一种测试数据集生成方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种测试数据集生成方法，该方法包括以下步骤：确定被测对象；获得被测对象的入参信息；根据数据异构规则库中的数据异构规则，对被测对象的入参中的每个目标参数进行数据异构处理，生成异构数据；基于异构数据和除目标参数外的其他入参的参数数据，生成全覆盖测试数据集。应用本申请所提供的技术方案，通过异构规则库中的数据异构规则，对被测对象的入参中待进行数据异构的目标参数进行数据异构处理，可以快速准确地生成异构数据，从而可以快速准确地得到全覆盖测试数据集，可以提高软件测试效率和软件测试结果的准确性。本申请还公开了一种测试数据集生成装置、设备及存储介质，具有相应技术效果。具有相应技术效果。具有相应技术效果。

【技术实现步骤摘要】
一种测试数据集生成方法、装置、设备及存储介质


[0001]本申请涉及计算机应用
，特别是涉及一种测试数据集生成方法、装置、设备及存储介质。

技术介绍

[0002]随着计算机技术和互联网技术的快速发展，软件开发流程不断加快，伴随软件开发的软件测试技术也在不断适应快速响应的需求。
[0003]在软件测试阶段，多是由测试人员编写测试用例，人工进行用例执行环境、用例执行逻辑、用例测试数据、用例测试脚本等内容的编写。其中，用例测试数据的获得是执行测试用例进行软件测试的重要环节。测试人员在编写测试用例的时候，力求使得用例测试数据能够全面覆盖各种业务场景。但是由于不同的测试人员对于业务的掌握程度不同，对于测试方法的运用也不同，在人工进行用例测试数据的编排时往往需要耗费较长时间，人工成本较高，软件测试效率较低，而且，往往很难得到全面准确的用例测试数据，从而导致用例测试数据的数据量较小，降低了软件测试结果的准确性。

技术实现思路

[0004]本申请的目的是提供一种测试数据集生成方法、装置、设备及存储介质，以快速准确地生成测试数据集，提高软件测试效率和软件测试结果的准确性。
[0005]为解决上述技术问题，本申请提供如下技术方案：
[0006]一种测试数据集生成方法，包括：
[0007]确定被测对象；
[0008]获得所述被测对象的入参信息，所述入参信息包括所述被测对象的入参和所述被测对象的入参中待进行数据异构的目标参数；
[0009]根据数据异构规则库中的数据异构规则，对每个所述目标参数进行数据异构处理，生成异构数据；
[0010]基于所述异构数据和除所述目标参数外的其他入参的参数数据，生成全覆盖测试数据集。
[0011]在本申请的一种具体实施方式中，所述根据数据异构规则库中的数据异构规则，对每个所述目标参数进行数据异构处理，包括：
[0012]确定数据异构规则库中的数据异构规则的优先级；
[0013]按照数据异构规则的优先级的高低顺序，依次使用每个数据异构规则，对每个所述目标参数进行数据异构处理。
[0014]在本申请的一种具体实施方式中，
[0015]所述数据异构规则库中的数据异构规则包括数据类型规则，所述根据数据异构规则库中的数据异构规则，对每个所述目标参数进行数据异构处理，包括：
[0016]确定每个所述目标参数的数据类型；
[0017]根据数据异构规则库中的数据类型规则，对每个所述目标参数按照相应的数据类型的参考值进行数据异构处理；
[0018]或者，所述数据异构规则库中的数据异构规则包括业务规则，所述根据数据异构规则库中的数据异构规则，对每个所述目标参数进行数据异构处理，包括：
[0019]根据数据异构规则库中的业务规则，确定对每个所述目标参数的业务限定，所述业务限定包括数据区间划分和数据关联关系；
[0020]根据每个所述目标参数的业务限定，对每个所述目标参数进行数据异构处理；
[0021]或者，所述数据异构规则库中的数据异构规则包括经验库规则，所述根据数据异构规则库中的数据异构规则，对每个所述目标参数进行数据异构处理，包括：
[0022]确定每个所述目标参数的数据类别；
[0023]根据数据异构规则库中的经验库规则，对每个所述目标参数按照相应数据类别的数据形式进行数据异构处理。
[0024]在本申请的一种具体实施方式中，所述生成异构数据，包括：
[0025]对每个所述目标参数的取值变化值进行笛卡尔积计算，得到异构数据。
[0026]在本申请的一种具体实施方式中，在所述生成全覆盖测试数据集之后，还包括：
[0027]根据设定入参及所述设定入参的参数数据，确定所述全覆盖测试数据集中每条测试数据的评测分数；
[0028]将所述全覆盖测试数据集中评测分数大于设定分数阈值的测试数据的集合确定为最优测试数据集。
[0029]在本申请的一种具体实施方式中，在所述确定所述全覆盖测试数据集中每条测试数据的评测分数之后，还包括：
[0030]将所述全覆盖测试数据集中评测分数最高的前N条测试数据的集合确定为限定数量测试数据集，N为设定数量。
[0031]在本申请的一种具体实施方式中，在所述确定全覆盖测试数据集中每条测试数据的评测分数之后，还包括：
[0032]根据所述全覆盖测试数据集中测试数据总条数和设定覆盖率，将所述全覆盖测试数据集中评测分数最高的前M条测试数据的集合确定为限定覆盖率测试数据集，M为所述全覆盖测试数据集中测试数据总条数与所述设定覆盖率的商。
[0033]一种测试数据集生成装置，包括：
[0034]被测对象确定模块，用于确定被测对象；
[0035]入参信息获得模块，用于获得所述被测对象的入参信息，所述入参信息包括所述被测对象的入参和所述被测对象的入参中待进行数据异构的目标参数；
[0036]异构数据生成模块，用于根据数据异构规则库中的数据异构规则，对每个所述目标参数进行数据异构处理，生成异构数据；
[0037]测试数据集生成模块，用于基于所述异构数据和除所述目标参数外的其他入参的参数数据，生成全覆盖测试数据集。
[0038]一种测试数据集生成设备，包括：
[0039]存储器，用于存储计算机程序；
[0040]处理器，用于执行所述计算机程序时实现上述任一项所述的测试数据集生成方法
的步骤。
[0041]一种计算机可读存储介质，所述计算机可读存储介质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一项所述的测试数据集生成方法的步骤。
[0042]应用本申请实施例所提供的技术方案，在确定被测对象，并获得被测对象的入参信息后，可以根据数据异构规则库中的数据异构规则，对入参信息中待进行数据异构的每个目标参数进行数据异构处理，生成异构数据，基于异构数据和除目标参数外的其他入参的参数数据，生成全覆盖测试数据集。通过异构规则库中的数据异构规则，对被测对象的入参中待进行数据异构的目标参数进行数据异构处理，可以快速准确地生成异构数据，从而可以快速准确地得到全覆盖测试数据集，可以提高软件测试效率和软件测试结果的准确性。
附图说明
[0043]为了更清楚地说明本申请实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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。
[0044]图1为本申请实施例中一种测试数据集生成方法的实施流程图；
[0045]图2为本申请实施例中一种测试数据集生成装置的结构示意图；
[0046]图3为本申请实施例中一种测试数据集生成设备的结构示意图。
具体实施方式
[0047]本申请的核心是提供一种测试数据集生成方法。该方法可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种测试数据集生成方法，其特征在于，包括：确定被测对象；获得所述被测对象的入参信息，所述入参信息包括所述被测对象的入参和所述被测对象的入参中待进行数据异构的目标参数；根据数据异构规则库中的数据异构规则，对每个所述目标参数进行数据异构处理，生成异构数据；基于所述异构数据和除所述目标参数外的其他入参的参数数据，生成全覆盖测试数据集。2.根据权利要求1所述的测试数据集生成方法，其特征在于，所述根据数据异构规则库中的数据异构规则，对每个所述目标参数进行数据异构处理，包括：确定数据异构规则库中的数据异构规则的优先级；按照数据异构规则的优先级的高低顺序，依次使用每个数据异构规则，对每个所述目标参数进行数据异构处理。3.根据权利要求1所述的测试数据集生成方法，其特征在于，所述数据异构规则库中的数据异构规则包括数据类型规则，所述根据数据异构规则库中的数据异构规则，对每个所述目标参数进行数据异构处理，包括：确定每个所述目标参数的数据类型；根据数据异构规则库中的数据类型规则，对每个所述目标参数按照相应的数据类型的参考值进行数据异构处理；或者，所述数据异构规则库中的数据异构规则包括业务规则，所述根据数据异构规则库中的数据异构规则，对每个所述目标参数进行数据异构处理，包括：根据数据异构规则库中的业务规则，确定对每个所述目标参数的业务限定，所述业务限定包括数据区间划分和数据关联关系；根据每个所述目标参数的业务限定，对每个所述目标参数进行数据异构处理；或者，所述数据异构规则库中的数据异构规则包括经验库规则，所述根据数据异构规则库中的数据异构规则，对每个所述目标参数进行数据异构处理，包括：确定每个所述目标参数的数据类别；根据数据异构规则库中的经验库规则，对每个所述目标参数按照相应数据类别的数据形式进行数据异构处理。4.根据权利要求1所述的测试数据集生成方法，其特征在于，所述生成异构数据，包括：对每个所述目标参数的取值变化值进行笛卡尔...

【专利技术属性】
技术研发人员：徐康，冯建锋，武金萍，孙俊，尹学超，
申请(专利权)人：京东科技控股股份有限公司，
类型：发明
国别省市：