[发明专利]回归测试数据自动生成的方法及装置

说明书

本发明实施例提供一种回归测试数据自动生成的方法及装置，所述方法包括：获取目标业务接口的所有请求报文数据及返回报文数据；基于用户信息表获取用户特征数据；基于请求报文数据获取用户特征数据；基于K‑means算法对用户行为数据和用户特征数据进行聚类，获得聚类结果；从聚类结果的每一类中随机选取一组请求报文数据作为目标业务接口的请求测试数据，获取所述随机选取的一组请求报文数据的返回报文数据作为目标业务接口的测试预期结果数据。本发明实施例解决了现有技术中无法准确有效的获取典型代表的用户特征数据以及用户行为数据的技术问题。

技术领域

本发明实施例涉及软件测试技术领域，尤其涉及一种回归测试数据自动生成的方法及装置。

背景技术

回归测试是指修改了旧代码后，重新进行测试以确认修改没有引入新的错误或导致其他代码产生错误。回归测试作为软件生命周期的一个组成部分，在整个软件测试过程中占有很大的工作量比重，软件开发的各个阶段都会进行多次回归测试。在渐进和快速迭代开发中，新版本的连续发布使回归测试进行的更加频繁，而在极端编程方法中，更是要求每天都进行若干次回归测试。因此，通过选择正确的回归测试策略来改进回归测试的效率和有效性是很有意义的。

但是面对运营商海量级的用户数据，如何选取具有典型代表的用户特征数据以及用户行为数据进行测试,是一大难题。目前主流的解决方式有以下几种：传统的功能测试，采用等价类划分、边界值、垃圾数据等进行测试数据选取。典型用户的回归测试：依据测试人员对系统的熟悉和以往的经验，对典型用户的典型行为进行功能测试覆盖。

现有的技术方案都存在无法准确有效的获取典型代表的用户特征数据以及用户行为数据的缺陷。

发明内容

本发明实施例提供一种回归测试数据自动生成的方法，用以解决现有技术中无法准确有效的获取典型代表的用户特征数据以及用户行为数据的缺陷。

根据本发明实施例的第一个方面，提供一种回归测试数据自动生成的方法，包括：

获取目标业务接口的所有请求报文数据及返回报文数据；

基于用户信息表获取用户特征数据；基于请求报文数据获取用户行为数据；

基于K-means算法对用户行为数据和用户特征数据进行聚类，获得聚类结果；

从聚类结果的每一类中随机选取一组请求报文数据作为目标业务接口的请求测试数据，获取所述随机选取的一组请求报文数据的返回报文数据作为目标业务接口的测试预期结果数据。

进一步，基于K-means算法对用户行为数据和用户特征数据进行聚类，之前还包括：

获取目标业务接口的所有用户特征数据和用户行为数据中同一个目标参数所对应不同参数值的个数n；

当n超过预设个数时，不做进一步分析；当n小于或等于预设个数时，认定所述目标参数为枚举值参数并统计。

进一步，基于K-means算法对用户行为数据和用户特征数据进行聚类，获得聚类结果，包括：

以欧式距离作为用户行为数据和用户特征数据中数据相似度的测度；将距离靠近的数据归为一类，将得到的各紧凑且独立的数据类作为聚类结果。

进一步，还包括：

预先建立测试号码资源池；

计算测试号码资源池中各测试号码与目标业务接口的请求测试数据中真实用户号码间的欧式距离，选取与用户号码距离相等或者最小的测试号码，用其替换请求测试数据中的真实用户号码。

进一步，还包括：

将聚类结果中报文数据中用户号码和工号信息用请求测试数据替换，组装成待测试的报文数据。

进一步，还包括：