CN117785688A - 测试脚本的执行情况预测方法、装置、设备和介质 - Google Patents

Abstract

本公开提供了一种测试脚本的执行情况预测方法、装置、设备和介质，涉及网络功能虚拟化技术领域。该方法包括：获取目标被测系统的测试请求，其中，测试请求用于请求对目标被测系统执行至少一个测试脚本的测试；统计各个测试脚本的鲁棒性指标和适应性指标，其中，鲁棒性指标为各个测试脚本在多个历史被测系统中成功运行的概率，适应性指标为各个测试脚本在目标被测系统中运行失败次数的倒数；根据各个测试脚本的鲁棒性指标和适应性指标，确定各个测试脚本在目标被测系统中成功运行的概率；根据各个测试脚本在目标被测系统中成功运行的概率，输出目标被测系统的测试进度信息。本公开能够预测自动化测试的测试进度，提高总体测试效率。

Description

测试脚本的执行情况预测方法、装置、设备和介质

技术领域

本公开涉及网络功能虚拟化技术领域，尤其涉及一种测试脚本的执行情况预测方法、装置、设备和介质。

背景技术

网络功能虚拟化(Network Function Virtualization，NFV)是云计算技术与网络技术的结合，其目的在于对传统在专有硬件上运行的网络服务进行网络服务虚拟化，可例如：路由器、防火墙和负载平衡器等，以使其承载在通用硬件上。

由于NFV涉及组件层级众多，因此需要经过大量的测试来保障系统的正常运行。通过引入自动化测试技术，来加速对NFV系统的测试验证，可有效提高测试效率，其中，自动化测试，是指以预先编制的脚本代替人工执行测试。

但在实际的自动化测试中，由于各厂商的NFV系统实现方式各异、接口不统一，因此预先编制的自动化测试脚本，很可能不适用于当前的被测系统，导致被测系统无法正常运行，此时会降低测试效率，为测试进度的推进带来了不确定性。

相关技术中，对于有问题的脚本反复修正、尝试执行，直至所有脚本都能正常运行。但对于已经预先编制好且针对于当前被测系统开展了多次二次研发的自动化测试脚本，可能仍然会出现无法成功执行的情况，同时，无法预测此次更新后测试脚本在被测系统中能成功执行的概率以及接下来的测试进度。对于一批无法正常执行的自动化测试脚本，难以定位出哪些测试脚本对测试进度的风险影响最大，对测试脚本的研发人员缺乏对测试脚本修改方向的指引。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开提供一种测试脚本的执行情况预测方法、装置、设备和介质，至少在一定程度上克服相关技术中无法预测测试进度的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供了一种测试脚本的执行情况预测方法，包括：获取目标被测系统的测试请求，其中，所述测试请求用于请求对所述目标被测系统执行至少一个测试脚本的测试；统计各个测试脚本的鲁棒性指标和适应性指标，其中，所述鲁棒性指标为各个测试脚本在多个历史被测系统中成功运行的概率，所述适应性指标为各个测试脚本在所述目标被测系统中运行失败次数的倒数；根据各个测试脚本的鲁棒性指标和适应性指标，确定各个测试脚本在所述目标被测系统中成功运行的概率；根据各个测试脚本在所述目标被测系统中成功运行的概率，输出所述目标被测系统的测试进度信息。

在一些实施例中，所述统计各个测试脚本的鲁棒性指标和适应性指标，包括：获取各个测试脚本在多个历史被测系统中的历史运行信息，其中，所述历史运行信息包括：各个测试脚本在各个历史被测系统中总运行次数、各个测试脚本在各个历史被测系统中总运行成功次数；获取各个测试脚本在目标被测系统中总运行失败次数；根据各个测试脚本在多个历史被测系统中的历史运行信息和各个测试脚本在目标被测系统中总运行失败次数，统计各个测试脚本的鲁棒性指标和适应性指标。

在一些实施例中，根据各个测试脚本的鲁棒性指标和适应性指标，确定各个测试脚本在所述目标被测系统中成功运行的概率，包括：根据各个测试脚本在多个历史被测系统中的历史运行信息，确定相似被测系统，其中，所述相似被测系统为根据目标被测系统与多个被测历史系统的相似度确定的历史被测系统；确定各个测试脚本在相似被测系统中的成功运行的概率；根据各个测试脚本的鲁棒性指标、适应性指标、目标被测系统与相似被测系统之间的相似度和各个测试脚本在相似被测系统中的成功运行的概率，确定各个测试脚本在所述目标被测系统中成功运行的概率。

在一些实施例中，根据各个测试脚本在多个历史被测系统中的历史运行信息，确定相似被测系统，包括：根据各个测试脚本在多个历史被测系统中的历史运行信息，计算目标被测系统与各个历史被测系统之间的相似度；将所述相似度按照从大到小的顺序进行排序；确定第一预设排名阈值内的相似度对应的历史被测系统为相似被测系统。

在一些实施例中，在根据各个测试脚本的鲁棒性指标、适应性指标、目标被测系统与相似被测系统之间的相似度和各个测试脚本在相似被测系统中的成功运行的概率，确定各个测试脚本在所述目标被测系统中成功运行的概率之后，所述方法还包括：将各个测试脚本在所述目标被测系统中成功运行的概率按照从小到大进行排序；确定第二预设排名阈值内的成功运行的概率对应的测试脚本为高风险脚本。

在一些实施例中，在确定第二预设排名阈值内的成功运行的概率对应的测试脚本为高风险脚本之后，所述方法还包括：获取高风险脚本在相似被测系统中的历史修正数据，并将所述历史修正数据向用户进行反馈，其中，所述历史修正数据为所述高风险脚本在所述相似被测系统中运行时被修正过的数据。

在一些实施例中，在将所述历史修正数据向用户进行反馈之后，所述方法还包括：获取修正后的测试脚本，其中，所述修正后的测试脚本为至少一个基于历史修正数据修正后的测试脚本；监控修正后的测试脚本在目标被测系统中是否成功运行；若存在任意一个修正后的测试脚本未成功运行，则对未成功运行的测试脚本进行修正，并继续监控修正后的测试脚本，直至各个测试脚本在目标被测系统中成功运行。

根据本公开的另一个方面，还提供了一种测试脚本的执行情况预测装置，包括：测试请求获取模块，用于获取目标被测系统的测试请求，其中，所述测试请求用于请求对所述目标被测系统执行至少一个测试脚本的测试；测试脚本指标统计模块，用于统计各个测试脚本的鲁棒性指标和适应性指标，其中，所述鲁棒性指标为各个测试脚本在多个历史被测系统中成功运行的概率，所述适应性指标为各个测试脚本在所述目标被测系统中运行失败次数的倒数；测试脚本运行概率确定模块，用于根据各个测试脚本的鲁棒性指标和适应性指标，确定各个测试脚本在所述目标被测系统中成功运行的概率；测试进度信息输出模块，用于根据各个测试脚本在所述目标被测系统中成功运行的概率，输出所述目标被测系统的测试进度信息。

根据本公开的另一个方面，还提供了一种电子设备，该电子设备包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的测试脚本的执行情况预测方法。

根据本公开的另一个方面，还提供了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上述任意一项所述的测试脚本的执行情况预测方法。

根据本公开的另一个方面，还提供了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上述任意一项的测试脚本的执行情况预测方法。

本公开的实施例中提供的测试脚本的执行情况预测方法、装置、设备和介质，在获取到目标被测系统的测试请求后，统计各个脚本的鲁棒性指标和适应性指标，并以此确定各个测试脚本在所述目标被测系统中成功运行的概率，进而输出目标被测系统的测试进度信息。本公开实施例能够通过对测试脚本和被测系统性能的测算，预测自动化测试的测试进度，提高对测试人员对进度的管控力度，进而提高总体测试效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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示出了本公开实施例中测试脚本的执行情况预测方法的示例性应用系统架构示意图；

图2示出了本公开实施例中一种测试脚本的执行情况预测方法流程图；

图3示出了本公开实施例中另一种测试脚本的执行情况预测方法流程图；

图4示出了本公开实施例中另一种测试脚本的执行情况预测的流程图；

图5示出了本公开实施例中一种测试脚本的执行情况预测装置的示意图；

图6示出了本公开实施例中另一种测试脚本的执行情况预测装置的示意图；

图7示出了本公开实施例中一种电子设备的框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

下面结合附图，对本公开实施例的具体实施方式进行详细说明。

图1示出了本公开实施例中测试脚本的执行情况预测方法的示例性应用系统架构示意图。如图1所示，该系统架构可以包括用户交互模块101、测试脚本管理模块102、测试任务管理模块103、测试进度管控模块104和测试脚本执行器105。

在本公开的一个实施例中，用户交互模块101可用于接收用户输入的更新信息，并基于接收到的更新信息更新自动化测试脚本。需要说明的是，用户可直接输入脚本更新部分的代码或直接上传整个测试脚本，可以是任意用于实现测试脚本代码更新的信息，本公开实施例对用户输入的更新信息类型不做具体限定。

在本公开的一个实施例中，用户交互模块101还可用于接收用户输入的人工选择的测试脚本和被测系统，并基于此创建测试请求，将该测试请求发送至测试任务管理模块103开展测试。其中，测试任务是多个测试脚本的集合。需要说明的是，用户人工选择的测试脚本和被测系统的个数可根据实际情况进行调整，用户也可以仅选择被测系统，由系统根据被测系统自动适配测试脚本进行测试，需要说明的是，本公开实施例对测试脚本和被测系统的个数以及选择方式不做具体限定。

在本公开的一个实施例中，用户交互模块101还可用于接收测试进度管控模块的输入，来显示此次测试任务的预期测试进度、高风险脚本的名称、脚本内容的更新建议等，需要说明的是，可根据实际情况调整测试进度管控模块104的输入的内容，或根据实际情况调整用户交互模块101显示的内容，上述用户交互模块101显示内容仅起到示例性作用，本公开实施例对用户交互模块101显示的内容不做具体限定。

在本公开的一个实施例中，测试任务管理模块103用于接收用户交互模块101发送的测试请求，并基于测试请求中指定的测试脚本和被测系统，从测试脚本管理模块102中获取相应的测试脚本，输入到测试脚本执行器105中执行测试，并将测试的脚本列表、最终通过情况(可例如：测试脚本总运行次数、测试脚本总运行成功次数、测试脚本在当前被测系统中运行失败次数)等，发送给测试进度管控模块104。

在本公开的一个实施例中，测试进度管控模块104可用于接收测试任务管理模块103的输入，计算可能通过的脚本比例、分析对测试进度影响最大的测试脚本(即高风险脚本)、形成脚本内容的更新建议。

在本公开的一个实施例中，测试脚本管理模块102可用于管理自动化测试脚本，当接收到测试任务管理模块103发送的测试脚本获取请求时，将相应的测试脚本发送给测试任务管理模块103。

在本公开的一个实施例中，测试脚本执行器105可用于在被测系统106中执行测试脚本。

在上述系统架构下，本公开实施例中提供了一种测试脚本的执行情况预测方法，该方法可以由任意具备计算处理能力的电子设备执行。

图2示出了本公开实施例中一种测试脚本的执行情况预测方法流程图，如图2所示，该方法包括如下步骤：

S202，获取目标被测系统的测试请求，其中，测试请求用于请求对目标被测系统执行至少一个测试脚本的测试。

在本公开的一个实施例中，测试请求可以为在确定好目标被测系统和测试脚本后，对目标被测系统执行至少一个测试脚本的测试请求。

S204，统计各个测试脚本的鲁棒性指标和适应性指标，其中，鲁棒性指标为各个测试脚本在多个历史被测系统中成功运行的概率，适应性指标为各个测试脚本在目标被测系统中运行失败次数的倒数。

在本公开的一个实施例中，鲁棒性指标可以为计算得到的各个测试脚本在多个历史被测系统中成功运行的概率，适应性指标可以为计算得到的各个测试脚本在目标被测系统中运行失败次数的倒数。

S206，根据各个测试脚本的鲁棒性指标和适应性指标，确定各个测试脚本在目标被测系统中成功运行的概率。

S208，根据各个测试脚本在目标被测系统中成功运行的概率，输出目标被测系统的测试进度信息。

在本公开的一个实施例中，可通过各个测试脚本在目标被测系统中成功运行的概率，进一步得到目标被测系统的测试进度、各个测试脚本中的高风险脚本等测试进度信息。

由上述可知，本公开实施例在获取到目标被测系统的测试请求后，统计各个脚本的鲁棒性指标和适应性指标，并以此确定各个测试脚本在所述目标被测系统中成功运行的概率，进而输出目标被测系统的测试进度信息。本公开实施例能够通过对测试脚本和被测系统性能的测算，预测自动化测试的测试进度，提高对测试人员对进度的管控力度，进而提高总体测试效率。

在本公开的一个实施例中，上述S204，包括：获取各个测试脚本在多个历史被测系统中的历史运行信息，其中，历史运行信息包括：各个测试脚本在各个历史被测系统中总运行次数、各个测试脚本在各个历史被测系统中总运行成功次数；获取各个测试脚本在目标被测系统中总运行失败次数；根据各个测试脚本在多个历史被测系统中的历史运行信息和各个测试脚本在目标被测系统中总运行失败次数，统计各个测试脚本的鲁棒性指标和适应性指标。

在本公开的一个实施例中，某个测试脚本的鲁棒性指标可通过如下公式计算：

其中，R表示某个测试脚本的鲁棒性，N_S表示该测试脚本在各个历史被测系统中运行成功的总次数，B_A表示该测试脚本在各个历史被测系统中运行的总次数。

在本公开的一个实施例中，某个测试脚本的适应性指标可通过如下公式计算：

其中，A表示某个测试脚本的适应性，N_F表示该测试脚本在目标被测系统中运行失败的总次数。

在本公开的一个实施例中，上述S206，包括：根据各个测试脚本在多个历史被测系统中的历史运行信息，确定相似被测系统，其中，相似被测系统为根据目标被测系统与多个被测历史系统的相似度确定的历史被测系统；确定各个测试脚本在相似被测系统中的成功运行的概率；根据各个测试脚本的鲁棒性指标、适应性指标、目标被测系统与相似被测系统之间的相似度和各个测试脚本在相似被测系统中的成功运行的概率，确定各个测试脚本在目标被测系统中成功运行的概率。

在本公开的一个实施例中，某个被测系统的特征向量可通过如下公式计算：

其中，表示某个被测系统的特征向量，B_S1,…,B_Sn表示各个测试脚本在该被测系统中运行成功的总次数，N_A1,…,N_An表示各个测试脚本在该被测系统中的总运行次数。

需要说明的是，若某个测试脚本未在该被测系统上执行过，该测试脚本在该被测系统中运行成功的总次数与总运行次数均为0。

在本公开的一个实施例中，目标被测系统与某个历史被测系统的相似度通过如下公式计算：

其中，C表示目标被测系统与某个历史被测系统的相似度，表示目标被测系统的特征向量，/>表示第n个历史被测系统的特征向量。

在本公开的一个实施例中，某个测试脚本在某个相似被测系统上的测试情况可通过如下公式表示：

其中，S_i表示某个测试脚本在第i个相似被测系统上的测试情况，N_Si表示某个测试脚本在第i个相似被测系统中运行成功的总次数，N_Ai表示某个测试脚本在第i个相似被测系统中的总运行次数。

在本公开的一个实施例中，某个测试脚本在目标被测系统中运行成功的概率可通过如下公式计算：

其中，P表示某个脚本在目标被测系统中运行成功的概率，R表示某个测试脚本的鲁棒性，A表示某个测试脚本的适应性，C_i表示目标被测系统与第i个相似被测系统的相似度，S_i表示某个测试脚本在第i个相似被测系统上的测试情况，N表示相似被测系统的总数。

在本公开的一个实施例中，根据各个测试脚本在多个历史被测系统中的历史运行信息，确定相似被测系统，包括：根据各个测试脚本在多个历史被测系统中的历史运行信息，计算目标被测系统与各个历史被测系统之间的相似度；将相似度按照从大到小的顺序进行排序；确定第一预设排名阈值内的相似度对应的历史被测系统为相似被测系统。

在本公开的一个实施例中，在根据各个测试脚本的鲁棒性指标、适应性指标、目标被测系统与相似被测系统之间的相似度和各个测试脚本在相似被测系统中的成功运行的概率，确定各个测试脚本在目标被测系统中成功运行的概率之后，方法还包括：将各个测试脚本在目标被测系统中成功运行的概率按照从小到大进行排序；确定第二预设排名阈值内的成功运行的概率对应的测试脚本为高风险脚本。

在本公开的一个实施例中，在确定第二预设排名阈值内的成功运行的概率对应的测试脚本为高风险脚本之后，方法还包括：获取高风险脚本在相似被测系统中的历史修正数据，并将历史修正数据向用户进行反馈，其中，历史修正数据为高风险脚本在相似被测系统中运行时被修正过的数据。

在本公开的一个实施例中，在将历史修正数据向用户进行反馈之后，方法还包括：获取修正后的测试脚本，其中，修正后的测试脚本为至少一个基于历史修正数据修正后的测试脚本；监控修正后的测试脚本在目标被测系统中是否成功运行；若存在任意一个修正后的测试脚本未成功运行，则对未成功运行的测试脚本进行修正，并继续监控修正后的测试脚本，直至各个测试脚本在目标被测系统中成功运行。

在本公开的一个实施例中，测试进度是指提测的M个测试脚本中在目标被测系统中可成功运行的脚本数量。具体地，基于各个测试脚本在目标被测系统中成功运行的概率，计算出M个测试脚本中N个测试脚本成功执行的概率。

需要说明的是，通常在第一次测试时，提测的测试脚本可选择所有测试脚本来执行，随后每次测试都可以选择无法成功执行并修复后的测试脚本来执行，也可以选择部分修复后的测试脚本来执行，可根据实际情况由用户自行选择提测数量，本公开实施例对此不做具体限定。

图3示出了本公开实施例中另一种测试脚本的执行情况预测方法流程图，如图3所示，该方法包括如下步骤：

S301，用户通过用户交互模块发起测试请求，测试请求中包括用户已预先选择的目标被测系统和用于在目标被测系统进行测试的测试脚本列表，其中，测试脚本列表中包括至少一个测试脚本。

需要说明的是，用户人工选择的测试脚本和被测系统的个数可根据实际情况进行调整，用户也可仅选择被测系统，由系统根据被测系统自动适配测试脚本进行测试，需要说明的是，本公开实施例对测试脚本和被测系统的个数以及选择方式不做具体限定。

例如，用户通过用户交互模块选择了测试脚本p、m、n，选择了目标被测系统a。

S302，计算目标被测系统与各个历史被测系统之间的相似度，确定相似被测系统。

S303，计算各个测试脚本在各个相似被测系统中的测试情况。

在本公开的一个实施例中，可通过上述公式(3)计算某个被测系统的特征向量，设目标被测系统a的特征向量为历史被测系统b的特征向量为/>则可通过上述公式(4)计算二者的相似度C，以此类推，分别计算历史被测系统c与目标被测系统a之间的相似度，历史被测系统d与目标被测系统a之间的相似度，历史被测系统f与目标被测系统a之间的相似度等，直至得到全部历史被测系统与目标被测系统a相似度，将得到的相似度进行排序，取预设排名内的相似度对应的历史被测系统作为相似被测系统。通过上述公式(5)计算各个测试脚本在每个相似被测系统中的测试情况。

例如，以测试脚本p为例，预设排名为三，则将相似度按照从大到小的顺序排序后，取排名在前三名的历史被测系统作为目标被测系统的相似被测系统。可设此时相似被测系统为历史被测系统c、历史被测系统d和历史被测系统f，历史被测系统c的相似度C为0.8，测试脚本p在历史被测系统c中的测试情况S为0.3；历史被测系统d的相似度C为0.7，测试脚本p在历史被测系统d中的测试情况S为0.6；历史被测系统f的相似度C为0.3，测试脚本p在历史被测系统f中的测试情况S为0.7。

S304，计算各个测试脚本的鲁棒性指标和适应性指标。

在本公开的一个实施例中，可通过上述公式(1)计算测试脚本的鲁棒性，可通过上述公式(2)计算测试脚本的适应性，以测试脚本p为例，测试脚本p在各个历史被测系统中，共成功执行10次，共失败20次，总共运行30次，则测试脚本p的鲁棒性约为0.33，适应性约为0.33。

S305，根据各个测试脚本的鲁棒性指标、适应性指标、在各个相似被测脚本中的测试情况和目标被测系统与相似被测系统之间的相似度，确定各个脚本在目标被测系统中成功运行的概率。

在本公开的一个实施例中，可通过上述公式(6)计算某个测试脚本在目标被测系统中成功运行的概率。以测试脚本p为例，计算得到测试脚本p在目标被测系统a中成功运行的概率约为32.3％。

S306，根据各个脚本在目标被测系统中成功运行的概率，向用户输出测试进度信息。

需要说明的是，上述S302和S304可并行执行，也可以按照任意先后顺序执行，本公开实施例对S302和S304的执行顺序不做具体限定。

在本公开的一个实施例中，测试进度信息可包括：至少通过预设个数测试脚本的概率、高风险脚本以及高风险脚本在相似被测系统中的历史修正情况。

具体地，图4示出了本公开实施例中另一种测试脚本的执行情况预测的流程图，如图4所示，该方法包括如下步骤：

S401，测试人员发起测试任务。

S402，根据测试任务中的目标被测系统和测试脚本执行列表，确定各个测试脚本的鲁棒性指标和适应性指标，预测各个测试脚本在目标被测系统中成功执行的概率。

S403，预测此次测试结束后的测试进度。

S404，根据各个测试脚本在目标被测系统中成功执行的概率，确定高风险脚本。

S405，分析出高风险脚本的内容更新建议，并发送给测试人员。

S406，待测试人员根据接收到的内容更新建议确认是否对高风险脚本进行修正。

S407，判断是否所有测试脚本都成功运行。若是，则执行S409；若否，则执行S408。

S408，测试人员基于接收到的内容更新建议对高风险脚本进行修正。

S409，结束测试任务。

在本公开的一个实施例中，可通过常用的概率论预测此次测试结束后至少有N个测试脚本成功运行的概率。例如，设有三个测试脚本，每个脚本的通过概率分别为P1、P2、P3，此时至少通过两个测试脚本的概率可通过如下公式计算：

P＝P1×P2×(1-P3)+P1×(1-P2)×P3+(1-P1)×P2×P3 (7)

其中，P表示在目标被测系统中共有三个测试脚本的情况下，至少通过两个测试脚本的概率，P1表示第一个测试脚本在目标被测系统中成功运行的概率，P2表示第二个测试脚本在目标被测系统中成功运行的概率，P3表示第三个测试脚本在目标被测系统中成功运行的概率。

需要说明的是，本公开实施例中用户对某次测试中至少同时成功运行的脚本的数量是根据实际情况设定的，本公开实施例对此不做具体限定。

在本公开的一个实施例中，在获取到各个测试脚本在目标测试系统中成功运行的概率之后，将概率按照从小到大的顺序进行排序，取预设排名内的概率对应的测试脚本确定为高风险脚本。

需要说明的是，上述预设排名可以是用户根据实际情况设定的，本公开对此不做具体限定。

在本公开的一个实施例中，获取高风险脚本在相似被测系统中的历史修正情况，作为更新建议向用户展示。

例如，设第一测试脚本在目标被测系统中成功运行的概率为32.3％，第二测试脚本在目标被测系统中成功运行的概率为50％，第三测试脚本在目标被测系统中成功运行的概率为70％，此时在目标被测系统中三个测试脚本全部通过的概率为32.3％×50％×70％＝11.3％。此时，若假设用户确定各个测试脚本在目标测试系统中成功运行的概率排序第一位的测试脚本为高风险脚本，则此时第一测试脚本在目标被测系统中成功运行的概率最低，第一测试脚本即为高风险脚本。获取第一测试脚本在相似被测系统中的修改记录，设相似被测系统为历史被测系统c、历史被测系统d和历史被测系统f，第一测试脚本在历史被测系统c中修改了第10-15行代码，第二测试脚本在历史被测系统d中修改了第50-61行代码，第三测试脚本在历史被测系统f中修改了第100-101行代码，将这些修改信息作为建议向用户提供。

在本公开的一个实施例中，基于测试脚本的鲁棒性、适应性、相似系统的测试情况，预测脚本正常运行的概率、分析出高风险脚本、预测未来的测试进度，可提高对测试人员对进度的管控力度；基于相似系统上的脚本修正记录，提出内容的修正建议，可提高测试效率。

在本公开的一个实施例中，以编码定义资源使用方式，以遗传算法求最优解的方法，实现了基于有限状态机的虚拟资源复用方法，缩短了测试的时间，同时具备通用化、适用范围广的优点。

基于同一发明构思，本公开实施例中还提供了一种测试脚本的执行情况预测装置，如下面的实施例所述。由于该装置实施例解决问题的原理与上述方法实施例相似，因此该装置实施例的实施可以参见上述方法实施例的实施，重复之处不再赘述。

图5示出了本公开实施例中一种测试脚本的执行情况预测装置的示意图，如图5所示，该装置包括：测试请求获取模块501、测试脚本指标统计模块502、测试脚本运行概率确定模块503和测试进度信息输出模块504。

其中，测试请求获取模块501，用于获取目标被测系统的测试请求，其中，测试请求用于请求对目标被测系统执行至少一个测试脚本的测试；测试脚本指标统计模块502，用于统计各个测试脚本的鲁棒性指标和适应性指标，其中，鲁棒性指标为各个测试脚本在多个历史被测系统中成功运行的概率，适应性指标为各个测试脚本在目标被测系统中运行失败次数的倒数；测试脚本运行概率确定模块503，用于根据各个测试脚本的鲁棒性指标和适应性指标，确定各个测试脚本在目标被测系统中成功运行的概率；测试进度信息输出模块504，用于根据各个测试脚本在目标被测系统中成功运行的概率，输出目标被测系统的测试进度信息。

由上述可知，本公开实施例中在获取到目标被测系统的测试请求后，统计各个脚本的鲁棒性指标和适应性指标，并以此确定各个测试脚本在所述目标被测系统中成功运行的概率，进而输出目标被测系统的测试进度信息。本公开实施例能够通过对测试脚本和被测系统性能的测算，预测自动化测试的测试进度，提高对测试人员对进度的管控力度，进而提高总体测试效率。

在本公开的一个实施例中，上述测试脚本指标统计模块502，还用于获取各个测试脚本在多个历史被测系统中的历史运行信息，其中，历史运行信息包括：各个测试脚本在各个历史被测系统中总运行次数、各个测试脚本在各个历史被测系统中总运行成功次数；获取各个测试脚本在目标被测系统中总运行失败次数；根据各个测试脚本在多个历史被测系统中的历史运行信息和各个测试脚本在目标被测系统中总运行失败次数，统计各个测试脚本的鲁棒性指标和适应性指标。

在本公开的一个实施例中，上述测试脚本运行概率确定模块503，还用于根据各个测试脚本在多个历史被测系统中的历史运行信息，确定相似被测系统，其中，相似被测系统为根据目标被测系统与多个被测历史系统的相似度确定的历史被测系统；确定各个测试脚本在相似被测系统中的成功运行的概率；根据各个测试脚本的鲁棒性指标、适应性指标、目标被测系统与相似被测系统之间的相似度和各个测试脚本在相似被测系统中的成功运行的概率，确定各个测试脚本在目标被测系统中成功运行的概率。

在本公开的一个实施例中，上述测试脚本运行概率确定模块503，还用于根据各个测试脚本在多个历史被测系统中的历史运行信息，计算目标被测系统与各个历史被测系统之间的相似度；将相似度按照从大到小的顺序进行排序；确定第一预设排名阈值内的相似度对应的历史被测系统为相似被测系统。

在本公开的一个实施例中，图6示出了本公开实施例中另一种测试脚本的执行情况预测装置的示意图，该装置还包括：高风险脚本确定模块505、高风险脚本修正模块506和测试进度监控模块507。

在本公开的一个实施例中，高风险脚本确定模块505，用于将各个测试脚本在目标被测系统中成功运行的概率按照从小到大进行排序；确定第二预设排名阈值内的成功运行的概率对应的测试脚本为高风险脚本。

在本公开的一个实施例中，高风险脚本修正模块506，用于获取高风险脚本在相似被测系统中的历史修正数据，并将历史修正数据向用户进行反馈，其中，历史修正数据为高风险脚本在相似被测系统中运行时被修正过的数据。

在本公开的一个实施例中，测试进度监控模块507，用于获取修正后的测试脚本，其中，修正后的测试脚本为至少一个基于历史修正数据修正后的测试脚本；监控修正后的测试脚本在目标被测系统中是否成功运行；若存在任意一个修正后的测试脚本未成功运行，则对未成功运行的测试脚本进行修正，并继续监控修正后的测试脚本，直至各个测试脚本在目标被测系统中成功运行。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

图7示出了本公开实施例中一种电子设备的框图。下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：上述至少一个处理单元710、上述至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元710执行，使得所述处理单元710执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元710可以执行上述方法实施例的如下步骤：获取目标被测系统的测试请求，其中，测试请求用于请求对目标被测系统执行至少一个测试脚本的测试；统计各个测试脚本的鲁棒性指标和适应性指标，其中，鲁棒性指标为各个测试脚本在多个历史被测系统中成功运行的概率，适应性指标为各个测试脚本在目标被测系统中运行失败次数的倒数；根据各个测试脚本的鲁棒性指标和适应性指标，确定各个测试脚本在目标被测系统中成功运行的概率；根据各个测试脚本在目标被测系统中成功运行的概率，输出目标被测系统的测试进度信息。

存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。

存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备700也可以与一个或多个外部设备740(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器760通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出了，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机程序产品，该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上述测试脚本的执行情况预测方法。

在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

本公开中的计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

在本公开中，计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可选地，计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

在具体实施时，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (10)

1.一种测试脚本的执行情况预测方法，其特征在于，包括：

获取目标被测系统的测试请求，其中，所述测试请求用于请求对所述目标被测系统执行至少一个测试脚本的测试；

统计各个测试脚本的鲁棒性指标和适应性指标，其中，所述鲁棒性指标为各个测试脚本在多个历史被测系统中成功运行的概率，所述适应性指标为各个测试脚本在所述目标被测系统中运行失败次数的倒数；

根据各个测试脚本的鲁棒性指标和适应性指标，确定各个测试脚本在所述目标被测系统中成功运行的概率；

根据各个测试脚本在所述目标被测系统中成功运行的概率，输出所述目标被测系统的测试进度信息。

2.根据权利要求1所述的测试脚本的执行情况预测方法，其特征在于，所述统计各个测试脚本的鲁棒性指标和适应性指标，包括：

获取各个测试脚本在多个历史被测系统中的历史运行信息，其中，所述历史运行信息包括：各个测试脚本在各个历史被测系统中总运行次数、各个测试脚本在各个历史被测系统中总运行成功次数；

获取各个测试脚本在目标被测系统中总运行失败次数；

根据各个测试脚本在多个历史被测系统中的历史运行信息和各个测试脚本在目标被测系统中总运行失败次数，统计各个测试脚本的鲁棒性指标和适应性指标。

3.根据权利要求2所述的测试脚本的执行情况预测方法，其特征在于，根据各个测试脚本的鲁棒性指标和适应性指标，确定各个测试脚本在所述目标被测系统中成功运行的概率，包括：

根据各个测试脚本在多个历史被测系统中的历史运行信息，确定相似被测系统，其中，所述相似被测系统为根据目标被测系统与多个被测历史系统的相似度确定的历史被测系统；

确定各个测试脚本在相似被测系统中的成功运行的概率；

根据各个测试脚本的鲁棒性指标、适应性指标、目标被测系统与相似被测系统之间的相似度和各个测试脚本在相似被测系统中的成功运行的概率，确定各个测试脚本在所述目标被测系统中成功运行的概率。

4.根据权利要求3所述的测试脚本的执行情况预测方法，其特征在于，根据各个测试脚本在多个历史被测系统中的历史运行信息，确定相似被测系统，包括：

根据各个测试脚本在多个历史被测系统中的历史运行信息，计算目标被测系统与各个历史被测系统之间的相似度；

将所述相似度按照从大到小的顺序进行排序；

确定第一预设排名阈值内的相似度对应的历史被测系统为相似被测系统。

5.根据权利要求3所述的测试脚本的执行情况预测方法，其特征在于，在根据各个测试脚本的鲁棒性指标、适应性指标、目标被测系统与相似被测系统之间的相似度和各个测试脚本在相似被测系统中的成功运行的概率，确定各个测试脚本在所述目标被测系统中成功运行的概率之后，所述方法还包括：

将各个测试脚本在所述目标被测系统中成功运行的概率按照从小到大进行排序；

确定第二预设排名阈值内的成功运行的概率对应的测试脚本为高风险脚本。

6.根据权利要求5所述的测试脚本的执行情况预测方法，其特征在于，在确定第二预设排名阈值内的成功运行的概率对应的测试脚本为高风险脚本之后，所述方法还包括：

获取高风险脚本在相似被测系统中的历史修正数据，并将所述历史修正数据向用户进行反馈，其中，所述历史修正数据为所述高风险脚本在所述相似被测系统中运行时被修正过的数据。

7.根据权利要求6所述的测试脚本的执行情况预测方法，其特征在于，在将所述历史修正数据向用户进行反馈之后，所述方法还包括：

获取修正后的测试脚本，其中，所述修正后的测试脚本为至少一个基于历史修正数据修正后的测试脚本；

监控修正后的测试脚本在目标被测系统中是否成功运行；

若存在任意一个修正后的测试脚本未成功运行，则对未成功运行的测试脚本进行修正，并继续监控修正后的测试脚本，直至各个测试脚本在目标被测系统中成功运行。

8.一种测试脚本的执行情况预测装置，其特征在于，包括：

测试请求获取模块，用于获取目标被测系统的测试请求，其中，所述测试请求用于请求对所述目标被测系统执行至少一个测试脚本的测试；

测试脚本指标统计模块，用于统计各个测试脚本的鲁棒性指标和适应性指标，其中，所述鲁棒性指标为各个测试脚本在多个历史被测系统中成功运行的概率，所述适应性指标为各个测试脚本在所述目标被测系统中运行失败次数的倒数；

测试脚本运行概率确定模块，用于根据各个测试脚本的鲁棒性指标和适应性指标，确定各个测试脚本在所述目标被测系统中成功运行的概率；

测试进度信息输出模块，用于根据各个测试脚本在所述目标被测系统中成功运行的概率，输出所述目标被测系统的测试进度信息。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～7中任意一项所述的测试脚本的执行情况预测方法。

10.一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1～7中任意一项所述的测试脚本的执行情况预测方法。