[发明专利]一种面向网络应用系统的测试用例选择与扩充方法

说明书

技术领域

本发明涉及网络应用技术领域，具体涉及一种面向网络应用系统的测试用例选择与扩充方法。

背景技术

随着网络应用系统的不断发展，国内外存在着大量的针对于提升其功能性、稳定性、可靠性等方面性能的测试技术的研究。有通过录制/回放技术自动生成测试脚本技术，以及模型驱动测试技术。其中模型驱动测试技术逐渐成为研究的主要方面，包括：采用BPEL规范描述业务流程模型，通过扩展U2TP规范和TTCN-3语言定义的测试用例元模型，为了支持两个模型的转换，基于U2TP活动图定义了描述业务交互和控制逻辑的业务流程元模型。采用Eclipse平台开发业务流程测试建模平台，支持测试人员对业务流程和测试用例的可视化建模，实现业务流程模型到测试用例模型的自动转换，实现了测试脚本的自动化生成。

除了基于UTP外，使用UML的扩展能力扩展UML也能生成测试用例。C.Crichton,A.Cavarra和J.Davie就是采用这种方式。他们创建了两种扩展，一个是通过扩展类图、对象图和状态图来描述被测系统的测试属性。另一个扩展是由对象图和状态图的用来描述测试目标。

F.Bouquet等人提出基于模型的测试方法，该方法基于UML图，如类图、对象图和状态图，和OCL表达式自动生成测试用例。

以上模型驱动测试方法中的一个主要特点是基于系统模型，通过定义测试设计建模语言，进行测试系统设计，并通过一定的测试准则，生成测试用例。这些方法当中普通的存在的主要问题有：生成的测试用例具有发散性，对于被测试系统的故障发现缺乏针对性，测试用例集的空间爆炸问题产生的测试用例冗余，测试数据不充分等问题。

发明内容

鉴于上述的分析，本发明旨在提供一种面向网络应用系统的测试用例选择与扩充方法，用以解决现有技术中生成的测试用例具有发散性，测试用例集存在冗余，对于被测试系统的故障发现缺乏针对性，以及测试数据不充分等问题。

本发明的目的主要是通过以下技术方案实现的：

一种面向网络应用系统的测试用例选择与扩充方法，该方法包括如下步骤：

步骤1、从数据库中读取被测网络应用系统的测试用例集数据；

步骤2、将步骤1中的测试用例集数据发送到解析服务器中进行解析，生成测试系统模型，并传输到显示装置以图形化的形式呈现；其中，测试系统模型包括：测试行为模型、测试数据模型和测试配置模型；

步骤3、将步骤2中解析生成的测试系统模型中的测试行为模型发送到去冗余服务器中进行去冗余化处理；

步骤4、将步骤2中解析生成的测试系统模型中的测试数据模型发送到训练服务器中，先进行测试数据获取，然后利用机器学习方法对测试数据进行训练，从而生成新的测试数据；

步骤5、将步骤3中得到的去冗余化后的测试行为模型以及步骤4中得到的新的测试数据，结合步骤2的测试系统模型的测试配置模型，一起发送到新测试用例集生成服务器中，进而采用TTCN-3测试标准生成具有更高故障探测效能的新测试用例集。

进一步的，步骤1中所述的所述测试用例集为测试脚本。

进一步的，步骤2中所述的解析过程主要通过如下三个步骤来实现：

(1)提取数据：通过静态或动态的分析获得源文件的元数据；

(2)构建模型：将提取的元数据进行分类和存储，使用预定义的模型对元数据进行重组，实现模型的构建；

(3)展现信息：在获取构建的模型后，通过元模型技术对模型信息进行抽象化处理，并以图形化形式展现。

进一步的，步骤3具体为：依据解析出的测试系统测试行为模型，采用相似度计算公式，分别比对测试行为之间的相似度；采用遗传搜索算法，对整个测试行为模型进行优化搜索，从而得出能够达到测试目标的最小测试行为模型集合。

进一步的，所述相似度的计算公式如下：

SimilarityFunction(i,j)＝nit/avg(|i|,|j|)

其中，nit表示两个测试行为之间的相同的操作数，avg(|i|,|j|)表示两个测试用例的平均操作数长度。

进一步的，步骤4中所述的利用机器学习方法对测试数据进行训练具体为：在得到测试数据之后，通过模拟测试人员的测试思维，对原始测试数据进行训练、学习和调整，从而生成新的测试数据。