基于云平臺(tái)的測試任務(wù)調(diào)度策略的研究.pdf

1、隨著軟件行業(yè)的快速發(fā)展，軟件的開發(fā)周期和開發(fā)成本越來越被重視，軟件測試作為軟件開發(fā)過程中的一個(gè)重要環(huán)節(jié)，不僅僅為軟件產(chǎn)品提供質(zhì)量把關(guān)，而且還能降低人力重復(fù)投入的風(fēng)險(xiǎn)，從而縮短開發(fā)周期、減少開發(fā)成本。云計(jì)算的出現(xiàn)與發(fā)展，為軟件測試技術(shù)提供了新的方向，將測試任務(wù)遷移到云平臺(tái)，在云環(huán)境下執(zhí)行測試任務(wù)，不僅可以節(jié)省配置環(huán)境的成本，而且還極大的加快了測試任務(wù)的執(zhí)行速度，減少測試時(shí)間的同時(shí)還減少了測試人員的冗余工作。
　　在云平臺(tái)上執(zhí)行測試任

2、務(wù)，高效的任務(wù)調(diào)度算法是必不可少的。優(yōu)秀的調(diào)度算法可以提高整個(gè)系統(tǒng)的資源利用率，縮短任務(wù)的執(zhí)行時(shí)間。目前云環(huán)境中的調(diào)度算法一般都存在著一些局限性，不能完全適應(yīng)測試任務(wù)，因?yàn)闇y試任務(wù)不同于一般的任務(wù)，測試任務(wù)不僅本身帶有不同的優(yōu)先級(jí)別，而且測試任務(wù)之間還存在著依賴關(guān)系。尤其是在執(zhí)行回歸測試任務(wù)時(shí)，調(diào)度算法變得更為重要。因此本文針對(duì)云平臺(tái)下的回歸測試任務(wù)調(diào)度問題，對(duì)測試任務(wù)的調(diào)度策略進(jìn)行了深入的研究。
　　針對(duì)優(yōu)先級(jí)不同的特性，提出了

3、一種基于權(quán)重的調(diào)度算法Weight Scheduler，算法不僅考慮了測試任務(wù)的初始優(yōu)先級(jí)，還可以根據(jù)集群的具體資源使用情況，調(diào)度測試任務(wù)；為了避免出現(xiàn)饑餓現(xiàn)象，對(duì)于等待時(shí)間較長的測試任務(wù)給予適當(dāng)增長權(quán)重，使調(diào)度盡可能公平。對(duì)比的實(shí)驗(yàn)結(jié)果表明，Weight Scheduler調(diào)度算法比Hadoop自帶調(diào)度算法Capacity Scheduler效率更高。
　　針對(duì)任務(wù)間依賴關(guān)系，策略中首先對(duì)測試任務(wù)進(jìn)行預(yù)處理，根據(jù)用戶上傳的測試任

4、務(wù)抽象出DAG圖。從DAG圖中劃分出路徑，每條路徑中的節(jié)點(diǎn)間有依賴，不同路徑之間任務(wù)可并行。然后根據(jù)DAG圖中路徑，整合測試用例和修改測試腳本?？紤]了腳本維護(hù)成本問題，實(shí)現(xiàn)了測試腳本的參數(shù)化。最后，將測試腳本和測試用例上傳到Hadoop的HDFS文件系統(tǒng)。結(jié)合MapReduce編程模型，對(duì)修改后的測試腳本設(shè)計(jì)map函數(shù)和reduce函數(shù)，其中加入啟動(dòng)自動(dòng)化測試工具語句，自動(dòng)執(zhí)行測試，回收測試結(jié)果。
　　MapReduce的執(zhí)行需要