[發(fā)明專利]回歸測試數(shù)據(jù)自動生成的方法及裝置

有效

• 申請?zhí)枺?/td>: 201811587258.0
• 申請日: 2018-12-25
• 公開（公告）號: CN111367782B
• 公開（公告）日: 2023-08-15
• 發(fā)明（設(shè)計）人: 邵蕾;王璇;竺士杰;任贛
• 申請（專利權(quán)）人: 中國移動通信集團浙江有限公司;中國移動通信集團有限公司
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王瑩;李相雨

本發(fā)明實施例提供一種回歸測試數(shù)據(jù)自動生成的方法及裝置，所述方法包括：獲取目標業(yè)務(wù)接口的所有請求報文數(shù)據(jù)及返回報文數(shù)據(jù)；基于用戶信息表獲取用戶特征數(shù)據(jù)；基于請求報文數(shù)據(jù)獲取用戶特征數(shù)據(jù)；基于K?means算法對用戶行為數(shù)據(jù)和用戶特征數(shù)據(jù)進行聚類，獲得聚類結(jié)果；從聚類結(jié)果的每一類中隨機選取一組請求報文數(shù)據(jù)作為目標業(yè)務(wù)接口的請求測試數(shù)據(jù)，獲取所述隨機選取的一組請求報文數(shù)據(jù)的返回報文數(shù)據(jù)作為目標業(yè)務(wù)接口的測試預期結(jié)果數(shù)據(jù)。本發(fā)明實施例解決了現(xiàn)有技術(shù)中無法準確有效的獲取典型代表的用戶特征數(shù)據(jù)以及用戶行為數(shù)據(jù)的技術(shù)問題。

技術(shù)領(lǐng)域

本發(fā)明實施例涉及軟件測試技術(shù)領(lǐng)域，尤其涉及一種回歸測試數(shù)據(jù)自動生成的方法及裝置。

背景技術(shù)

回歸測試是指修改了舊代碼后，重新進行測試以確認修改沒有引入新的錯誤或?qū)е缕渌a產(chǎn)生錯誤。回歸測試作為軟件生命周期的一個組成部分，在整個軟件測試過程中占有很大的工作量比重，軟件開發(fā)的各個階段都會進行多次回歸測試。在漸進和快速迭代開發(fā)中，新版本的連續(xù)發(fā)布使回歸測試進行的更加頻繁，而在極端編程方法中，更是要求每天都進行若干次回歸測試。因此，通過選擇正確的回歸測試策略來改進回歸測試的效率和有效性是很有意義的。

但是面對運營商海量級的用戶數(shù)據(jù)，如何選取具有典型代表的用戶特征數(shù)據(jù)以及用戶行為數(shù)據(jù)進行測試,是一大難題。目前主流的解決方式有以下幾種：傳統(tǒng)的功能測試，采用等價類劃分、邊界值、垃圾數(shù)據(jù)等進行測試數(shù)據(jù)選取。典型用戶的回歸測試：依據(jù)測試人員對系統(tǒng)的熟悉和以往的經(jīng)驗，對典型用戶的典型行為進行功能測試覆蓋。

現(xiàn)有的技術(shù)方案都存在無法準確有效的獲取典型代表的用戶特征數(shù)據(jù)以及用戶行為數(shù)據(jù)的缺陷。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種回歸測試數(shù)據(jù)自動生成的方法，用以解決現(xiàn)有技術(shù)中無法準確有效的獲取典型代表的用戶特征數(shù)據(jù)以及用戶行為數(shù)據(jù)的缺陷。

根據(jù)本發(fā)明實施例的第一個方面，提供一種回歸測試數(shù)據(jù)自動生成的方法，包括：

獲取目標業(yè)務(wù)接口的所有請求報文數(shù)據(jù)及返回報文數(shù)據(jù)；

基于用戶信息表獲取用戶特征數(shù)據(jù)；基于請求報文數(shù)據(jù)獲取用戶行為數(shù)據(jù)；

基于K-means算法對用戶行為數(shù)據(jù)和用戶特征數(shù)據(jù)進行聚類，獲得聚類結(jié)果；

從聚類結(jié)果的每一類中隨機選取一組請求報文數(shù)據(jù)作為目標業(yè)務(wù)接口的請求測試數(shù)據(jù)，獲取所述隨機選取的一組請求報文數(shù)據(jù)的返回報文數(shù)據(jù)作為目標業(yè)務(wù)接口的測試預期結(jié)果數(shù)據(jù)。

進一步，基于K-means算法對用戶行為數(shù)據(jù)和用戶特征數(shù)據(jù)進行聚類，之前還包括：

獲取目標業(yè)務(wù)接口的所有用戶特征數(shù)據(jù)和用戶行為數(shù)據(jù)中同一個目標參數(shù)所對應(yīng)不同參數(shù)值的個數(shù)n；

當n超過預設(shè)個數(shù)時，不做進一步分析；當n小于或等于預設(shè)個數(shù)時，認定所述目標參數(shù)為枚舉值參數(shù)并統(tǒng)計。

進一步，基于K-means算法對用戶行為數(shù)據(jù)和用戶特征數(shù)據(jù)進行聚類，獲得聚類結(jié)果，包括：

以歐式距離作為用戶行為數(shù)據(jù)和用戶特征數(shù)據(jù)中數(shù)據(jù)相似度的測度；將距離靠近的數(shù)據(jù)歸為一類，將得到的各緊湊且獨立的數(shù)據(jù)類作為聚類結(jié)果。

進一步，還包括：

預先建立測試號碼資源池；

計算測試號碼資源池中各測試號碼與目標業(yè)務(wù)接口的請求測試數(shù)據(jù)中真實用戶號碼間的歐式距離，選取與用戶號碼距離相等或者最小的測試號碼，用其替換請求測試數(shù)據(jù)中的真實用戶號碼。

進一步，還包括：

將聚類結(jié)果中報文數(shù)據(jù)中用戶號碼和工號信息用請求測試數(shù)據(jù)替換，組裝成待測試的報文數(shù)據(jù)。

進一步，還包括：