[发明专利]一种用于真实业务场景的模拟测试方法及系统有效
| 申请号: | 202210325422.0 | 申请日: | 2022-03-30 |
| 公开(公告)号: | CN114428748B | 公开(公告)日: | 2022-06-21 |
| 发明(设计)人: | 徐礼长 | 申请(专利权)人: | 北京数腾软件科技有限公司;上海数腾软件科技股份有限公司 |
| 主分类号: | G06F11/36 | 分类号: | G06F11/36 |
| 代理公司: | 深圳汉林汇融知识产权代理事务所(普通合伙) 44850 | 代理人: | 王淼 |
| 地址: | 100000 北京市朝阳*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 用于 真实 业务 场景 模拟 测试 方法 系统 | ||
1.一种用于真实业务场景的模拟测试方法,其特征在于,所述方法包括:
对第一业务场景进行场景要素提取,获得第一场景要素集;
将所述第一场景要素集输入业务请求匹配模型,获得第一业务请求信息,其中,所述第一业务请求信息包括业务目标信息和业务输入信息;
根据所述业务目标信息,生成第一测试路径和第一测试结果标准值,其中,所述第一测试路径包括第一功能区块、第二功能区块直到第N功能区块;
将所述业务输入信息输入测试用例数据库,获得第一测试用例,其中,所述第一测试用例和所述第一测试路径一一对应;
通过所述第一测试用例遍历所述第一功能区块、所述第二功能区块直到所述第N功能区块进行功能测试,获得第一测试结果;
对所述第一测试结果标准值和所述第一测试结果进行偏差分析,获得第一偏差值;
根据所述第一偏差值,获得第一测试匹配度;
所述将所述第一场景要素集输入业务请求匹配模型之前,包括:
获得第一训练数据,其中,所述第一训练数据包括多组场景要素信息和业务请求标识信息;
通过所述第一训练数据,构建第一决策树;
获得第一预设准确度,将构建所述第一决策树时不满足所述第一预设准确度的所述第一训练数据提取,生成第二训练数据;
通过第二训练数据,构建第二决策树;
通过第M-1训练数据,构建第M-1决策树;
获得第一预设数据量,当第M训练数据满足所述第一预设数据量时,将所述第一决策树、所述第二决策树直到所述第M-1决策树全连接,获得所述业务请求匹配模型;
所述根据所述业务目标信息,生成第一测试路径和第一测试结果标准值,包括:
对所述业务目标信息进行功能特征提取,获得第一功能特征集;
对所述第一功能特征集序列性分析,获得第一功能特征序列集,其中,所述第一功能特征序列集表征功能特征的先后顺序;
基于所述第一功能特征序列集遍历功能区块集,生成所述第一测试路径和所述第一测试结果标准值。
2.如权利要求1所述的方法,其特征在于,所述通过所述第一训练数据,构建第一决策树,包括:
将所述第一训练数据划分为k份,有放回的随机取k-1次,将抽取的数据设为第一迭代数据集,将未抽取的数据设为第一验证数据集;
重复L次,获得第二迭代数据集直到第L迭代数据集,第二验证数据集直到第L验证数据集;
通过所述第一迭代数据集直到所述第L迭代数据集,所述第一验证数据集直到所述第L验证数据集,对所述第一决策树进行迭代训练。
3.如权利要求1所述的方法,其特征在于,所述将所述业务输入信息输入测试用例数据库,获得第一测试用例,之前包括:
根据所述测试用例数据库,获得第一更新周期;
当满足所述第一更新周期,获得第一历史测试数据,其中,所述第一历史测试数据包括多组历史业务输入信息和历史测试用例信息;
通过所述第一历史测试数据更新所述测试用例数据库。
4.如权利要求1所述的方法,其特征在于,所述根据所述第一偏差值,获得第一测试匹配度,还包括:
获得第一预设偏差值,判断所述第一偏差值是否满足所述第一预设偏差值;
将满足所述第一预设偏差值的功能区块进行提取,获得第一偏差区块集;
将所述第一偏差区块集添加进所述第一测试匹配度。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
将不满足所述第一预设偏差值的功能区块进行提取,获得一级匹配区块集;
获得二级测试指标和二级测试标准值,其中,所述二级测试指标包括吞吐量、并发数和响应时长;
根据所述二级测试指标遍历所述一级匹配区块集进行测试,获得第二测试结果;
对所述第二测试结果和所述二级测试标准值进行偏差分析,获得第二偏差值;
根据所述第二偏差值,获得第二测试匹配度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京数腾软件科技有限公司;上海数腾软件科技股份有限公司,未经北京数腾软件科技有限公司;上海数腾软件科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210325422.0/1.html,转载请声明来源钻瓜专利网。





