一种基于大数据分析的智能生成测试用例的方法及系统技术方案

本发明专利技术提供一种基于大数据分析的智能生成测试用例的方法及系统，所述智能生成测试用例的方法包括：步骤S1，录入已有测试项目并设置项目标签属性；步骤S2，录入已有测试用例并设置用例标签属性；步骤S3，建立需测试项目P的项目标签属性；步骤S4，选择需测试项目P的测试用例模块M；步骤S5，选择测试用例模块M的用例标签属性；步骤S6，根据测试用例模块M的项目标签属性和用例标签属性，分别检索已有测试项目的项目标签属性和用例标签属性；步骤S7，计算测试用例模块M的项目标签属性和用例标签属性之间的相关匹配度；步骤S8，选取匹配度最大的集合作为测试用例模块M的测试用例集合。本发明专利技术能够自动化生成测试用例，覆盖率高。

An Intelligent Test Case Generation Method and System Based on Large Data Analysis

The invention provides a method and system for intelligent generation of test cases based on large data analysis. The methods of intelligent generation of test cases include: input existing test items and set item label attributes; enter existing test cases and set use case label attributes; establish item label attributes of item P to be tested; and select item label attributes of item P to be tested. Test case module M of test project P; Fifth, select the use case label attributes of test case module M; Sixth, retrieve the project label attributes and use case label attributes of existing test projects according to the project label attributes and use case label attributes of test case module M; Seventh, calculate the correlation between the project label attributes and use case label attributes of test case module M. Firstly, the set with the largest matching degree is selected as the test case set of the test case module M. The invention can automatically generate test cases with high coverage.

【技术实现步骤摘要】
一种基于大数据分析的智能生成测试用例的方法及系统
本专利技术涉及一种生成测试用例的方法，尤其涉及一种基于大数据分析的智能生成测试用例的方法，并涉及采用了该基于大数据分析的智能生成测试用例的方法的系统。
技术介绍
在测试实施过程中，手工编写测试用例需要占用大量的人力成本，而且同一功能的测试用例，在执行步骤、前置条件和预期结果等上会有不同程度的相似的地方，这些重复性的工作是必须的但是又非常占用测试时间，而且每一个测试人员编写的测试用例格式和风格都不尽相同，这样的话，就会造成大量人力和物力的为自动化生成测试用例形成可能。
技术实现思路
本专利技术所要解决的技术问题是需要提供一种自动化生成测试用例以加速测试过程并提高测试覆盖率，能够减轻测试工作量，并且还能使测试文档内容统一适应性强的基于大数据分析的智能生成测试用例的方法，并进一步提供采用了该基于大数据分析的智能生成测试用例的方法的系统。对此，本专利技术提供一种基于大数据分析的智能生成测试用例的方法，包括以下步骤：步骤S1，录入已有测试项目并设置其项目标签属性；步骤S2，录入已有测试用例并设置其用例标签属性；步骤S3，建立需测试项目P的项目标签属性，并将其发送给服务器BS；步骤S4，选择需测试项目P的测试用例模块M，并将其发送给服务器BS；步骤S5，选择测试用例模块M的用例标签属性，并将其发送给服务器BS；步骤S6，服务器BS根据测试用例模块M的项目标签属性和用例标签属性，分别检索已有测试项目的项目标签属性和用例标签属性；步骤S7，计算所述测试用例模块M的项目标签属性和用例标签属性之间的相关匹配度；步骤S8，选取匹配度最大的集合作为测试用例模块M的测试用例集合，并将其写入数据库中；步骤S9，将所述测试用例模块M的测试用例集合返回至测试管理平台并实现展示。本专利技术的进一步改进在于，已有测试项目的项目标签属性为{D1...Dn}，已有测试用例的用例标签属性为{E1...En}，测试用例模块M的项目标签属性为{C1...Cn}，测试用例模块M的用例标签属性为{A1..An}，n为用于表示标签数量的自然数，所述步骤S6包括以下子步骤：步骤S601，从已有测试项目的项目标签属性{D1...Dn}中检索测试用例模块M的项目标签属性C1的项目属性；步骤S602，从已有测试用例的用例标签属性{E1...En}中检索测试用例模块M的用例标签属性A1的用例属性；步骤S603，依次类推，从已有测试项目的项目标签属性{D1...Dn}中检索测试用例模块M的项目标签属性Cn的项目属性；步骤S604，依次类推，从已有测试用例的用例标签属性{E1...En}中检索测试用例模块M的用例标签属性An的用例属性；步骤S605，根据∪Ax(C1..Cn)将检索的测试用例模块M按照用例标签主属性形成新的用例集合{A1(C1..Cn)，A2(C1...Cn)，…，An(C1...Cn)}，x为1～n的自然数。本专利技术的进一步改进在于，所述步骤S7包括以下子步骤：步骤S701，计算出用例集合{A1(C1..Cn)，A2(C1...Cn)，…，An(C1...Cn)}中每一个子集合的相关匹配度；步骤S702，选取每一个子集合的相关匹配度中的最大值。本专利技术的进一步改进在于，所述步骤S701中，通过公式A1*Cn*(Cn/(C1+C2+...Cn))％计算所述测试用例模块M的项目标签属性{C1...Cn}和用例标签属性{A1..An}之间的子集合A1(C1..Cn)的相关匹配度P((A1C1,A1C2,...A1Cn))；并以此类推，计算出子集合An(C1..Cn)的相关匹配度P((AnC1,AnC2,...AnCn))。本专利技术的进一步改进在于，所述步骤S702中，选取每一个子集合An(C1..Cn)的相关匹配度P((AnC1,AnC2,...AnCn))的最大值。本专利技术的进一步改进在于，所述步骤S8中，选取相关匹配度P((AnC1,AnC2,...AnCn))的最大的子集合元素作为测试用例模块M的测试用例集合{B1...Bn}，并将其写入数据库中。本专利技术的进一步改进在于，当存在多个需测试项目进行操作时，重复所述步骤S4至步骤S7。本专利技术的进一步改进在于，所述项目标签属性包括运营商、电商、金融以及O2O中的任意一种或几种。本专利技术的进一步改进在于，所述用例标签属性包括小程序、店铺管理、店员管理、登录管理、下单管理以及购物车管理中的任意一种或几种。本专利技术还提供一种基于大数据分析的智能生成测试用例的系统，采用了如上所述的基于大数据分析的智能生成测试用例的方法。与现有技术相比，本专利技术的有益效果在于：能够对历史数据进行大数据分析，在需测试项目时，通过特定的算法在历史数据中进行匹配，并选出相关匹配度较高的用来作为测试用例模块M，进而自动化生成测试用例以加速测试过程并提高测试覆盖率，有效减轻了测试工作量，并且还能够使得测试文档内容统一和适应性强，自动化和智能化程度高，有效降低了人力和物理成本。附图说明图1是本专利技术一种实施例的工作流程示意图；图2是本专利技术一种实施例的数据交互流程示意图。具体实施方式下面结合附图，对本专利技术的较优的实施例作进一步的详细说明。如图1和图2所示，本例提供一种基于大数据分析的智能生成测试用例的方法，包括以下步骤：步骤S1，录入已有测试项目并设置其项目标签属性；步骤S2，录入已有测试用例并设置其用例标签属性；步骤S3，建立需测试项目P的项目标签属性，并将其发送给服务器BS；步骤S4，选择需测试项目P的测试用例模块M，并将其发送给服务器BS；步骤S5，选择测试用例模块M的用例标签属性，并将其发送给服务器BS；步骤S6，服务器BS根据测试用例模块M的项目标签属性和用例标签属性，分别检索已有测试项目的项目标签属性和用例标签属性；步骤S7，计算所述测试用例模块M的项目标签属性和用例标签属性之间的相关匹配度；步骤S8，选取匹配度最大的集合作为测试用例模块M的测试用例集合，并将其写入数据库中；步骤S9，将所述测试用例模块M的测试用例集合返回至测试管理平台并实现展示。本例在步骤S1之前，优选先建立测试用例管理平台以控制测试用例的自动生成，并实现已有测试项目的信息录入；所述步骤S1中，录入已有测试项目并设置其项目标签属性，比如运营商、电商、金融以及O2O等，来得到项目标签属性{D1...Dn}，即所述项目标签属性包括运营商、电商、金融以及O2O中的任意一种或几种。所述步骤S2中，录入已有测试用例并设置其用例标签属性，比如小程序、店铺管理、店员管理、登录管理、下单管理以及购物车管理等，来得到用例标签属性{E1...En}，即所述用例标签属性包括小程序、店铺管理、店员管理、登录管理、下单管理以及购物车管理中的任意一种或几种。所述步骤S1的录入过程相当于是一个自学习的过程，对已有测试项目及其其项目标签属性进行了完整的自学习，以形成历史数据。在所述步骤S1的录入已有测试项目并设置其项目标签属性的实现过程中，相当于把已有测试项目所对应的项目标签属性{D1...Dn}中的每一个项目标签属性的元素D1...Dn进行了大数据分析，并结合所述步骤S2的录入已有测试用例并设置其用例标签属性的实现，使得项目标签属性{D1...Dn}中的每一个项目标本文档来自技高网...

【技术保护点】
1.一种基于大数据分析的智能生成测试用例的方法，其特征在于，包括以下步骤：步骤S1，录入已有测试项目并设置其项目标签属性；步骤S2，录入已有测试用例并设置其用例标签属性；步骤S3，建立需测试项目P的项目标签属性，并将其发送给服务器BS；步骤S4，选择需测试项目P的测试用例模块M，并将其发送给服务器BS；步骤S5，选择测试用例模块M的用例标签属性，并将其发送给服务器BS；步骤S6，服务器BS根据测试用例模块M的项目标签属性和用例标签属性，分别检索已有测试项目的项目标签属性和用例标签属性；步骤S7，计算所述测试用例模块M的项目标签属性和用例标签属性之间的相关匹配度；步骤S8，选取匹配度最大的集合作为测试用例模块M的测试用例集合，并将其写入数据库中；步骤S9，将所述测试用例模块M的测试用例集合返回至测试管理平台并实现展示。

【技术特征摘要】
1.一种基于大数据分析的智能生成测试用例的方法，其特征在于，包括以下步骤：步骤S1，录入已有测试项目并设置其项目标签属性；步骤S2，录入已有测试用例并设置其用例标签属性；步骤S3，建立需测试项目P的项目标签属性，并将其发送给服务器BS；步骤S4，选择需测试项目P的测试用例模块M，并将其发送给服务器BS；步骤S5，选择测试用例模块M的用例标签属性，并将其发送给服务器BS；步骤S6，服务器BS根据测试用例模块M的项目标签属性和用例标签属性，分别检索已有测试项目的项目标签属性和用例标签属性；步骤S7，计算所述测试用例模块M的项目标签属性和用例标签属性之间的相关匹配度；步骤S8，选取匹配度最大的集合作为测试用例模块M的测试用例集合，并将其写入数据库中；步骤S9，将所述测试用例模块M的测试用例集合返回至测试管理平台并实现展示。2.根据权利要求1所述的基于大数据分析的智能生成测试用例的方法，其特征在于，已有测试项目的项目标签属性为{D1...Dn}，已有测试用例的用例标签属性为{E1...En}，测试用例模块M的项目标签属性为{C1...Cn}，测试用例模块M的用例标签属性为{A1..An}，n为用于表示标签数量的自然数，所述步骤S6包括以下子步骤：步骤S601，从已有测试项目的项目标签属性{D1...Dn}中检索测试用例模块M的项目标签属性C1的项目属性；步骤S602，从已有测试用例的用例标签属性{E1...En}中检索测试用例模块M的用例标签属性A1的用例属性；步骤S603，依次类推，从已有测试项目的项目标签属性{D1...Dn}中检索测试用例模块M的项目标签属性Cn的项目属性；步骤S604，依次类推，从已有测试用例的用例标签属性{E1...En}中检索测试用例模块M的用例标签属性An的用例属性；步骤S605，根据∪Ax(C1..Cn)将检索的测试用例模块M按照用例标签主属性形成新的用例集合{A1(C1..Cn)，A2(C1...Cn)，…，An(C1...Cn)}，x为1～n的自然数。3.根据权利要求2所述的基于大数据分析的...

【专利技术属性】
技术研发人员：周洪峰，黎平，邹秋艳，
申请(专利权)人：深圳微品致远信息科技有限公司，
类型：发明
国别省市：广东,44