逐步求精的回歸測(cè)試用例選擇技術(shù)的研究.pdf

1、軟件測(cè)試是為了保證軟件的正確運(yùn)行而進(jìn)行的一項(xiàng)重要活動(dòng)，回歸測(cè)試是軟件修改后為了確認(rèn)修改的正確性而進(jìn)行的軟件測(cè)試?；貧w測(cè)試策略分為重測(cè)所有(retest-all)和選擇性(selective)重測(cè)兩種策略。隨著軟件規(guī)模的不斷擴(kuò)大，選擇性重測(cè)越來(lái)越顯示出它的優(yōu)越性，因?yàn)樗贿x擇部分測(cè)試用例來(lái)測(cè)試修改后的軟件?；貧w測(cè)試在軟件測(cè)試的過(guò)程中占有很大的比重，因此選擇正確的回歸測(cè)試策略將能節(jié)省測(cè)試成本，并提高測(cè)試的效率。
　　 目前選擇性回歸

2、測(cè)試方面的研究有很多，選擇一個(gè)盡可能小并且又能覆蓋所有改變和受改變影響的代碼的測(cè)試用例集是研究的重點(diǎn)。目前選擇性回歸測(cè)試策略的分析粒度主要有類級(jí)別、類成員級(jí)別和語(yǔ)句級(jí)別。由于不同的分析粒度不但對(duì)應(yīng)著不同的分析代價(jià)，也對(duì)應(yīng)著不同的測(cè)試代價(jià)。一般來(lái)說(shuō)，分析粒度越小，分析代價(jià)越大，但是測(cè)試代價(jià)越??；分析粒度越大，分析代價(jià)越小，但是測(cè)試代價(jià)越大。在大型軟件的維護(hù)過(guò)程中，合理的分配分析代價(jià)和測(cè)試代價(jià)將具有很大的經(jīng)濟(jì)效益。
　　 本文在對(duì)面

3、向?qū)ο筌浖奶攸c(diǎn)和Java的分層特性研究的基礎(chǔ)上，提出了逐步求精的回歸測(cè)試用例選擇策略。該策略的分析粒度為包級(jí)、類級(jí)和類成員級(jí)，與其他選擇性回歸測(cè)試策略相比，它的優(yōu)越性在于：
　　 1.粒度小于類級(jí)分析，因此得到的測(cè)試用例集將是類級(jí)分析的一個(gè)子集。
　　 2.粒度大于語(yǔ)句級(jí)分析，因此分析代價(jià)將顯著的小于語(yǔ)句級(jí)分析的分析代價(jià)。
　　 3.由于是逐步求精，每一層次為下一個(gè)層次的分析只提供一個(gè)子集來(lái)進(jìn)行分析；而目前的語(yǔ)