一种回归测试用例集的优化方法和自动优化装置制造方法及图纸

本发明专利技术公开了一种回归测试用例集的优化方法和自动优化装置，包括：获取与回归测试关联的测试用例集中每个测试用例的初始特征信息；从所述初始特征信息中抽取所述每个测试用例的目标特征信息；将所述测试用例集映射到特征空间，其中，所述特征空间中的每个特征向量由所述每个测试用例的目标特征信息构成；根据所述特征空间确定聚类簇的数量K；获取所述每个测试用例在所述特征空间中的相似度；基于所述相似度和所述聚类簇的数量K，对所述测试用例集中的所有测试用例进行聚类，获得测试用例聚类结果。这样能够非常有效的减少用例集的规模，提升系统执行效率，便于测试用例的维护和测试结果的分析。

【技术实现步骤摘要】
一种回归测试用例集的优化方法和自动优化装置
本专利技术涉及软件测试领域，尤其涉及一种回归测试用例集的优化方法和自动优化装置。
技术介绍
软件的质量就是软件的生命，在大型软件迭代开发过程中，回归测试成为保证软件质量的重要一环，同时回归测试又会耗费大量的资源和时间，在目前软件版本更新迭代越来越快的背景下，如何高效的进行回归测试，缩短软件研发周期，降低开发成本，成为企业中十分关键的问题。根据统计，一般开发人员每修改3到4个bug，就会引入1个新的bug，这就是必须要进行回归测试的原因。一般的软件测试流程是后期快速迭代的，bug在后期是快速收敛的，debug和测试的周期也是越来越短，频率是越来越高，譬如说第一轮测试需要花上10天跑用例，那么到后期就没那么长的时间，可能就是1～2天的测试时间，在后期有时候一天就有一个新版本，这时候就要求测试人员能快速的进行一轮回归测试。一般来说，覆盖越高，风险越低，但是效率就越差，反之亦然。如果时间允许的话，能把所有用例都再跑一遍最好不过，但是一般不会有这个时间，这就需要在效率和覆盖间找一个适当的平衡，选择一部分用例来进行回归测试。目前大多数企业在选择回归测试用例时采用的方法，一般可以分为以下三类：(1)不做筛选，每个版本，每次迭代都是选用全部用例集执行，这种方法效率低下，会产生极大的资源浪费(2)随机筛选用例，这种方法准确率无法保证，虽然减少资源浪费，但是无法保证软件质量(3)人工筛选，这种方法对测试人员的知识和素质依赖性非常高，往往要花费很长时间培养。可见，现有技术中至少存在如下技术问题：在进行回归测试时，不能够平衡测试用例覆盖率与测试时间之间的矛盾。
技术实现思路
本专利技术实施例通过提供一种一种回归测试用例集的优化方法和自动优化装置，用于解决现有技术中在进行回归测试时，在降低回归测试用例集个数的同时不能够保证软件质量，在筛选合适的回归测试用例集时对人工的依赖程度较高技术问题。第一方面，本专利技术一实施例提供了一种回归测试用例集的优化方法，应用于自动优化装置，包括：获取与回归测试关联的测试用例集中每个测试用例的初始特征信息；从所述初始特征信息中抽取所述每个测试用例的目标特征信息；将所述测试用例集映射到特征空间，其中，所述特征空间中的每个特征向量由所述每个测试用例的目标特征信息构成；根据所述特征空间确定聚类簇的数量K；获取所述每个测试用例在所述特征空间中的相似度；基于所述相似度和所述聚类簇的数量K，对所述测试用例集中的所有测试用例进行聚类，获得测试用例聚类结果。可选的，所述从所述初始特征信息中抽取所述每个测试用例的目标特征信息，包括：对所述初始特征信息进行数据清洗和特征筛选，从而抽取所述每个测试用例的目标特征信息。可选的，所述根据所述特征空间确定聚类簇的数量K，包括：利用所述特征空间生成所述目标特征信息的协方差矩阵；利用主成分分析PCA获取所述协方差矩阵的最大投影方向；在所述最大投影方向上进行直方图统计，获取直方图的峰值个数；将所述直方图的峰值个数确定为聚类簇的数量K。可选的，所述初始特征信息包括：说明文档、执行人员、执行结果报表、用例脚本的语句、分支、函数、类和模块中的一个或多个。可选的，在所述基于所述相似度和所述聚类簇的数量K，对所述测试用例集中的所有测试用例进行聚类，获得测试用例聚类结果之后，所述方法还包括：对所述测试用例聚类结果进行抽样产生输出用例集。第二方面，本专利技术一实施例提供了一种自动优化装置，包括：第一获取模块，用于获取与回归测试关联的测试用例集中每个测试用例的初始特征信息；抽取模块，用于从所述初始特征信息中抽取所述每个测试用例的目标特征信息；映射模块，用于将所述测试用例集映射到特征空间，其中，所述特征空间中的每个特征向量由所述每个测试用例的目标特征信息构成；确定模块，用于根据所述特征空间确定聚类簇的数量K；第二获取模块，用于获取所述每个测试用例在所述特征空间中的相似度；聚类模块，用于基于所述相似度和所述聚类簇的数量K，对所述测试用例集中的所有测试用例进行聚类，获得测试用例聚类结果。可选的，所述抽取模块具体用于：对所述初始特征信息进行数据清洗和特征筛选，从而抽取所述每个测试用例的目标特征信息。可选的，所述确定模块包括：生成子模块，用于利用所述特征空间生成所述目标特征信息的协方差矩阵；获取子模块，用于利用主成分分析PCA获取所述协方差矩阵的最大投影方向；统计子模块，用于在所述最大投影方向上进行直方图统计，获取直方图的峰值个数；确定子模块，用于将所述直方图的峰值个数确定为聚类簇的数量K。可选的，所述初始特征信息包括：说明文档、执行人员、执行结果报表、用例脚本的语句、分支、函数、类和模块中的一个或多个。可选的，所述装置还包括：抽样模块，用于对所述测试用例聚类结果进行抽样产生输出用例集。第三方面，本专利技术一实施例提供了一种计算机装置，所述装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如第一方面实施例所述方法的步骤。第四方面，本专利技术一实施例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如第一方面实施例所述方法的步骤。本专利技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：采用本专利技术实施例提供的技术方案，能够非常有效的减少用例集的规模，提升系统执行效率，便于测试用例的维护和测试结果的分析。附图说明图1为本专利技术实施例提供的回归测试用例集的优化方法的流程图；图2为本专利技术实施例提供的回归测试用例集的优化方法的具体算法流程图；图3为本专利技术实施例提供的自动优化装置的示意图；图4为本专利技术实施例提供的自动化测试系统的整体构架图。具体实施方式为了解决上述技术问题，本专利技术实施例中的技术方案的总体思路如下：一种回归测试用例集的优化方法和自动优化装置，包括：获取与回归测试关联的测试用例集中每个测试用例的初始特征信息；从所述初始特征信息中抽取所述每个测试用例的目标特征信息；将所述测试用例集映射到特征空间，其中，所述特征空间中的每个特征向量由所述每个测试用例的目标特征信息构成；根据所述特征空间确定聚类簇的数量K；获取所述每个测试用例在所述特征空间中的相似度；基于所述相似度和所述聚类簇的数量K，对所述测试用例集中的所有测试用例进行聚类，获得测试用例聚类结果。这样能够非常有效的减少用例集的规模，提升系统执行效率，便于测试用例的维护和测试结果的分析。为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。如图1所示，本专利技术实施例一提供了一种回归测试用例集的优化方法，应用于自动优化装置，包括：S101，获取与回归测试关联的测试用例集中每个测试用例的初始特征信息；S102，从所述初始特征信息中抽取所述每个测试用例的目标特征信息；S103，将所述测试用例集映射到特征空间，其中，所述特征空间中的每个特征向量由所述每个测试用例的目标特征信息构成；S104，根据所述特征空间确定聚类簇的数量K；S105，获取所述每个测试用例在所述特征空间中的相似度；S106，基于所述相似度和所述聚类簇的数量K，对所述测试用例集中的所有测试用例进行聚类，获得测试用例聚类结果。该方法利用自动优化装置对测试用例进行分类和选择，用来提高测本文档来自技高网...

【技术保护点】
1.一种回归测试用例集的优化方法，应用于自动优化装置，其特征在于，包括：获取与回归测试关联的测试用例集中每个测试用例的初始特征信息；从所述初始特征信息中抽取所述每个测试用例的目标特征信息；将所述测试用例集映射到特征空间，其中，所述特征空间中的每个特征向量由所述每个测试用例的目标特征信息构成；根据所述特征空间确定聚类簇的数量K；获取所述每个测试用例在所述特征空间中的相似度；基于所述相似度和所述聚类簇的数量K，对所述测试用例集中的所有测试用例进行聚类，获得测试用例聚类结果。

【技术特征摘要】
1.一种回归测试用例集的优化方法，应用于自动优化装置，其特征在于，包括：获取与回归测试关联的测试用例集中每个测试用例的初始特征信息；从所述初始特征信息中抽取所述每个测试用例的目标特征信息；将所述测试用例集映射到特征空间，其中，所述特征空间中的每个特征向量由所述每个测试用例的目标特征信息构成；根据所述特征空间确定聚类簇的数量K；获取所述每个测试用例在所述特征空间中的相似度；基于所述相似度和所述聚类簇的数量K，对所述测试用例集中的所有测试用例进行聚类，获得测试用例聚类结果。2.如权利要求1所述的方法，其特征在于，所述从所述初始特征信息中抽取所述每个测试用例的目标特征信息，包括：对所述初始特征信息进行数据清洗和特征筛选，从而抽取所述每个测试用例的目标特征信息。3.如权利要求1-2任一项所述的方法，其特征在于，所述根据所述特征空间确定聚类簇的数量K，包括：利用所述特征空间生成所述目标特征信息的协方差矩阵；利用主成分分析PCA获取所述协方差矩阵的最大投影方向；在所述最大投影方向上进行直方图统计，获取直方图的峰值个数；将所述直方图的峰值个数确定为聚类簇的数量K。4.如权利要求1-2任一项所述的方法，其特征在于，所述初始特征信息包括：说明文档、执行人员、执行结果报表、用例脚本的语句、分支、函数、类和模块中的一个或多个。5.如权利要求1-2任一项所述的方法，其特征在于，在所述基于所述相似度和所述聚类簇的数量K，对所述测试用例集中的所有测试用例进行聚类，获得测试用例聚类结果之后，所述方法还包括：对所述测试用例聚类结果进行抽样产生输出用例集。6.一种自动优化装置，其特征在于，包括：第一获取模块，用于获取与回归测试关联的测试用例集中每个测试用例的初始特征信息；...

【专利技术属性】
技术研发人员：胡博，张岩，沈坤花，张毅，
申请(专利权)人：大唐移动通信设备有限公司，
类型：发明
国别省市：北京,11