最近更新/ NEWS
大数据下软件测试问题和对策 本文关键词：对策，测试，数据，软件
大数据下软件测试问题和对策 本文简介：摘要： 在近几年发展进程中,我国社会经济水平不断提升,促使高新技术产业迅速崛起。在这一形势下,软件测试任务难度也逐渐加剧。因此,本文以大数据为研究背景,对大数据时代软件测试过程中出现的问题进行了简单的分析。随后论述了基于大数据的软件测试方法优化方案。最后对大数据时代软件测试方法应用情况进行了进一步分
大数据下软件测试问题和对策 本文内容：
摘 要： 在近几年发展进程中, 我国社会经济水平不断提升, 促使高新技术产业迅速崛起。在这一形势下, 软件测试任务难度也逐渐加剧。因此, 本文以大数据为研究背景, 对大数据时代软件测试过程中出现的问题进行了简单的分析。随后论述了基于大数据的软件测试方法优化方案。最后对大数据时代软件测试方法应用情况进行了进一步分析。
关键词： 大数据; 软件测试; 粒子群;
一、前言
计算机技术的不断更新、发展推动着全国进入了大数据时代。而大数据时代的到来, 促使相关行业大规模专业化数据处理难度不断增加。大数据时代物联网、传感网、互联网得到了不断的发展, 也促使现阶段数据复杂程度不断增加, 原有软件测试方法已无法满足现代软件测试需求。因此, 对基于大数据的软件测试方法的优化改进进行适当分析具有非常重要的意义。
二、基于大数据的软件测试问题
(一) 测试平台与大数据处理要求不符
以往软件测试平台主要利用控制器, 配合本地直接向服务器端发出服务请求。而在大数据时代, 数据量、数据类型的不断增加, 促使原有软件测试平台无法满足服务器对其所产生压力进行测试的需求。再加上大数据时代客户端的分散性, 致使软件测试控制器、负载产生器间同步难度增加, 整体负载测试结果精确度也有所下滑[1]。
(二) 无法满足软件服务化要求
从开发视角进行分析, 现阶段软件测试开发已迈入服务化阶段。而由于服务阶段远程服务代替了本地组织调用模式, 原有软件测试方式就不太适用。再加上现有软件测试平台无法对PASS实际服务运行状态进行分析, 导致整体软件测试难度进一步增加。
(三) Oracle问题频出
发现软件错误运行情况, 是软件测试的主要目的。而在大数据背景下, 由于软件测试所需图类计算难度不断增加, 对软件测试中趋势分析工作开展造成了较大的阻碍。进而促使测试过程能否通过的验证问题频出, 即Oracle问题。而Oracle问题的频繁出现, 也促使最终软件验证结果准确性与目标要求偏差逐步增加, 进而形成恶性循环, 导致Oracle无法顺利确定[2]。
三、基于大数据的软件测试方法优化
(一) 基于大数据的软件测试方法改进目的概述
有效发现软件运行阶段出现的问题并进行修正, 是基于大数据的软件测试方法改进的主要目的。大数据背景下软件测试模式大多需要遵循物理反应、化学反应规律。其中物理反应规律主要指在测试原有条件及测试因素一定时, 通过调控测试数据数量。在保证数据内容完整的基础上, 对数据进行抽样、筛选、提取、采集, 促使大小数据间灵活转换;而化学作用则是指在软件测试条件一定时, 对数据进行提炼。利用探索式考察方式, 对大数据进行分析, 以达到人类、机器智慧有机整合的目的。
(二) 基于大数据的软件测试方法改进流程
基于大数据软件测试方法改进目的, 可首先利用大数据信息中粒子群——蚁群的算法, 对软件生成数据进行测试。即在基本框架构建的基础上, 利用蚁群算法这一有效地大数据信息分析方法, 对软件测试结果的可靠性进行论证。即假定每一粒子的更新速度均随着当前个体位置移动而发生一定变化, 则在整体软件测试方法更新阶段, 只有某一粒子自身运动方向最好坐标位置的运动因子、另外一粒子全局运动方向最好的坐标位置的坐标因子位置相接近时, 才可以促使相关粒子到达最佳坐标位置。这主要是由于每一粒子在运动阶段均会保留运动最佳位置, 且会拒绝接收与运动无关的信息, 则相关粒子会在进入特定空间中最佳坐标位置后停止下其他方向移动。而蚁群最优算法则是在特定空间内, 在数据信息分析的基础上。依据一定概率方向, 寻找、分析数据最优值。从根本上来说, 在基于大数据信息软件测试方法改进中, 主要是利用粒子群为主线优化算法。从粒子群更新速度、更新位置两个方面出发, 对软件数据处理功能进行优化。随后引入蚁群算法, 对软件大数据信息处理能力进行进一步测试。
其次, 针对大数据背景下软件处理多方位、多样性及专业性特征, 为验证输入数据、输出数据间关系, 相关技术人员可以通过数学模型设置的方式, 进一步完善基于大数据的软件测试方法。即设定数学模型坐标变量, 其中 (A, B) 主要代表数据在数学模型内横变坐标向量、纵变坐标向量。则数据模型为:
上述式子中, r表示数据间半径;m1、m2表示不同数据间系数;Q1、Q2表示不同数据所代表信息数量;E1、E2表示坐标随机抽取数据[3]。
四、基于大数据的软件测试方法仿真分析
(一) 基于大数据的软件测试方法仿真分析过程
为验证基于大数据模型的软件测试方法应用情况, 可依据大数据模型与被测试系统动态交流原理。依托双网络平台, 对软件测试情况进行仿真集成分析。
在具体仿真分析过程中, 基于大数据的软件仿真测试环境主要由仿真设备、输出设备、计算机测试设备三种类型设备及测试线路、仿真线路组成。其中基于大数据的计算机测试设备主要执行运行管理控制功能。其具有数据采集、系统备份、计算机测控几个模块;而输出设备则需要在输出准则的约束下, 输出数据。其主要包括数据集成输出、仿真内路两个模块;仿真设备主要执行数据发送、数据转换等工作, 其主要包括指挥模板、模拟操纵、电子信息等几个模块。
在基于大数据的软件测试方法仿真环境构建完毕之后, 相关人员可以经主线进入仿真系统。在进入仿真系统后, 通过仿真设备接收发送信息, 可以促使大数据信息转换为“作战”状态, 随后根据软件系统设置的指令要求, 引入某一研究机构配置项大数据信息。同时在传统坐标转换的基础上, 在WAP24芯片内, 利用平面坐标向直角坐标正面转换的方式, 对基于大数据的软件测试方法应用效率进行测试。
若假定输入一组数据为 (c, d) , 则最终会接收到一组数据 (A, B) 。同时考虑到其最终返回数据并无法与协议规定样式完全相同, 则可将检验公式中数据模型作为输出结果。通过将设定输出结果与实际输出结果进行对比分析, 可验证软件测试有效性[4]。上述验证方式主要是根据数据选择的随机性, 一般软件测试方式并不能有效发现全部软件数据处理漏洞。而引入基于大数据模型的软件测试方法, 可以从不同角度对数据信息处理情况进行分析。
(二) 基于大数据的软件测试方法仿真分析结果
通过对基于大数据的软件测试方法进行仿真分析, 得出在平面坐标长度c的变化下, 直角坐标 (A, B) 也在不断变化。且直角坐标 (A, B) 随着平面坐标输入变量c与变量d的同步增长趋势与前期设定趋势相同。据此, 根据前期设定趋势中平面坐标输出变量、输入变量间关系, 可对大数据信息软件测试方法有效性进行测试。而通过对具体软件测试数据进行进一步分析, 可得出在输出直角坐标A∈[-2.002*104, 2.002*106], 且B∈[-2.526*104, 2.526*106]时, 其在输入坐标c的变化下, 而不断变化。此时若选定一组平面坐标
作为输入数据, 则在c数值超出d有效限度后, 可对c输入坐标值进行控制。进而得出c相应坐标值。
通过上述数据对比, 可得出在平面坐标输入值为 (-175°, -85°) 及 (175°, 85°) 时, 直角坐标B值误差。且在B值为2.002526时, 可获得输入值c为115°。同理d为58°。即在输入值c大于115°, d大于58°时, 基于大数据的软件测试方法会出现不同程度的准确度偏差。且输出直角坐标B会随着平面坐标d的改变而出现一定程度的差别。但是总的平面坐标变换、直角坐标变换规划的大体一致[5]。即在输出值超出2.002526时, 基于大数据的软件测试方法可基本满足客户需求。
五、总结
综上所述, 数据量庞大、价值密度低、种类繁多是大数据时代软件测试突出特点, 这种情况下, 针对以往软件测试阶段出现的Oracle问题及服务器问题, 相关技术人员可以利用粒子群为主线的优化算法。从粒子群内粒子更新速度、粒子群内粒子位置两个方面出发, 对软件数据处理功能进行优化改进, 以提高基于大数据的软件测试的有效性。
参考文献
[1]吴真炜.大数据背景下软件测试的挑战与展望[J].江苏科技信息, 2018 (19) :74-76.
[2]沈海波, 朱雄泳.互联网时代背景下基于软件测试的软件工程特色专业建设研究[J].现代计算机, 2018 (1) :55-58.
[3]王京.大数据背景下软件测试技术研究[J].信息与电脑 (理论版) , 2018 (7) :26-27.
[4] 吴洁.大数据时代下的软件测试技术研究[J].企业科技与发展, 2018 (11) :88-89.
[5]余庚, 汤紫雄, 吕守向.ASON传输系统中FWM效应的测试[J].信息技术, 2018 (6) :111-114.
大数据下软件测试问题和对策 来源：网络整理
免责声明：本文仅限学习分享，如产生版权问题，请联系我们及时删除。
相关文章