[发明专利]一种回归测试用例集的优化方法和自动优化装置

说明书

本发明公开了一种回归测试用例集的优化方法和自动优化装置，包括：获取与回归测试关联的测试用例集中每个测试用例的初始特征信息；从所述初始特征信息中抽取所述每个测试用例的目标特征信息；将所述测试用例集映射到特征空间，其中，所述特征空间中的每个特征向量由所述每个测试用例的目标特征信息构成；根据所述特征空间确定聚类簇的数量K；获取所述每个测试用例在所述特征空间中的相似度；基于所述相似度和所述聚类簇的数量K，对所述测试用例集中的所有测试用例进行聚类，获得测试用例聚类结果。这样能够非常有效的减少用例集的规模，提升系统执行效率，便于测试用例的维护和测试结果的分析。

技术领域

本发明涉及软件测试领域，尤其涉及一种回归测试用例集的优化方法和自动优化装置。

背景技术

软件的质量就是软件的生命，在大型软件迭代开发过程中，回归测试成为保证软件质量的重要一环，同时回归测试又会耗费大量的资源和时间，在目前软件版本更新迭代越来越快的背景下，如何高效的进行回归测试，缩短软件研发周期，降低开发成本，成为企业中十分关键的问题。

根据统计，一般开发人员每修改3到4个bug，就会引入1个新的bug，这就是必须要进行回归测试的原因。一般的软件测试流程是后期快速迭代的，bug在后期是快速收敛的，debug和测试的周期也是越来越短，频率是越来越高，譬如说第一轮测试需要花上10天跑用例，那么到后期就没那么长的时间，可能就是1～2天的测试时间，在后期有时候一天就有一个新版本，这时候就要求测试人员能快速的进行一轮回归测试。

一般来说，覆盖越高，风险越低，但是效率就越差，反之亦然。如果时间允许的话，能把所有用例都再跑一遍最好不过，但是一般不会有这个时间，这就需要在效率和覆盖间找一个适当的平衡，选择一部分用例来进行回归测试。

目前大多数企业在选择回归测试用例时采用的方法，一般可以分为以下三类：

(1)不做筛选，每个版本，每次迭代都是选用全部用例集执行，这种方法效率低下，会产生极大的资源浪费

(2)随机筛选用例，这种方法准确率无法保证，虽然减少资源浪费，但是无法保证软件质量

(3)人工筛选，这种方法对测试人员的知识和素质依赖性非常高，往往要花费很长时间培养。

可见，现有技术中至少存在如下技术问题：

在进行回归测试时，不能够平衡测试用例覆盖率与测试时间之间的矛盾。

发明内容

本发明实施例通过提供一种一种回归测试用例集的优化方法和自动优化装置，用于解决现有技术中在进行回归测试时，在降低回归测试用例集个数的同时不能够保证软件质量，在筛选合适的回归测试用例集时对人工的依赖程度较高技术问题。

第一方面，本发明一实施例提供了一种回归测试用例集的优化方法，应用于自动优化装置，包括：

获取与回归测试关联的测试用例集中每个测试用例的初始特征信息；

从所述初始特征信息中抽取所述每个测试用例的目标特征信息；

将所述测试用例集映射到特征空间，其中，所述特征空间中的每个特征向量由所述每个测试用例的目标特征信息构成；

根据所述特征空间确定聚类簇的数量K；

获取所述每个测试用例在所述特征空间中的相似度；

基于所述相似度和所述聚类簇的数量K，对所述测试用例集中的所有测试用例进行聚类，获得测试用例聚类结果。

可选的，所述从所述初始特征信息中抽取所述每个测试用例的目标特征信息，包括：

对所述初始特征信息进行数据清洗和特征筛选，从而抽取所述每个测试用例的目标特征信息。