基于相似性的回歸測試用例約簡與優(yōu)先排序方法研究.pdf

1、在軟件演化與維護過程中，軟件的頻繁變更是一個永恒的話題。修改錯誤、增加新的功能或者適應新的運行環(huán)境等因素都將引起軟件的變更。軟件一旦發(fā)生變化，就需要回歸測試修改的代碼、新增加的代碼以及潛在地受變更影響的代碼。研究表明，回歸測試占了總測試預算的80％，軟件維護階段總費用的50%。盡管回歸測試的代價如此之高，但它卻是不可或缺的測試。隨著軟件持續(xù)演化，測試套件的規(guī)模也不斷增加。由于測試資源的有限性，重新運行所有測試用例的方法是不可行的。在這種

2、背景下，如何選擇高效的測試用例子集以便較早地發(fā)現(xiàn)更多的錯誤具有重要的實際意義。聚類分析的方法被引入到回歸測試領域中。根據(jù)運行測試用例產(chǎn)生的剖面信息，將測試用例分成若干簇，使得同一簇中的對象彼此相似，而與其他簇中的對象相異。同一簇中的對象具有相同的剖面信息，因而具有相同的錯誤發(fā)現(xiàn)能力。通過動態(tài)插樁技術收集運行測試用例產(chǎn)生的剖面信息，比如函數(shù)的覆蓋信息，函數(shù)調用的時序信息、函數(shù)調用的關系信息以及函數(shù)調用的結構信息等。并構建四種不同類型的剖面

3、結構，包括函數(shù)覆蓋向量、函數(shù)調用序列、函數(shù)執(zhí)行序列與函數(shù)調用樹。
　　本研究從運行代價和錯誤發(fā)現(xiàn)效率兩個方面比較四種不同類型的結構化剖面對回歸測試效率的影響。實驗結果表明，函數(shù)調用的時序信息、調用關系以及結構信息有助于進一步提高約簡測試套件的錯誤發(fā)現(xiàn)能力。就成本-效益而言，聚類分析函數(shù)調用序列的方法是更高效的。該方法不僅提高了回歸測試的錯誤發(fā)現(xiàn)效率，也進一步豐富并發(fā)展了回歸測試用例約簡與選擇研究。在回歸測試中，盡早地執(zhí)行那些能夠發(fā)

4、現(xiàn)錯誤的回歸測試用例，就能盡快的進行錯誤的定位與修復工作，從而提高整個回歸測試的效率。因此，回歸測試用例的執(zhí)行順序對錯誤發(fā)現(xiàn)效率有重要的影響。如何對原始套件中的測試用例進行優(yōu)先排序成為當前的研究重點?；跍y試用例的相似性可以有效地對回歸測試用例進行優(yōu)先級排序。該方法不僅確保了回歸測試用例的多樣性，同時也可以提高錯誤檢測效率。不同的相似性度量代表不同的含義，如何選取高效的度量也是至關重要的。為此，實驗從錯誤發(fā)現(xiàn)效率及其穩(wěn)定性兩個方面對比分