[发明专利]测试用例筛选方法、装置及介质

说明书

本申请实施例公开一种测试用例筛选方法，该方法可以被应用于软件测试领域。该方法包括：将测试用例的历史执行数据用作训练样本，利用机器学习技术训练得到用例分类器，并利用该用例分类器预测得到至少一个第一测试用例的预测执行失败率；获取至少一个与被修改的软件代码对应的第二测试用例的关联度；然后，根据至少一个第一测试用例的预测执行失败率，以及至少一个第二测试用例的关联度，从至少一个待选测试用例中筛选出高风险用例；其中，至少一个待选测试用例为前述第一测试用例和第二测试用例的并集。采用上述技术方案可以从待选测试用例中更精准地筛选出高风险用例，从而促使缺陷发现或覆盖需求的测试用例前移，进而提高测试的有效性。

技术领域

本申请涉及软件测试技术领域，具体涉及一种测试用例筛选方法。此外，本申请还涉及一种测试用例筛选装置，以及一种计算机可读存储介质。

背景技术

回归测试(regressiontest)是在修改了软件的原有代码之后，重新对软件进行测试的一种测试流程。通过回归测试可以确认软件的原有功能是否被破坏，即确认修改了原有代码之后是否引入新的错误，或者导致其他原有代码产生错误等问题，即判断修改后的软件中是否存在缺陷。如果存在缺陷，那么开发人员就需要对软件再进行修改。在软件开发生命周期(SystemDevelopment Life Cycle，SDLC)中，软件的各个版本都需要经过多次充分的测试才能够发布。因此，回归测试是一项需要持续进行的任务。

测试用例(testcase)是指为了进行测试而向被测试系统(即软件)提供的一组数据，一般包括输入数据、执行条件以及预期结果。在测试时，如果一个测试用例执行失败，可能意味着缺陷的发现。为测试一个软件，通常需要设计很多测试用例，形成测试用例库。在软件开发的生命周期中，测试用例库中的测试用例可能会被不断更新，以便应对经过修改之后的软件的回归测试。

在回归测试中，为满足不同的需求，测试人员通常会制定不同的回归测试策略。选择有效的回归测试策略，可以精准地从测试用例库中筛选出合适的测试用例，从而提升回归测试的测试效率和有效性。筛选测试用例一般包括三种类型的方法：

(1)选取测试用例库中全部的测试用例。采用该类型的方法能够保证缺陷遗漏风险最低，但是对时间和设备等测试资源的需求较高，导致回归测试的测试效率较低。

(2)基于软件中被修改的代码，从测试用例库中筛选出部分测试用例。具体地，在一种实现方式中，首先需要对所有测试用例进行覆盖分析，确定每个代码行与测试用例之间的映射关系，然后才能根据被修改的代码行以及映射关系，从测试用例库中筛选出合适的测试用例。

该方法一定程度上可以提高测试效率，但被修改的代码并不一定会导致缺陷，未被修改的代码也不一定不存在缺陷，有可能未被修改的代码会由于与被修改的代码存在关联而产生缺陷。也就是说，覆盖分析所得到的代码行与测试用例之间的映射关系，实际上并不能准确地反映出测试用例的风险(即测试用例执行失败的概率高低)。因此，采用该方法无法很好地保证回归测试的有效性。

(3)基于测试用例的风险，从测试用例库中筛选出部分测试用例。具体地，在一种实现方式中，首先对此前测试中执行用例时的执行数据进行分析，确定每个测试用例所发现的缺陷，以及缺陷的严重等级。然后根据缺陷的个数和缺陷的严重等级，来评估这些测试用例的风险，从中筛选出高风险用例，用于本次回归测试。

采用该方法一定程度上可以筛选出高风险用例，提高回归测试的有效性。但是，发明人经过分析认为，该方法采用执行测试用例所发现的缺陷和缺陷的严重等级来衡量测试用例的风险，并仅据此来进行筛选，筛选的精准程度仍然有待提高。

发明内容

本申请提供一种测试用例筛选方法，该方法结合了基于测试用例的风险的筛选方法，以及基于软件中被修改的代码的筛选方法这两种类型，可以更加精准地筛选出高风险用例，进而提高测试的有效性。