试参数项输入每一目标测试参数模型之后,由所述每一目标测试参数模型获取所述目标配置参数项的取值对应的目标测试参数项的原始取值,在多个所述目标配置参数项的取值对应的同一目标测试参数项的原始取值不同的情况下,将多个所述目标配置参数项的取值对应的同一目标测试参数项的原始取值中权重最大的原始取值,确定为所述同一目标测试参数项的取值,进而获取所述每一目标测试参数模型输出的所述待测设备目标测试参数项的取值。
根据本发明提供的一种测试方法,所述基于每一所述目标测试参数模型对应的所述待测设备的测试策略,对所述待测设备进行测试,获取每一所述目标测试参数模型对应的所述待测设备的测试结果之后,所述方法还包括:
将每一所述目标测试参数模型对应的所述待测设备的测试结果、每一所述目标测试参数模型输出的所述待测设备目标测试参数项的取值和所述待测设备目标测试配置项的取值添加至所述样本测试数据中,对所述样本测试数据进行更新;
在当前周期结束的情况下,基于更新后的样本测试数据,对每一所述目标测试参数模型进行更新。
本发明还提供一种测试装置,包括:
数据获取模块,用于获取待测设备目标测试配置项的取值以及所述待测设备的目标测试参数项;
参数确定模块,用于将所述待测设备目标测试配置项的取值和所述目标测试参数项输入每一目标测试参数模型,获取每一所述目标测试参数模型输出的所述待测设备目标测试参数项的取值;
策略生成模块,用于基于每一所述目标测试参数模型输出的所述待测设备目标测试参数项的取值和所述待测设备目标测试配置项的取值,确定每一所述目标测试参数模型对应的所述待测设备的测试策略;
测试模块,用于基于每一所述目标测试参数模型对应的所述待测设备的测试策略,对所述待测设备进行测试,获取每一所述目标测试参数模型对应的所述待测设备的测试结果;
其中,每一所述目标测试参数模型用于描述不同样本测试配置项的不同取值,与不同样本测试参数项的不同取值之间的对应关系;所述目标测试参数模型基于样本测试数据构建;所述样本测试配置项包括所述目标测试配置项;所述样本测试参数项包括所述目标测试参数项。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述测试方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述测试方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述测试方法。
本发明提供的测试方法及装置,通过将待测设备目标测试配置项的取值以及待测设备的目标测试参数项输入每一目标测试参数模型,获取每一目标测试参数模型输出的待测设备目标测试参数项的取值之后,基于每一目标测试参数模型输出的待测设备目标测试参数项的取值以及目标测试参数项的取值,确定每一目标测试参数模型对应的测试策略,进而基于每一目标测试参数模型对应的测试策略分别对待测设备进行测试,获取每一目标测试参数模型对应的待测设备的测试结果,能在无需技术人员进行人工设置的情况下,更准确、更高效地自动获取待测设备目标测试参数项的取值,进而能自动生成待测设备的测试策略用于对待测设备进行测试,能提高待测设备的测试效率和测试准确率,能降低人工成本和时间成本投入。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本发明提供的测试方法的流程示意图之一;
图2是本发明提供的测试方法中构建第一测试参数模型、第二测试参数模型、第三测试参数模型和第四测试参数模型的流程示意图;
图3为本发明提供的测试方法的流程示意图之二;
图4是本发明提供的测试装置的结构示意图;
图5是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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。
需要说明的是,服务器是一种提供高可靠的计算服务的设备,主要应用于高性能计算、网络服务、数据存储等应用场合。服务器在批量生产前,通常需要对服务器的配置、性能以及工作稳定性等进行测试验证。
在对服务器进行测试之前,需要根据服务器关联的测试用例,确定服务器的测试参数项,进而需要技术人员根据测试配置项的实际值,对服务器测试参数项的取值进行设置。
但是,由于通常情况下服务器的测试配置项的数量较多,且不同服务器关联的测试用例也不尽相同,导致需要投入大量的人工成本和时间成本用于设置服务器测试参数项的取值,容易影响测试任务下发的时效,进而影响测试任务的执行进度,导致测试计划不能按时完成,从而对测试工作整体产生不良影响。
并且,由于技术人员通常是基于主观经验进行测试参数项的取值进行设置的,而在技术人员的主观经验不足的情况下,测试参数项的取值与服务器的硬件配置情况的匹配度不高,将导致影响电子设备的测试结果的准确率。
对此,本发明提供一种测试方法。基于本发明提供的测试方法,可以基于待测设备测试配置项的实际值,在无需技术人员进行人工设置的情况下,更准确、更高效地自动获取待测设备目标测试参数项的取值,进而能自动生成待测设备的测试策略用于对待测设备进行测试,能提高待测设备的测试效率和测试准确率,能降低人工成本和时间成本投入。
在发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;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。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。
图1是本发明提供的测试方法的流程示意图之一。下面结合图1描述本发明的测试方法。如图1所示,该方法包括:步骤101、获取待测设备目标测试配置项的取值以及待测设备的目标测试参数项。
需要说明的是,本发明实施例的执行主体为测试装置。
具体地,待测设备为本发明提供的测试方法的测试对象。基于本发明提供的测试方法可以对待测设备的配置、性能以及工作稳定性等进行测试验证。
需要说明的是,本发明实施例中的待测设备可以为服务器,还可以为其他需要测试的电子设备。
需要说明的是,本发明实施例中的测试配置项可以包括但不限于硬盘数量、内存大小以及CPU数量等。
需要说明的是,本发明实施例中的目标测试配置项与待测设备具有对应关系。目标测试配置项可以是基于待测设备的测试需求以及测试用例等预定义的。目标测试配置项可以包括上述测试配置项的部分或全部。本发明实施例中目标测试配置项不作具体限定。
可以理解的是,目标测试配置项的数量可以为多个。
本发明实施例中可以通过多种方式获取待测设备目标测试配置项的取值,例如:可以通过数据查询的方式,获取待测设备目标测试配置项的取值;或者,还可以基于用户的输入,获取待测设备目标测试配置项的取值;又或者,还可以其他电子设备发送的待测设备目标测试配置项的取值。本发明实施例中获取待测设备目标测试配置项的取值的具体方式不作限定。
需要说明的是,本发明实施例中的测试参数项可以包括但不限于测试时长、测试次数、测试电压以及测试功率等。待测设备的目标测试参数项,可以是基于待测设备的测试需求以及测试用例等预定义的。目标测试参数项可以包括上述测试参数项的部分或全部。本发明实施例中对目标测试参数项不作具体限定。
可以理解的是,目标测试参数项的数量可以为多个。
本发明实施例中可以通过多种方式获取待测设备的目标测试参数项,例如:可以基于用户的输入,获取待测设备的目标测试参数项;又或者,还可以其他电子设备发送的待测设备的目标测试参数项。本发明实施例中获取待测设备的目标测试参数项的具体方式不作限定。
步骤102、将待测设备目标测试配置项的取值和目标测试参数项输入每一目标测试参数模型,获取每一目标测试参数模型输出的待测设备目标测试参数项的取值;
其中,每一目标测试参数模型用于描述不同样本测试配置项的不同取值,与不同样本测试参数项的不同取值之间的对应关系;目标测试参数模型基于样本测试数据构建;样本测试配置项包括目标测试配置项;样本测试参数项包括目标测试参数项。
具体地,获取待测设备目标测试配置项的取值和待测设备的目标测试参数项之后,可以将待测设备目标测试配置项的取值和待测设备的目标测试参数项输入目标测试参数模型。
需要说明的是,目标测试参数模型是基于样本测试数据构建的,可以用于描述不同样本测试配置项的不同取值,与不同样本测试参数项的不同取值之间对应关系的数学模型。
可以理解的是,样本测试配置项的数量为多个;任一样本测试项的取值的数量亦为多个。样本测试参数项的数量为多个;任一样本测试参数项的取值的数量亦为多个。
样本测试数据库中可以包括多个样本测试任务中的测试数据。任一样本测试任务中的测试数据可以包括该样本测试任务的测试结果、该样本测试任务的测试对象样本测试配置项的取值、该样本测试任务样本测试参数项的取值、该样本测试任务在执行过程中出现运行错误的次数以及该样本测试任务在执行过程中出现运行失败的次数等。
可以理解的是,样本测试配置项中包括目标测试配置项;样本测试参数项包括目标测试参数项。
可以理解的是,本发明实施例中目标测试参数模型的数量可以为一个或多个。
在目标测试参数模型的数量为一个的情况下,将待测设备目标测试配置项的取值和待测设备的目标测试参数项输入目标测试参数模型之后,目标测试参数模型可以在不同样本测试配置项的不同取值对应的不同样本测试参数项的不同取值中查找与目标测试配置项的取值以及目标测试参数项匹配的取值,作为待测设备目标测试参数项的取值输出。
在目标测试参数模型的数量为多个的情况下,可以将待测设备目标测试配置项的取值和待测设备的目标测试参数项分别输入每一目标测试参数模型,进而可以获取每一目标测试参数模型输出的待测设备目标测试参数项的取值。
步骤103、基于每一目标测试参数模型对应的待测设备的测试策略,对待测设备进行测试,获取每一目标测试参数模型对应的待测设备的测试结果。
具体地,获取待测设备目标测试参数项的取值以及待测设备目标测试配置项的取值之后,在目标测试参数模型的数量为一个的情况下,可以基于待测设备目标测试参数项的取值以及待测设备目标测试配置项的取值,根据预定义的测试规则,确定待测设备的测试策略。
在目标测试参数模型的数量为多个的情况下,可以基于待测设备目标测试参数项的取值以及每一目标测试参数模型输出的待测设备目标测试参数项的取值,分别确定与每一目标测试参数模型对应的待测设备的测试策略。
步骤104、基于每一目标测试参数模型对应的待测设备的测试策略,对待测设备进行测试,获取每一目标测试参数模型对应的待测设备的测试结果。
具体地,在目标测试参数模型的数量为一个的情况下,确定待测设备的测试策略之后,可以基于待测设备的测试策略执行测试任务,对待测设备进行测试,获取待测设备的测试结果。
在目标测试参数模型的数量为多个的情况下,可以基于每一目标测试参数模型对应的待测设备的测试策略,分别执行测试任务,对待测设备进行多次测试,获取与每一目标测试参数模型对应的待测设备的测试结果。
本发明实施例通过将待测设备目标测试配置项的取值以及待测设备的目标测试参数项输入每一目标测试参数模型,获取每一目标测试参数模型输出的待测设备目标测试参数项的取值之后,基于每一目标测试参数模型输出的待测设备目标测试参数项的取值以及目标测试参数项的取值,确定每一目标测试参数模型对应的测试策略,进而基于每一目标测试参数模型对应的测试策略分别对待测设备进行测试,获取每一目标测试参数模型对应的待测设备的测试结果,能在无需技术人员进行人工设置的情况下,更准确、更高效地自动获取待测设备目标测试参数项的取值,进而能自动生成待测设备的测试策略用于对待测设备进行测试,能提高待测设备的测试效率和测试准确率,能降低人工成本和时间成本投入。
作为一个可选地实施例,将待测设备目标测试配置项的取值和目标测试参数项输入每一目标测试参数模型,获取每一目标测试参数模型输出的待测设备目标测试参数项的取值之前,所述方法还包括:将第一测试参数模型、第二测试参数模型、第三测试参数模型和第四测试参数模型中的任意一个,确定为目标测试参数模型,或者,将第一测试参数模型、第二测试参数模型、第三测试参数模型和第四测试参数模型中的多个,分别确定为多个目标测试参数模型;
其中,第一测试参数模型基于样本测试数据中第一样本测试任务的测试数据构建,第一样本任务已完成且第一样本测试任务在执行过程中未出现运行错误和运行失败,第一样本测试任务的测试数据包括:第一样本设备每一样本测试配置项的取值以及每一样本测试参数项的取值,第一样本设备为第一样本测试任务的测试对象;
第二测试参数模型基于样本测试数据中第二样本测试任务的测试数据构建,第二样本测试任务已完成,且第二样本测试任务的测试结果为通过,第二样本测试任务的测试数据包括:第二样本设备每一样本测试配置项的取值以及每一样本测试参数项的取值,第二样本设备为第二样本测试任务的测试对象;
第三测试参数模型基于样本测试数据中第三样本测试任务的测试数据构建,第三样本测试任务在执行过程出现过第一数量次运行失败,第三样本测试任务的测试数据包括:第三样本设备测试配置项的取值以及测试参数项的取值,第三样本设备为第三样本测试任务的测试对象;
第四测试参数模型基于样本测试数据中第四样本测试任务的测试数据构建,第四样本测试任务在执行过程中出现过第二数量次运行错误,第四样本测试任务的测试数据包括:第四样本设备测试配置项的取值以及测试参数项的取值,第四样本设备为第四样本测试任务的测试对象。
可以理解的是,在将第一测试参数模型、第二测试参数模型、第三测试参数模型和第四测试参数模型中的任意一个确定为目标测试参数模型的情况下,目标测试参数模型的数量为一个;
在将第一测试参数模型、第二测试参数模型、第三测试参数模型和第四测试参数模型中的多个分别确定为多个目标测试参数模型的情况下,目标测试参数模型的数量为多个。
需要说明的是,第一测试参数模型、第二测试参数模型、第三测试参数模型和第四测试参数模型,基于不同的样本测试数据构建得到,可以分别用于描述不同测试场景下,不同样本测试配置项的不同取值,与不同样本测试参数项的不同取值之间的对应关系。
具体地,第一测试参数模型基于第一样本测试任务的测试数据构建,可以用于描述在测试任务已正常完成且测试任务在执行过程中未出现运行错误和运行失败的测试场景下,不同样本测试配置项的不同取值,与不同样本测试参数项的不同取值之间的对应关系。
将第一测试参数模型确定为目标测试参数模型,可以获取在测试任务已正常完成且测试任务在执行过程中未出现运行错误和运行失败的测试场景下,待测设备目标测试参数项的取值。
第二测试参数模型基于第二样本测试任务的测试数据构建,可以用于描述测试任务已完成且测试任务的测试结果为通过的测试场景下,不同样本测试配置项的不同取值,与不同样本测试参数项的不同取值之间的对应关系。
将第二测试参数模型确定为目标测试参数模型,可以获取测试任务已完成且测试任务的测试结果为通过的测试场景下,待测设备目标测试参数项的取值。
第三测试参数模型基于第三样本测试任务的测试数据构建,可以用于描述测试任务在执行过程中出现过第一数量次运行失败的测试场景下,不同样本测试配置项的不同取值,与不同样本测试参数项的不同取值之间的对应关系。
将第三测试参数模型确定为目标测试参数模型,可以获取测试任务在执行过程中出现过第一数量次运行失败的测试场景下,待测设备目标测试参数项的取值。
第四测试参数模型基于第四样本测试任务的测试数据构建,可以用于描述测试任务在执行过程中出现过第二数量次运行错误的测试场景下,不同样本测试配置项的不同取值,与不同样本测试参数项的不同取值之间的对应关系。
将第四测试参数模型确定为目标测试参数模型,可以获取测试任务在执行过程中出现过第二数量次运行错误的测试场景下待测设备目标测试参数项的取值。
需要说明的是,第一数量和第二数量可以是基于先验知识和/或实际情况预定义的。本发明实施例中对第一数量和第二数量的具体取值不作限定。
需要说明的是,本发明实施例中可以通过多种方式从样本测试数据中获取第一样本测试任务的测试数据、第二样本测试任务的测试数据、第三样本测试任务的测试数据以及第四样本测试任务的测试数据,例如:可以通过数据筛选、机器学习等方式,从样本测试数据中获取第一样本测试任务的测试数据、第二样本测试任务的测试数据、第三样本测试任务的测试数据以及第四样本测试任务的测试数据。
作为一个可选地实施例,第一测试参数模型基于如下步骤构建:基于宽度学习算法,从样本测试数据中获取第一样本测试任务的测试数据。
图2是本发明提供的测试方法中构建第一测试参数模型、第二测试参数模型、第三测试参数模型和第四测试参数模型的流程示意图。如图2所示,基于宽度学习算法,可以从样本测试数据中获取第一样本测试任务的测试数据。
其中,宽度学习(Broad Learning System,BLS)算法是由一种不需要深度结构的高效增量学习算法,该算法融合了稀疏编码算法和动态逐步更新算法,稀疏编码算法是网络能够快速准确的提取数据有效特征,动态逐步更新算法赋予了宽度学习对增加节点快速处理的能力即拥有增量学习的能力。宽度学习算法的模型结构简单易于理解和实现,其既保留了深度学习中的表征学习能力,又能不失随机权重网络的高效学习特性,还能灵活地改变网络结构。
获取第一样本测试任务的测试数据中每一样本测试配置项的每一取值对应的每一样本测试参数项的所有取值。
可以理解的是,第一样本测试任务的数量为多个,第一样本设备的数量亦为多个。而在任一第一样本测试任务中,该第一样本测试任务中的第一样本设备的每一样本测试配置项的取值与该第一样本测试任务中所有样本测试参数项的取值之间存在对应关系。
因此,可以遍历第一样本测试任务的测试数据中每一第一样本测试任务的测试数据,获取每一样本测试配置项的每一取值对应的每一样本测试参数项的所有取值,直至第一样本测试任务的测试数据遍历完成。
表1为第一样本测试任务的测试数据中某一样本测试配置项的某一取值对应的部分样本测试参数项的所有取值的示例表。第一样本测试任务的测试数据中某一样本测试配置项的某一取值对应的部分样本测试参数项的所有取值如表1所示。
表1第一样本测试任务的测试数据中某一样本测试配置项的某一取值对应的某一样本测试参数项的所有取值的示例表
在第一样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值服从标准正态分布的情况下,计算任一样本测试配置项的任一取值对应的任一样本测试参数项的每一取值的权重。
需要说明的是,若第一样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值服从标准正态分布,则可以将上述不同取值的中位数的权重确定为1,进而可以依据上述不同取值的正态分布,获取每一取值的权重。例如,可以将依次远离上述中位数的取值的权重依次减少0.01。
表2为第一样本测试任务的测试数据中某一样本测试配置项的某一取值对应的部分样本测试参数项的所有取值的权重示例表。第一样本测试任务的测试数据中某一样本测试配置项的某一取值对应的部分样本测试参数项的所有取值的权重如表2所示。
表2第一样本测试任务的测试数据中某一样本测试配置项的某一取值对应的部分样本测试参数项的所有取值的权重示例表
需要说明的是,在第一样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值不服从标准正态分布的情况下,第一样本测试任务的测试数据中上述任一样本测试配置项的任一取值对应的任一样本测试参数项的取值为空值。
将第一样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值中权重最大的取值,确定为第一样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的取值,进而构建得到第一测试参数模型。
如表2所示,在第一样本测试任务的测试数据中,硬盘数量为1对应的测试次数的所有取值中,测试次数为3的权重最大,因此可以将第一样本测试任务的测试数据中硬盘数量为1对应的测试次数的取值确定为3。在第一样本测试任务的测试数据中,硬盘数量为1对应的测试时长的所有取值中,测试时长为3h的权重最大,因此可以将第一样本测试任务的测试数据中硬盘数量为1对应的测试时长的取值确定为3h。
如表2所示,在第一样本测试任务的测试数据中,CPU数量为1对应的测试次数的所有取值中,测试次数为4的权重最大,因此可以将第一样本测试任务的测试数据中CPU数量为1对应的测试次数的取值确定为4。在第一样本测试任务的测试数据中,CPU数量为1对应的测试时长的所有取值中,测试时长为4h的权重最大,因此可以将第一样本测试任务的测试数据中CPU数量为1对应的测试时长的取值确定为4h。
作为一个可选地实施例,第二测试参数模型基于如下步骤构建:基于宽度学习算法,从样本测试数据中获取第二样本测试任务的测试数据。
如图2所示,基于宽度学习算法,可以从样本测试数据中获取第二样本测试任务的测试数据。
获取第二样本测试任务的测试数据中每一样本测试配置项的每一取值对应的每一样本测试参数项的所有取值。
可以理解的是,第二样本测试任务的数量为多个,第二样本设备的数量亦为多个。而在任一第二样本测试任务中,该第二样本测试任务中的第二样本设备的每一样本测试配置项的取值与该第二样本测试任务中所有样本测试参数项的取值之间存在对应关系。
因此,可以遍历第二样本测试任务的测试数据中每一第二样本测试任务的测试数据,获取每一样本测试配置项的每一取值对应的每一样本测试参数项的所有取值,直至第二样本测试任务的测试数据遍历完成。
在第二样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值服从标准正态分布的情况下,计算任一样本测试配置项的任一取值对应的任一样本测试参数项的每一取值的权重。
需要说明的是,若第二样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值服从标准正态分布,则可以将上述不同取值的中位数的权重确定为1,进而可以依据上述不同取值的正态分布,获取每一取值的权重。例如,可以将依次远离上述中位数的取值的权重依次减少0.01。
需要说明的是,在第二样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值不服从标准正态分布的情况下,第二样本测试任务的测试数据中上述任一样本测试配置项的任一取值对应的任一样本测试参数项的取值为空值。
将第二样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值中权重最大的取值,确定为第二样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的取值,进而构建得到第二测试参数模型。
作为一个可选地实施例,第三测试参数模型基于如下步骤构建:基于宽度学习算法,从样本测试数据中获取第三样本测试任务的测试数据。
如图2所示,基于宽度学习算法,可以从样本测试数据中获取第三样本测试任务的测试数据。
获取第三样本测试任务的测试数据中每一样本测试配置项的每一取值对应的每一样本测试参数项的所有取值。
可以理解的是,第三样本测试任务的数量为多个,第三样本设备的数量亦为多个。而在任一第三样本测试任务中,该第三样本测试任务中的第三样本设备的每一样本测试配置项的取值与该第三样本测试任务中所有样本测试参数项的取值之间存在对应关系。
因此,可以遍历第三样本测试任务的测试数据中每一第三样本测试任务的测试数据,获取每一样本测试配置项的每一取值对应的每一样本测试参数项的所有取值,直至第三样本测试任务的测试数据遍历完成。
在第三样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值服从标准正态分布的情况下,计算任一样本测试配置项的任一取值对应的任一样本测试参数项的每一取值的权重。
需要说明的是,若第三样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的不同取值服从标准正态分布,则可以将上述不同取值的中位数的权重确定为1,进而可以依据上述不同取值的正态分布,获取每一取值的权重。例如,可以将依次远离上述中位数的取值的权重依次减少0.01。
需要说明的是,在第三样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值不服从标准正态分布的情况下,第三样本测试任务的测试数据中上述任一样本测试配置项的任一取值对应的任一样本测试参数项的取值为空值。
将第三样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值中权重最大的取值,确定为第三样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的取值,进而构建得到第三测试参数模型。
作为一个可选地实施例,第四测试参数模型基于如下步骤构建:基于宽度学习算法,从样本测试数据中获取第四样本测试任务的测试数据。
如图2所示,基于宽度学习算法,可以从样本测试数据中获取第四样本测试任务的测试数据。
获取第四样本测试任务的测试数据中每一样本测试配置项的每一取值对应的每一样本测试参数项的所有取值。
可以理解的是,第四样本测试任务的数量为多个,第四样本设备的数量亦为多个。而在任一第四样本测试任务中,该第四样本测试任务中的第四样本设备的每一样本测试配置项的取值与该第四样本测试任务中所有样本测试参数项的取值之间存在对应关系。
因此,可以遍历第四样本测试任务的测试数据中每一第四样本测试任务的测试数据,获取每一样本测试配置项的每一取值对应的每一样本测试参数项的所有取值,直至第四样本测试任务的测试数据遍历完成。
在第四样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值服从标准正态分布的情况下,计算任一样本测试配置项的任一取值对应的任一样本测试参数项的每一取值的权重。
需要说明的是,若第四样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的不同取值服从标准正态分布,则可以将上述不同取值的中位数的权重确定为1,进而可以依据上述不同取值的正态分布,获取每一取值的权重。例如,可以将依次远离上述中位数的取值的权重依次减少0.01。
需要说明的是,在第四样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值不服从标准正态分布的情况下,第四样本测试任务的测试数据中上述任一样本测试配置项的任一取值对应的任一样本测试参数项的取值为空值。
将第四样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值中权重最大的取值,确定为第四样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的取值,进而构建得到第四测试参数模型。
本发明实施例能通过基于宽度学习算法,更准确、更高效地从样本测试数据中获取第一样本测试任务的测试数据、第二样本测试任务的测试数据、第三样本测试任务的测试数据和第四样本测试任务的数据,进而能基于第一样本测试任务的测试数据、第二样本测试任务的测试数据、第三样本测试任务的测试数据和第四样本测试任务的数据,构建第一测试参数模型、第二测试参数模型、第三测试参数模型和第四测试参数模型,能提高获取待测设备目标测试参数项的取值的准确率和效率。
作为一个可选地实施例,将待测设备目标测试配置项的取值和目标测试参数项输入每一目标测试参数模型,获取每一目标测试参数模型输出的待测设备目标测试参数项的取值,包括:将待测设备目标测试配置项的取值和目标测试参数项输入每一目标测试参数模型之后,由每一目标测试参数模型获取目标配置参数项的取值对应的目标测试参数项的原始取值,在多个目标配置参数项的取值对应的同一目标测试参数项的原始取值不同的情况下,将多个目标配置参数项的取值对应的同一目标测试参数项的原始取值中权重最大的原始取值,确定为同一目标测试参数项的取值进行输出。
具体地,如表2所示,在第一测试参数模型中,硬盘数量为1对应的测试次数的取值为3,权重为0.9,硬盘数量为1对应的测试时长的取值为3h,权重为0.9。
而在第一测试参数模型中,CPU数量为1对应的测试次数的取值4,权重为0.8,CPU数量为1对应的测试时长的取值为4h,权重为0.8。
因此,将待测设备硬盘数量为1和CPU数量为1输入第一测试参数模型之后,第一测试参数模型将确定待测设备测试次数的原始取值为3和4,测试时长的原始取值为3h和4h。
第一测试参数模型确定待测设备硬盘数量为1和CPU数量为1对应的测试次数的原始取值不同,待测设备硬盘数量为1和CPU数据为1对应的测试时长的原始取值也不同的情况下,可以将权重更大的3确定为待测设备测试次数的取值,将权重更大的3h确定为待测设备测试时长的取值。
本发明实施例中目标测试参数模型在多个目标配置参数项的取值对应的同一目标测试参数项的原始取值不同的情况下,将多个目标配置参数项的取值对应的同一目标测试参数项的原始取值中权重最大的原始取值,确定为上述同一目标测试参数项的取值进行输出,能更准确地待测设备目标测试参数项的取值,能进一步提高待测设备的测试准确率。
作为一个可选地实施例,基于每一目标测试参数模型对应的待测设备的测试策略,对待测设备进行测试,获取每一目标测试参数模型对应的待测设备的测试结果之后,所述方法还包括:将每一目标测试参数模型对应的待测设备的测试结果、每一目标测试参数模型输出的待测设备目标测试参数项的取值和待测设备目标测试配置项的取值添加至样本测试数据中,对样本测试数据进行更新。
在当前周期结束的情况下,基于更新后的样本测试数据,对每一目标测试参数模型进行更新。
具体地,将待测设备的测试结果、待测设备目标测试参数项的取值以及目标测试参数项的取值添加至样本测试数据,对样本测试数据进行更新之后,更新后的样本测试数据更多。
在当前周期结束的情况下,基于宽度学习算法和更新后的样本测试数据,可以更高效地对目标测试参数模型中不同样本测试配置项的取值对应的样本测试参数项的取值进行更新,从而提高目标测试参数模型输出的待测设备目标测试参数项的取值的准确率。
为了便于对本发明提供的测试方法的理解,以下通过一个实例说明本发明提供的测试方法。图3为本发明提供的测试方法的流程示意图之二。如图3所示,技术人员预定义待测设备的目标测试参数项和目标测试配置项的取值,以及将第一参数测试模型、第二参数测试模型、第三参数测试模型和第四参数测试模型中的两个分别确定为目标测试参数模型之后,可以待测设备的目标测试参数项和目标测试配置项的取值分别输入上述两个目标测试参数模型。
上述两个目标测试参数模型可以分别输出待测设备目标测试参数项的取值。
基于上述目标测试参数模型分别输出的待测设备目标测试参数项的取值,可以分别生成待测设备的两个测试策略。
在技术人员对上述测试策略进行修改的情况下,可以基于修改后的测试策略执行测试任务,对待测设备进行测试,获得待测设备的测试结果。
在技术人员未对上述测试策略进行修改的情况下,可以基于上述测试策略执行测试任务,对待测设备进行测试,获得待测设备的测试结果。
获得待测设备的测试结果之后,可以将待测设备的测试结果、待测设备目标测试参数项的取值和目标测试配置项的取值添加至样本测试数据中。
本发明实现了一种基于宽度学习的自动化生成测试策略的装置及系统,实现测试参数模型化管理与动态获取、测试策略的自动化生成,既保证了配置下发的时效性,减少了VM在完成参数设置上的人力投入,提升了VM下发测试配置的效率,也能提高测试策略的准确性和测试效率,项目的整体测试计划和进度也能得到加快和优化,保障测试工作按时保质保量完成。
本发明提供的测试方法依靠宽度学习的思路,实现了待测设备测试参数项的取值的模型化管理与动态获取、待测设备的测试策略自动化生成,本发明提供的测试方法可以准确高效地进行测试参数项的取值的学习、测试策略的自动生成,且随着样本测试数据的不断积累,基于本发明提供的测试方法自动生成的测试策略越来越完善,可以代替技术人员进行待测设备测试参数项的取值设置,节省技术人员对待测设备测试参数项的取值进行人工设置所需投入的人力成本和时间成本。
图4是本发明提供的测试装置的结构示意图。下面结合图4对本发明提供的测试装置进行描述,下文描述的测试装置与上文描述的本发明提供的测试方法可相互对应参照。如图4所示,数据获取模块401、参数确定模块402、策略生成模块403和测试模块404。
数据获取模块401,用于获取待测设备目标测试配置项的取值以及待测设备的目标测试参数项;
参数确定模块402,用于将待测设备目标测试配置项的取值和目标测试参数项输入每一目标测试参数模型,获取每一目标测试参数模型输出的待测设备目标测试参数项的取值;
策略生成模块403,用于基于每一目标测试参数模型输出的待测设备目标测试参数项的取值和待测设备目标测试配置项的取值,确定每一目标测试参数模型对应的待测设备的测试策略;
测试模块404,用于基于每一目标测试参数模型对应的待测设备的测试策略,对待测设备进行测试,获取每一目标测试参数模型对应的待测设备的测试结果;
其中,每一目标测试参数模型用于描述不同样本测试配置项的不同取值,与不同样本测试参数项的不同取值之间的对应关系;目标测试参数模型基于样本测试数据构建;样本测试配置项包括目标测试配置项;样本测试参数项包括目标测试参数项。
具体地,数据获取模块401、参数确定模块402、策略生成模块403和测试模块404电连接。
需要说明的是,本发明提供的测试装置可以是基于Spring、SpringBoot以及Mybatis框架构建的。
本发明实施例中的测试装置,通过将待测设备目标测试配置项的取值以及待测设备的目标测试参数项输入每一目标测试参数模型,获取每一目标测试参数模型输出的待测设备目标测试参数项的取值之后,基于每一目标测试参数模型输出的待测设备目标测试参数项的取值以及目标测试参数项的取值,确定每一目标测试参数模型对应的测试策略,进而基于每一目标测试参数模型对应的测试策略分别对待测设备进行测试,获取每一目标测试参数模型对应的待测设备的测试结果,能在无需技术人员进行人工设置的情况下,更准确、更高效地自动获取待测设备目标测试参数项的取值,进而能自动生成待测设备的测试策略用于对待测设备进行测试,能提高待测设备的测试效率和测试准确率,能降低人工成本和时间成本投入。
图5示例了一种电子设备的实体结构示意图,如图5所示,该电子设备可以包括:处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令,以执行测试方法,该方法包括:获取待测设备目标测试配置项的取值以及待测设备的目标测试参数项;将待测设备目标测试配置项的取值和目标测试参数项输入每一目标测试参数模型,获取每一目标测试参数模型输出的待测设备目标测试参数项的取值;基于每一目标测试参数模型输出的待测设备目标测试参数项的取值和待测设备目标测试配置项的取值,确定每一目标测试参数模型对应的待测设备的测试策略;基于每一目标测试参数模型对应的待测设备的测试策略,对待测设备进行测试,获取每一目标测试参数模型对应的待测设备的测试结果;其中,每一目标测试参数模型用于描述不同样本测试配置项的不同取值,与不同样本测试参数项的不同取值之间的对应关系;目标测试参数模型基于样本测试数据构建;样本测试配置项包括目标测试配置项;样本测试参数项包括目标测试参数项。
此外,上述的存储器530中的逻辑指令可以通过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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的测试方法,该方法包括:获取待测设备目标测试配置项的取值以及待测设备的目标测试参数项;将待测设备目标测试配置项的取值和目标测试参数项输入每一目标测试参数模型,获取每一目标测试参数模型输出的待测设备目标测试参数项的取值;基于每一目标测试参数模型输出的待测设备目标测试参数项的取值和待测设备目标测试配置项的取值,确定每一目标测试参数模型对应的待测设备的测试策略;基于每一目标测试参数模型对应的待测设备的测试策略,对待测设备进行测试,获取每一目标测试参数模型对应的待测设备的测试结果;其中,每一目标测试参数模型用于描述不同样本测试配置项的不同取值,与不同样本测试参数项的不同取值之间的对应关系;目标测试参数模型基于样本测试数据构建;样本测试配置项包括目标测试配置项;样本测试参数项包括目标测试参数项。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的测试方法,该方法包括:获取待测设备目标测试配置项的取值以及待测设备的目标测试参数项;将待测设备目标测试配置项的取值和目标测试参数项输入每一目标测试参数模型,获取每一目标测试参数模型输出的待测设备目标测试参数项的取值;基于每一目标测试参数模型输出的待测设备目标测试参数项的取值和待测设备目标测试配置项的取值,确定每一目标测试参数模型对应的待测设备的测试策略;基于每一目标测试参数模型对应的待测设备的测试策略,对待测设备进行测试,获取每一目标测试参数模型对应的待测设备的测试结果;其中,每一目标测试参数模型用于描述不同样本测试配置项的不同取值,与不同样本测试参数项的不同取值之间的对应关系;目标测试参数模型基于样本测试数据构建;样本测试配置项包括目标测试配置项;样本测试参数项包括目标测试参数项。
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。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
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各实施方式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。基于这样的理解,上述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,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (11)
1.一种测试方法,其特征在于,包括:
获取待测设备目标测试配置项的取值以及所述待测设备的目标测试参数项;
将所述待测设备目标测试配置项的取值和所述目标测试参数项输入每一目标测试参数模型,获取每一所述目标测试参数模型输出的所述待测设备目标测试参数项的取值;
基于每一所述目标测试参数模型输出的所述待测设备目标测试参数项的取值和所述待测设备目标测试配置项的取值,确定每一所述目标测试参数模型对应的所述待测设备的测试策略;
基于每一所述目标测试参数模型对应的所述待测设备的测试策略,对所述待测设备进行测试,获取每一所述目标测试参数模型对应的所述待测设备的测试结果;
其中,每一所述目标测试参数模型用于描述不同样本测试配置项的不同取值,与不同样本测试参数项的不同取值之间的对应关系;所述目标测试参数模型基于样本测试数据构建;所述样本测试配置项包括所述目标测试配置项;所述样本测试参数项包括所述目标测试参数项。
2.根据权利要求1所述的测试方法,其特征在于,所述将所述待测设备目标测试配置项的取值和所述目标测试参数项输入每一目标测试参数模型,获取每一所述目标测试参数模型输出的所述待测设备目标测试参数项的取值之前,所述方法还包括:
将第一测试参数模型、第二测试参数模型、第三测试参数模型和第四测试参数模型中的任意一个,确定为所述目标测试参数模型,或者,将第一测试参数模型、第二测试参数模型、第三测试参数模型和第四测试参数模型中的多个,分别确定为多个所述目标测试参数模型;
其中,所述第一测试参数模型基于所述样本测试数据中第一样本测试任务的测试数据构建,所述第一样本任务已完成且所述第一样本测试任务在执行过程中未出现运行错误和运行失败,所述第一样本测试任务的测试数据包括:第一样本设备每一样本测试配置项的取值以及每一样本测试参数项的取值,所述第一样本设备为所述第一样本测试任务的测试对象;
所述第二测试参数模型基于所述样本测试数据中第二样本测试任务的测试数据构建,所述第二样本测试任务已完成,且所述第二样本测试任务的测试结果为通过,所述第二样本测试任务的测试数据包括:第二样本设备每一样本测试配置项的取值以及每一样本测试参数项的取值,所述第二样本设备为所述第二样本测试任务的测试对象;
所述第三测试参数模型基于所述样本测试数据中第三样本测试任务的测试数据构建,所述第三样本测试任务在执行过程出现过第一数量次运行失败,所述第三样本测试任务的测试数据包括:第三样本设备测试配置项的取值以及测试参数项的取值,所述第三样本设备为所述第三样本测试任务的测试对象;
所述第四测试参数模型基于所述样本测试数据中第四样本测试任务的测试数据构建,所述第四样本测试任务在执行过程中出现过第二数量次运行错误,所述第四样本测试任务的测试数据包括:第四样本设备测试配置项的取值以及测试参数项的取值,所述第四样本设备为所述第四样本测试任务的测试对象。
3.根据权利要求2所述的测试方法,其特征在于,所述第一测试参数模型基于如下步骤构建:
基于宽度学习算法,从所述样本测试数据中获取所述第一样本测试任务的测试数据;
获取所述第一样本测试任务的测试数据中每一样本测试配置项的每一取值对应的每一样本测试参数项的所有取值;
在所述第一样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值服从标准正态分布的情况下,计算所述任一样本测试配置项的任一取值对应的任一样本测试参数项的每一取值的权重;
将所述第一样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值中权重最大的取值,确定为所述第一样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的取值,进而构建得到所述第一测试参数模型。
4.根据权利要求3所述的测试方法,其特征在于,所述第二测试参数模型基于如下步骤构建:
基于宽度学习算法,从所述样本测试数据中获取所述第二样本测试任务的测试数据;
获取所述第二样本测试任务的测试数据中每一样本测试配置项的每一取值对应的每一样本测试参数项的所有取值;
在所述第二样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值服从标准正态分布的情况下,计算所述任一样本测试配置项的任一取值对应的任一样本测试参数项的每一取值的权重;
将所述第二样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值中权重最大的取值,确定为所述第二样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的取值,进而构建得到所述第二测试参数模型。
5.根据权利要求4所述的测试方法,其特征在于,所述第三测试参数模型基于如下步骤构建:
基于宽度学习算法,从所述样本测试数据中获取所述第三样本测试任务的测试数据;
获取所述第三样本测试任务的测试数据中每一样本测试配置项的每一取值对应的每一样本测试参数项的所有取值;
在所述第三样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值服从标准正态分布的情况下,计算所述任一样本测试配置项的任一取值对应的任一样本测试参数项的每一取值的权重;
将所述第三样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值中权重最大的取值,确定为所述第三样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的取值,进而构建得到所述第三测试参数模型。
6.根据权利要求5所述的测试方法,其特征在于,所述第四测试参数模型基于如下步骤构建:
基于宽度学习算法,从所述样本测试数据中获取所述第四样本测试任务的测试数据;
获取所述第四样本测试任务的测试数据中每一样本测试配置项的每一取值对应的每一样本测试参数项的所有取值;
在所述第四样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值服从标准正态分布的情况下,计算所述任一样本测试配置项的任一取值对应的任一样本测试参数项的每一取值的权重;
将所述第四样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的所有取值中权重最大的取值,确定为所述第四样本测试任务的测试数据中任一样本测试配置项的任一取值对应的任一样本测试参数项的取值,进而构建得到所述第四测试参数模型。
7.根据权利要求6所述的测试方法,其特征在于,所述将所述待测设备目标测试配置项的取值和所述目标测试参数项输入每一目标测试参数模型,获取每一所述目标测试参数模型输出的所述待测设备目标测试参数项的取值,包括:
将所述待测设备目标测试配置项的取值和所述目标测试参数项输入每一目标测试参数模型之后,由所述每一目标测试参数模型获取所述目标配置参数项的取值对应的目标测试参数项的原始取值,在多个所述目标配置参数项的取值对应的同一目标测试参数项的原始取值不同的情况下,将多个所述目标配置参数项的取值对应的同一目标测试参数项的原始取值中权重最大的原始取值,确定为所述同一目标测试参数项的取值,进而获取所述每一目标测试参数模型输出的所述待测设备目标测试参数项的取值。
8.根据权利要求1至7任一所述的测试方法,其特征在于,所述基于每一所述目标测试参数模型对应的所述待测设备的测试策略,对所述待测设备进行测试,获取每一所述目标测试参数模型对应的所述待测设备的测试结果之后,所述方法还包括:
将每一所述目标测试参数模型对应的所述待测设备的测试结果、每一所述目标测试参数模型输出的所述待测设备目标测试参数项的取值和所述待测设备目标测试配置项的取值添加至所述样本测试数据中,对所述样本测试数据进行更新;
在当前周期结束的情况下,基于更新后的样本测试数据,对每一所述目标测试参数模型进行更新。
9.一种测试装置,其特征在于,包括:
数据获取模块,用于获取待测设备目标测试配置项的取值以及所述待测设备的目标测试参数项;
参数确定模块,用于将所述待测设备目标测试配置项的取值和所述目标测试参数项输入每一目标测试参数模型,获取每一所述目标测试参数模型输出的所述待测设备目标测试参数项的取值;
策略生成模块,用于基于每一所述目标测试参数模型输出的所述待测设备目标测试参数项的取值和所述待测设备目标测试配置项的取值,确定每一所述目标测试参数模型对应的所述待测设备的测试策略;
测试模块,用于基于每一所述目标测试参数模型对应的所述待测设备的测试策略,对所述待测设备进行测试,获取每一所述目标测试参数模型对应的所述待测设备的测试结果;
其中,每一所述目标测试参数模型用于描述不同样本测试配置项的不同取值,与不同样本测试参数项的不同取值之间的对应关系;所述目标测试参数模型基于样本测试数据构建;所述样本测试配置项包括所述目标测试配置项;所述样本测试参数项包括所述目标测试参数项。
10.一种电子设备,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计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至8任一项所述测试方法。
11.一种非暂态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如权利要求1至8任一项所述测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310904612.2A CN116955176A (zh) | 2023-07-21 | 2023-07-21 | 测试方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310904612.2A CN116955176A (zh) | 2023-07-21 | 2023-07-21 | 测试方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116955176A true CN116955176A (zh) | 2023-10-27 |
Family
ID=88442215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310904612.2A Pending CN116955176A (zh) | 2023-07-21 | 2023-07-21 | 测试方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116955176A (zh) |
-
2023
- 2023-07-21 CN CN202310904612.2A patent/CN116955176A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106294120B (zh) | 测试代码的方法、设备和计算机程序产品 | |
US20180375373A1 (en) | Impact increments-based state enumeration reliability assessment approach and device thereof | |
CN107015875B (zh) | 一种电子整机贮存寿命评估方法及装置 | |
CN112052172B (zh) | 第三方通道的快速测试方法、装置和电子设备 | |
CN113536081B (zh) | 基于人工智能的数据中心数据管理方法及系统 | |
CN110610226A (zh) | 一种发电机故障预测方法及装置 | |
CN111209180B (zh) | 一种基于模糊匹配的回归测试方法和装置 | |
CN116955176A (zh) | 测试方法及装置 | |
CN116431522A (zh) | 一种低代码对象存储网关自动化测试方法及系统 | |
CN114819163B (zh) | 量子生成对抗网络的训练方法、装置、介质及电子装置 | |
CN113344451B (zh) | 一种基于配电变压器的评价指标权重确定方法及相关装置 | |
CN114386510A (zh) | 一种电力系统量测错误辨识方法及系统 | |
CN113850292A (zh) | 故障知识库生成式更新方法、系统、电子设备及介质 | |
CN111291464A (zh) | 一种电力系统动态等值方法及装置 | |
CN112162528A (zh) | 一种数控机床的故障诊断方法、装置、设备和存储介质 | |
CN110716855B (zh) | 处理器指令集测试方法及装置 | |
CN113495831B (zh) | 基于关键字生成测试用例的方法、系统、设备及介质 | |
CN107832232A (zh) | 基于模型的软件测试方法 | |
CN113435113B (zh) | 一种电力系统暂态稳定评估方法及装置 | |
CN117215205B (zh) | 基于决策树和iss理论的直流系统控制参数分析方法 | |
CN112814854B (zh) | 基于联合学习的涡轮风机维护方法和装置 | |
CN116909861A (zh) | 服务器性能评估方法及系统 | |
CN110321280B (zh) | 一种数据处理方法以及相关设备 | |
CN117592363A (zh) | 一种配电网机理模型与孪生数据的动态匹配方法及装置 | |
CN117909864A (zh) | 一种电力故障预测系统及方法 |
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 |