[發(fā)明專利]測試用例生成方法、生成裝置、計算機(jī)設(shè)備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010065394.4
• 申請日: 2020-01-20
• 公開（公告）號: CN111831545A
• 公開（公告）日: 2020-10-27
• 發(fā)明（設(shè)計）人: 劉文銳;王夢嬌;陳智
• 申請（專利權(quán)）人: 北京嘀嘀無限科技發(fā)展有限公司
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06K9/62
• 代理公司: 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205
• 代理人: 楊澤;劉芳

本發(fā)明提出了一種測試用例生成方法、生成裝置、計算機(jī)設(shè)備和存儲介質(zhì)。其中，測試用例生成方法包括：獲取業(yè)務(wù)請求執(zhí)行過程中產(chǎn)生的多個日志；對多個日志依次進(jìn)行特征分類和覆蓋率分類；根據(jù)特征分類和覆蓋率分類后的日志，生成測試用例。本發(fā)明的技術(shù)方案，通過基于特征和覆蓋率的兩次分類去重，最終能夠?qū)⒉恢貜?fù)的日志自動生成測試用例，無需人工建立用例，且后期維護(hù)成本低，能整體提升測試效率。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機(jī)技術(shù)領(lǐng)域，具體而言，涉及一種測試用例生成方法、測試用例生成裝置、計算機(jī)設(shè)備和計算機(jī)可讀存儲介質(zhì)。

背景技術(shù)

自動化用例建設(shè)一直是測試人員用于保證項目質(zhì)量和提升測試效率的一種非常重要的手段，相關(guān)技術(shù)中，一般都是基于人工經(jīng)驗通過對代碼的梳理，進(jìn)行自動化用例的書寫和積累，這種方法人工成本較高，且隨著業(yè)務(wù)升級，用例維護(hù)成本也比較高。

發(fā)明內(nèi)容

本發(fā)明旨在至少解決現(xiàn)有技術(shù)或相關(guān)技術(shù)中存在的技術(shù)問題之一。

為此，本發(fā)明的一個方面在于提出了一種測試用例生成方法。

本發(fā)明的另一個方面在于提出了一種測試用例生成裝置。

本發(fā)明的再一個方面在于提出了一種計算機(jī)設(shè)備。

本發(fā)明的又一個方面在于提出了一種計算機(jī)可讀存儲介質(zhì)。

有鑒于此，根據(jù)本發(fā)明的一個方面，提出了一種測試用例生成方法，包括：獲取業(yè)務(wù)請求執(zhí)行過程中產(chǎn)生的多個日志；對多個日志依次進(jìn)行特征分類和覆蓋率分類；根據(jù)特征分類和覆蓋率分類后的日志，生成測試用例。

本發(fā)明提供的測試用例生成方法，獲取業(yè)務(wù)請求從輸入到輸出的所有日志，將日志利用分類模型基于日志的特征進(jìn)行分類去重，但是模型分類并不一定是最準(zhǔn)確的，模型分出的類別中依然有業(yè)務(wù)上的類別重復(fù)，為了驗證和提高分類的準(zhǔn)確率，引入了對每條日志進(jìn)行基于覆蓋率的分類，最后根據(jù)分類后的日志生成測試用例。本發(fā)明的技術(shù)方案，通過基于特征和覆蓋率的兩次分類去重，最終能夠?qū)⒉恢貜?fù)的日志自動生成測試用例，無需人工建立用例，且后期維護(hù)成本低，能整體提升測試效率。

需要說明的是，覆蓋率是測試完整性的一個度量，指的是已執(zhí)行代碼與所有代碼的比值。

根據(jù)本發(fā)明的上述測試用例生成方法，還可以具有以下技術(shù)特征：

在上述技術(shù)方案中，對多個日志進(jìn)行特征分類的步驟，具體包括：解析多個日志，獲取每個日志的特征；對特征進(jìn)行過濾；根據(jù)過濾剩余的特征，利用聚類模型對日志進(jìn)行分類。

在該技術(shù)方案中，分別對多個日志進(jìn)行參數(shù)化解析，以得到每個日志的特征，將對分類沒有作用的特征(例如日志ID)進(jìn)行濾除，利用聚類模型根據(jù)剩下的特征對日志進(jìn)行分類，例如可根據(jù)某一特征是否相同對日志進(jìn)行分類。模型分類效率較高，幾十萬條日志分鐘級就可以完成分類，通過模型分類為后續(xù)的覆蓋率分類提供基礎(chǔ)。

在上述任一技術(shù)方案中，對多個日志進(jìn)行覆蓋率分類的步驟，具體包括：分別在通過特征分類得到的多個日志類中獲取任一日志；運(yùn)行任一日志，得到任一日志的覆蓋率；對覆蓋率進(jìn)行相似度計算；根據(jù)相似度，對多個日志類進(jìn)行分類。

在該技術(shù)方案中，利用聚類模型對日志進(jìn)行分類后得到多個日志類，在每個日之類中獲取任意一個日志，例如，當(dāng)日志類為10個時，獲取到10個日志。運(yùn)行獲取到的日志，以得到每個日志的覆蓋率文件，將覆蓋率文件進(jìn)行全局索引排列，變?yōu)橐粋€代表覆蓋率的可量化集合(將該可量化集合作為日志的覆蓋率)。進(jìn)一步地，計算多個日志之間的覆蓋率的相似度，若兩個日志的覆蓋率相似度小于或等于預(yù)設(shè)相似度閾值，則將這兩個日志所在的日之類合并為一個類，若兩個日志的覆蓋率相似度大于預(yù)設(shè)相似度閾值，則保留這兩個日志所在的日之類。本發(fā)明在模型分類的基礎(chǔ)上疊加了覆蓋率分類，從而實(shí)現(xiàn)了較為準(zhǔn)確的日志分類，同時又保證了分類效率。