文摘
回归测试是最优的技术,可用于microservice系统的每个迭代。然而,回归测试优先级是唯一的主要方法,给出更好的结果。这些技术直接涉及到工件的过程,数据采集、分析和维护。microservice系统输入数据,很难获得和控制,而这些过程的高成本与不切实际的设计。给出了一个详细的研究测试优先级技术,被称为太平洋保险。有从API网关日志服务之间的依赖关系,小说太平洋保险算法,它是基于信念传播。有一些规则,直接影响服务的变化。因此,测试用例的执行顺序重视太平洋保险越高,基于影响的变化。多目标优化算法是基于启发式搜索、序列的测试用例是由覆盖。通过评估太平洋保险的有效性,实证研究提出了五个microservice系统和四种不同的技术。 The results describe that CIPC has improved fault detection rate with acceptable time and cost. The technique is more practical than typical artifacts, which are based on increments of system scales.
1。介绍
轻量级通信机制利用microservice由于其广泛的设计。尤其是这个架构模式是广泛喜欢云应用程序(1- - - - - -3]。另外,整个过程有助于构建和部署microservice [4]。通过这种机制,业务扩张的需求是完全满意。
此外,在每个周期进行回归测试microservice系统。这样的测试验证是否前技术问题是固定的。也确定最有可能的障碍在工作或修复(5]。然而,回归测试常用的方法是重新运行以前使用的情况下,它说明了成本。此外,建立快速重复许多大量的服务,而整个成本的重复试验通过这个过程评估。例如,微信(社会microservice系统)提供了成千上万的设施。因此,这个系统可以使用几个月来执行整个回归的评估以及retest-all策略6]。因此,许多技术练习,以优化系统。为主,全面提高跟踪效率,降低费用,采用几种方法。这些方法包括优先级、选择和测试套件最小化(7]。
首先,回归测试优先级(RTP)处理以适当的顺序调整测试用例。通过这个过程,一个共同的目标是评估可取的属性和提高故障检测率(5]。因此,最早发现问题是继续优先级和贯穿整个系统是否可能发生在其他地区。因此,测试用例之间的关系建立和历史信息。此外,工件或历史数据包含在建筑的关系。工件包括规范、策略模型和代码文件。另一方面,历史数据破坏之前的失败。另外,RTP过程由两阶段分析和优先级。在分析阶段,历史数据或工件设法获取证据等报道,critical-rank,和变化的影响,而优先级阶段,测试用例是通过前数据与信息和安排。然而,RTP实践考虑历史数据是广泛的,可靠和可访问。此外,它们之间的相关性是通过持续的可用性在持续集成环境中(8,9]。
尽管RTP收购基于数据难以启动,仍然是实现更好的响应。因此,一个特定的方法应用于microservice回归测试。实际上,在执行的系统遇到三个挑战。(一)数据实现microservice系统独立工作,它面临着几个问题而实现工件从多个团队和历史信息。因此,收集额外的交流是获得,导致升降的总成本。另外,费用增加通过与众多服从安全策略。(b)数据集成在方法的发展,过程变得更加复杂集成数据。因此,完整性、可理解性和一致性的信息是困难的。因此,RTP的性能受到严重影响。(c)维持关系在不间断与系统规模的增长环境中,协会在工件,历史数据,测试用例可能会变得难以维持。由于大量的信息,各种问题妨碍建立它们之间的联系。
因此,上述三个主要问题,它存在于基于RTP的技术,不实用microservice回归测试。
此外,API microservice系统的网关层是一个重要的元素,它是用于集中分布的服务请求4]。实际上,在API模式中,网关日志记录请求。然而,来自客户包括申请人的请求信息,应答器,时间和状态码。针对性能、成捆的收集统计数据进行进一步的评估。此外,获得请求提交API执行网关日志单独证明服务方案依赖性。此外,关于系统主要是基于依赖关系,影响进行调查,影响分析取决于信念传播策略。装进箱测试用例是排名最终输出的基础上,和上面的挑战可以轻松管理。因此,这种激励方法,纳入。变化的影响传播计算机制主要是取自microservice太平洋保险的回归测试策略。
最初,太平洋保险创造request-directed-graph(读数)通过适当的计数频率的调用API网关日志。其次,改变影响传播是基于信念传播算法。此外,该算法是利用测量读数的变化影响定量(10]。第三,microservice实验表示为测试路径(11,12),而测试路径匹配成对基于结果。这样比较决定执行订单。此外,提出了一种基于启发式搜索的多目标优化算法。因此,测试路径优先服务覆盖和变化的影响。此外,估计太平洋保险的有效性,实验进行修正。然而,五个系统是利用测量的平均百分比故障检测(APFD)和时间成本5]。旁边这四种典型的RTP三组技术与太平洋保险如artifacts-RTP提名,history-RTP, control-RTP。因此,结果表明,太平洋保险提高故障检测率与前程序。尤其是低优先级由两个大小是时间成本中观察到的场景。最后,测量升级在持续集成环境中,时间成本显示更可取的水平。这样可以确保系统的可靠的收入数据。
总结介绍,本文的主要贡献如下。(1)从API提取的数据用于测试用例优先级网关日志,而回归评估信息收集从microservice评价阶段。(2)变化的影响是通过数学方法定量计算。(3)简略,提出了多目标优化,以满足实际需求。
2。相关的方法
2.1。Microservice测试
Microservice测试包括单元测试、服务测试和端到端测试(4]。然而,单元测试是用来识别函数或类的罪责。此外,这一过程由两个实验工具,如持续xUnit [13)和5 (14]。为了绕过用户干扰和快速评估,这个服务测试者优先。然而,端到端测试关注的行为来提高整个系统的效率。尽管几个自治系统所面临的严峻挑战是,仍然服务和端到端测试是为了有效地解决这些问题。特别是,这个方法是关心microservice测试的研究和实践(4,8),而在这研究工作包括服务和基于端到端测试用例的评估。
此外,这两个过程在同一区间涉及多个服务和它们的调用。高的效率是通过服务和端到端分析。例如,基于消费者驱动的评价包括消费者,目标,stubbed-services [4]。因此,测试用例这两个评估可能性是抽象的镇静的测试路径的服务,这纯粹是基于优先级标准(11,12,15- - - - - -18]。
2.2。测试用例优先级
回归测试优先级问题的正式定义如下:
定义1。(RTP)问题。
考虑到:T测试套件,PT,f,并设置的所有可能的排列T,而f决定性能的PT实数。
问题:发现T“∈PT:
定义1说明了RPT的要点。目标方程的关注程度的定性模型,在测试用例满足优先级策略通过设计函数f,而“f,T“网络排序、启发式搜索和算法的方法存在(19]。
此外,RTP是回归测试的基础研究的新兴领域。然而,工件过程分布分为两类,如代码和基于模型的方法20.,21]。首先,基于代码的方法主要是处理测试用例的覆盖率信息如声明中,分支,和路径覆盖17,22]。这种方法涉及到源代码系统的可用性分析。尽管多个复杂的编程语言创建挑战microservice系统,因此,编码系统取决于特定的语言来解决计算的复杂性。其次,基于模型的方法建立协会信息测试用例和模型,而模型进一步集成到系统结构或系统行为。这种方法是利用优先测试用例基于临界,复杂性,和缺陷密度的模型23- - - - - -25]。因此,基于模型的方法比基于代码优先技术由于其实际的异常。旁边这些可行性,它还包含microservice系统更动态、集成,和一致的整个过程。
此外,一些特定场景的研究工作主要集中在历史信息。阿齐兹和做进行的研究26排名)入手,测试用例是在动态环境中通过改变工件的历史数据。然而,维持历史信息的变化趋势是一项艰巨的任务在microservice系统中,在基于位置的RTP过程建议为嵌入式环境(27]。这种方法强调引力法律修改后的可靠性高。同时,相似性RTP方法论提出了生产线测试场景(28]。修改评价的有效性真实和播种在Ouriques故障检测29日]。多样化的RTP方法相比,实时监控方法的效率。因此,基于模型的分析与测试用例对故障检测率的影响进行调查。然而,这种方法仅仅是更可取的具体情况。一般来说,它并不适用于所有回归技术microservice回归测试。
随着机器和深度学习方法近年来,许多研究人员应用这些策略RTP (20.]。典型的方法是基于神经网络的RTP方法,如遗传算法和基于贝叶斯网络的RTP态度。其中,基于神经网络的方法主要从系统中提取功能规范(30.]。旁边这个,历史记录数据分析测试用例的优先级(31日]。此外,遗传算法等方法构建一些功能模块故障率,代码覆盖率,和最佳的订单,而RTP策略主要基于贝叶斯网络结合白盒信息,比如代码变更和代码覆盖32]。一般来说,技术方法仍然依靠代码,条件,副本,和历史统计数据作为输入。因此,在执行采集系统有许多障碍,调查,并保持如上所述。
2.3。信仰传播
信念传播算法(BP)是一个重复的过程估计基于图结构的解释。英国石油公司有许多应用程序,包括向前传播算法,维特比算法,解码算法的低密度奇偶校验(LDPC)和涡轮码。这种方法用于不同的情况和场景10]。然而,BP算法的核心思想是将信息以保持沟通通过反复迭代。因此,它不断更新的信心值的节点。一般来说,BP算法如下:(1)初始化:设置每个节点的初始值。(2)传播:更新所有消息值和节点信任值。(3)确定值收敛。装进箱标准是收敛的,并得到推理结果根据信心值。否则,我们将返回步骤(2)和传播迭代。
近年来,研究BP算法包含应用程序和优化。根据其应用程序中,学者主要关注通信编码和信号处理。为了减少SCMA的复杂性,介绍了基于BP算法的动态边缘分类过程。通过迭代计算,区间的边界节点检测到(33]。然而,利用神经网络非线性均衡方法,BP算法应用于消除信号噪声(34]。此外,大规模的MIMO信道检测,信念传播使用,纯粹是基于深层神经网络(35]。在优化方面,研究者主要关注实现和收敛条件。此外,方法,以及计算过程协助并行化和合并内存访问(36]。旁边,收敛问题的BP和数值polynomial-homotopy-continuation方法揭示了结构的影响。因此,图模型的参数通过固定的点(37]。
文献研究表明,BP算法并不适用于microservice RTP,尽管拟议的工作获得基于API的服务依赖关系来分析影响网关日志。此外,当它转化为有向图,影响分析传播的过程改变了服务节点不变。因此变更调查是基于知识转化成图问题。
3所示。方法
太平洋保险解决问题中给出的定义1microservice系统。这个问题的解决是通过两个阶段:变更影响分析和测试路径优先级作为显示在图1。此外,输入主要包含API网关日志和测试套件,而输出队列的测试路径,确定测试订单。
上面的例子包括两个活动:请求有向图生成和变化的影响传播计算,基于图模型的API生成网关日志在早期阶段,虽然变化的影响是通过分析创建的第二个阶段。
3.1。请求有向图生成
在这种方法中,每个网关日志记录API包含数据请求者、应答器,跟踪标识符。通过服务注册中心,实现标识符的请求和响应(4]。此外,服务状态是正确地观察到通过microservice框架,其中包括Netflix的尤里卡,Apache管理员,和阿里巴巴的纳科,而Service-Chain-Monitor关键功能是跟踪标识(4]。除此之外,选择设置microservice是用来监视用户会话,如开放Zipkin Twitter,猫VWAP, Naver指出,特定的用户共享相同的请求调用的服务跟踪的身份。
通过积累的记录日志,军种间的依赖关系的概率计算。然而,服务恳求估计,它纯粹是基于大量的定理。统计分析这种方法的定义如下。
定义2。(服务依赖关系)
给定一组年代microservice系统的所有服务,∀年代我,年代j∈年代(我≠j)。假设发票ij象征着调用从年代我来年代j和计数(发票ij)表示的所有发票跟踪标识符的数量ij在API网关日志。装进箱计数(发票ij)> 0的概率年代我根据年代j定义如下:
基于公式(2),读数可以定义如下:
定义3。(要求有向图,读数)
读数是一个元组(N,E),N⊆年代代表的一组节点。E={eij| w (eij)>0 1≤我,我≤n∧我≠j}代表的边缘。从节点eij象征着导演的边缘年代我到节点年代j与重量w (eij),由公式计算(2)。
从定义3,读数从API网关日志生成的算法1为每一个记录,该算法扫描日志。除了这个评估,协助服务ID的质证,更新节点,和直接读数的边缘线2到11,虽然功能query_services恢复请求者和响应者信息从服务注册中心。此外,函数find_or_new发现在有向图节点或边缘,而函数是用来更新计数跟踪标识符相关调用或服务日志。最后,在完成浏览,边的权重更新方法基于公式(2)(12到15行)(算法1)。
|
3.2。变化的影响传播计算
服务设置年代和修改版本年代′,方便实现改变服务的列表。服务注册中心是表示为S′S。此外,测量节点的影响S′S在其他节点,基于BP算法者优先,更新和信息传播方法提出了节点。同时,结的重复过程分析如下:
(1)节点更新。与此同时,没有限制在所有服务节点上的和变化的影响。因此,在这种情况下标准BP算法是不够的。该方法定义了“影响程度”来衡量变化对服务节点,节点度的影响S′S被定义为整数1,而上限价值和影响程度不受波动的影响。在最后阶段,其影响程度从定向边缘通过更新消息。然而,精通值应该是所有消息的最大价值。正式的定义如下:
定义4。(影响程度)
假设3为读数的定义。假设N我象征着附近的年代我和m霁代表信息年代j来年代我,其中t表示消息传播的迭代周期。然后,影响程度pt(年代我)∈[0,1]的年代我是递归地计算。
显然,影响程度后消息传播必须不低于早些时候消息传播,表示为pt + 1(年代我)≥pt(年代我)。
(2)信息传播。在图的情况下,直接表示为边缘eij,影响程度我将传播到sj根据重量w (eij)。因此,消息中定义以下方法。
定义5。(消息)
定义读数是3,eij∈RDG.E,和me年代年代一个ge米ij从传播年代我到sj:
自w (eij)≤1因此,消息值总是小于现有的影响水平。这种相关性来标示米ij≤pt(年代我)。
(3)收敛性分析。分类3.3和3.4显示计算影响传播的过程。当没有循环有向图,则非循环显示读数。当传播序列不超过读数路径最长边的数量,然后计算收敛。此外,还有一些其他类型的循环在读数。因此,更新系列是不令人满意。在这种情况下,它是分为两种情况:改变了服务和静态服务循环,分别讨论如下:(我)当有节点年代∈S′S在循环p0(年代)=1,在那里pt + 1(s)≥pt(年代),pt(s)≤1,然后pt(年代)=p0(年代)=1,影响数量的年代不是合理化通过信息传播,而边缘年代针对最后阶段不补贴计算过程和测量的干扰。与此同时,循环直接断开连接和转化为有向无环图。因此,计算过程收敛,呈现在图2。(2)为节点年代的循环,年代∉S - S,然后p0(年代)=0。根据定义4,消息传播循环不同步,直到循环收集周边信息。当有多个输入,输出函数马克斯依赖参数值。因此,多个输入消息在同一轮通过调整达到循环迭代。然而,计算循环过程分成三个阶段:①计算所有输入信息:在这个阶段,信息传播循环不更新。所以,它转化为有向无环图,计算过程收敛在这个阶段。②计算消息传播循环:作为输入达到循环在同一个圆,影响程度分配根据公式(4)。通过数学评估节点年代米影响最大的程度,这是用pt(年代米)。自从消息传播循环满足米ij<pt(年代我),最大的价值小于消息循环pt(年代米)。因此,影响水平不同步对多少消息传播的循环。此外,循环与定向边缘年代米删除和循环,从而导致计算收敛。③计算所有输出消息:根据第二阶段的结果,输出消息循环计算直接基于公式(5)。原理图的计算过程如图3。总而言之,通过定义影响度计算4和5,这是收敛的。为了简单起见,结果的变异传播计算直接放置在字典结构,它被称为change-impact-table (CIT)。同时,伪代码创建CIT从读数中给出的算法2。首先,影响度读数节点(1到3行)根据初始化S′S。其次,4号线用于CIT。第三,迭代计算迭代使用(6 - 8行)。此外,利用线9到13度通过消息来更新的影响。最后,重复的过程,影响程度,保持恒定的所有节点CIT(14行)。
|
3.3。测试路径优先级
测试路径优先级安排测试路径(TPH energy)是利用基于变化影响分析(CIA)的结果。然而,TPH energy评估进一步分为两个主要活动。(1)成对比较:这种方法侧重于简略优先级,test-path成对比较的变化形式。(2)启发式搜索:这种方法是完全基于多目标优先级。测试路线以及影响变异和执行服务覆盖通过基于启发式搜索。
3.3.1。成对比较
简略优先利用利用影响变异测试路径。因此,执行之前执行,因为变异强烈影响测试路径。此外,TPH energy过程被认为是生产分析队列,队列测试路径由两个步骤组成。(我)设置队列的头:test-path与众多服务被认为是队列。(2)更新队列的尾部:test-path通常关闭现有的尾巴。变化的影响是连接到队列的新尾巴,它通过计算确定变异在成对测试路径。
特定的测试套件T和服务设置年代为测试路径tp∈T。服务包含tp组成的子集是哪一个年代tp的年代。通过探测输出CIT考试变化的影响,影响水平的服务实现年代∈年代tp,CIT (s)表示。因此,影响程度的服务tp组成的组Vtp={CIT (s), s∈年代tp},而这种方法重点是测试路径tp变化,这取决于服务。然而,有两个测试路径tpa,“比较为了消除服务相同的影响程度。此外,基于组合操作,该模型是用来衡量的变化影响波动所示定义6。
定义6。(不同的变化的影响直流)
给定两个测试路径tpa和“假设(年代tpa,年代“)服务的象征tpa和“分别在哪里Vtpa={CIT (s),年代∈年代tpa}和V“={CIT (s),年代∈年代“},表示不同的变化的影响,定义如下:
在元素马克斯恢复是一个运营商的最大元素设置V。
因为影响程度CIT (s)∈[0, 1],得出元素马克斯(V)∈[0,1]和直流(tpa,图则)∈[0,1]。此外,伪代码所示为简略提出了优先级算法3。然而,算法的输入3包括CIT和测试套件,而输出主要包括assessment-based队列的测试路径。此外,的impact-degrees初始化每一个测试路线,和队列头发现通过遍历测试套件(1 - 7行)。最后,队列尾部持续更新直到添加完整的测试路线(8 - 18行)。
|
3.3.2。与世隔绝的搜索
简略的相关性限制优先级技术,用于忽略实际约束,在回归测试多目标方法利用最近的研究(19]。早期结构覆盖率最大化需要提高故障检测率,并优先级技术旨在优化语句,分支,和路径覆盖5]。Microservice回归测试将提供覆盖使用结构目标,应该应用于目标。太平洋保险是最大化的多目标优化指标,其中包括简单和服务覆盖。
然而,多目标优先级是两个步骤,用于生成测试队列。同时,每一步都需要监管,同时,在第一步中,直接决定测试队列的头两个选项。因此,选择测试路线将服务覆盖最大化。此外,增加高对选定的测试路径相关的影响。在启发式搜索技术,利用提到的选项。第二步将更新测试路径修复启发式搜索,基于定量测量。
根据定义6特区应用于测量改变的影响,尽管最合适的候选人的测试路径增加服务覆盖,用于测试队列。发现tp的服务集合S的测试路径tp假设测试的服务队列被指示为年代TQ操作通过使用Jaccard距离(38在之间年代TQ操作和年代tp。最大化如下:
定义7。(Jaccard两套服务之间的距离,ds)
给两个服务集年代一个,年代b,之间的多样性年代一个和年代b可以计算如下:
基于定义7,ds (S一个,年代b)∈[0,1],指定范围的dc和价值ds,而直流和ds,定量测量,必须需要增加启发式搜索,可以计算ds (STQ操作,年代tp)- - -华盛顿(TQ操作。t一个我l,tp)。TQ操作。t一个我lrepre年代ents tail of the testing queue. However, Algorithm4提出了多目标优先级。
算法4有类似的指标如输入、输出和控制结构与算法相比3。算法的主要区别4是测试队列,该队列选择测试路径。这个过程不断增加服务覆盖率和队列的尾部通过使用规则从1号线到9,而队列的值直接更新ds-dc(10 - 19行)。
|
4所示。实证研究
在Python 3.5执行实验,收集五microservice访问太平洋保险系统进行分析。部分用于描述案例介绍,技术,和评价指标,而实证研究探讨以下研究问题:
中移动太平洋保险可以改善的有效性microservice回归测试优先级?
此外,太平洋保险比典型的工件更实际的方法,基于历史数据像RTP microservice回归测试的方法?
4.1。案例介绍
以下5个microservice系统需要利用实证研究:(1)m-Ticket: multi-end基于弹簧折票系统是一个开放源码microservice框架,可以在这个链接:https://github.com/chillzhuang/SpringBlade。这些票服务可以用于各个领域,如交通、住宿、旅游景点、电影、支持服务管理、监视和跟踪。(2)z-Shop:这基本上是一个面向基于郑商城系统,这是一个开源框架的可用性在地址,https://github.com/shuzheng/zheng。然而,提到系统提供一站式管理服务商品,商店,内容推广,订单和物流。(3)需要:知识图系统需要工作在春天的云,提供数据收集功能,辅助分析、信息提取、智能查询,和其他生命周期管理服务。(4)内:这个系统检查数据收集、处理服务领域文献,进口、持久性、分析,并重复检查。(5)琼:OA系统主要形式春云,出现与综合信息显示等功能,文档循环过程批准,计划管理,组织人员控制,与多个部门和基金服务组织和秘密的水平。
表1描述了日志的数量、服务、测试用例,和错误的所有提到的病例。缺点各自版本的收集到相应的测试报告。应该利用后验方法采用实验设置,执行结果和测试时间的主要活动,优化测试用例,而表1代表m-ticket z-shop、需要、ka,和琼,这是相对简单的。设计文档、日志和测试数据的收集每个版本,满足工件的先决条件,基于RTP的技巧。此外,琼相对大量的服务,包括数据访问权限和多个团队的共同发展。基于RTP的工件直接方法不能应用于琼。
4.2。技术比较
太平洋保险与典型的RTP方法相比,考虑工件的技术支持三种不同的团体,而基于RTP的工件和控制,分别。(1)ws - bpel分析(WA) (12:这种方法依赖于流图模型,它是基于Web服务的业务流程执行语言(ws - bpel) [39]。ws - bpel模型的建设依赖分析检索信息服务之间的影响分析。这种方法计算权重,modification-affected服务优先测试路径相应地有更多的改变按照最高的体重。(2)积累失败的权重统计分析和相关数据(AF) [40]:这种技术重视基于加权图的测试路径失败历史和统计分析的测试路径之间的关联数据。在集成环境中,所有的数据需要维护。(3)服务覆盖(SC):这些方法优先测试路径,它有一个总数的服务。因此,多个测试路径覆盖同样数量的服务。(4)改变服务覆盖(CC):通常重视测试的技术路径,这是基于服务的总数量。这些资源直接需要覆盖。然而,多个测试路径覆盖相同数量的改变服务,要求随机。
在RTP方法,SC和CC集成控制基准的技术。实证研究将集中在比较遁世的寻找太平洋保险,必须采用每种情况下像CIPC-CP CIPC-HS,分别。相同的计算资源用于所有RTP技术确保考试的公平性实验。
4.3。评价指标
RTP评价指标如下(5,8]。(1)故障检测的平均百分比(APFD):这种技术需要测量的效率测试序列T。让n的大小T,让米代表故障集的大小F。特遣部队我描述测试用例的秩序价值,我th断层。因此,APFD方程计算(9)。虽然APFD更高的价值容易检测的缺点,然而,更高效的测试用例优先级如下: (2)优先级时间成本(PTC):这种方法措施的时间成本RTP技术利用优先级的过程。通常,PTC和APFD都视为NA。因为RTP的目的是降低测试时间成本,其中包含优先级的时间成本。然而,RTP技术更几乎花费更少的时间成本。
5。结果与讨论
5.1。数据和分析
给出了实验的数据表2。而CIPC-CP APFD值的范围从0.70到0.93的平均值有0.82,0.83到0.98,但是,CIPC-HS平均值被制定为0.89,太平洋保险达到microservice回归测试的故障检测率高。通过比较RTP技术,箱线图绘制代表APFD的值分布,因此,图4显然有更小的值的SC和CC与佤邦相比,房颤,太平洋保险。这意味着RTP控制非常低效率的方法来识别故障。覆盖测试路径之间的关系被认为是在控制RTP的技术和服务。然而,工件和基于历史的RTP方法用于获取更多信息,控制错误和变化的影响。信息检测的高概率故障需要发现通过改进优化的有效性。此外,RTP方法显著改善microservice回归测试的效率。
同时,APFD佤邦、房颤和太平洋保险值相似,这意味着传播计算直接改变的影响。然而,回归测试优先级必须实现高质量的有效性检测的缺点,而盒子的高度CIPC-HS远小于其他现代技术。此外,APFD值的波动CIP-HS包含降低值与其他方法相比。CIPC-HS试图采用多个目标,优先实现适应性测试路径。
PTC值给出适当的表2。尽管PTC一定值佤邦,房颤,显然远远大于SC, CC,和太平洋保险,前者几乎是比其他的高出两个数量级。因此,结果现在佤邦,房颤,成本高于SC, CC和CIPS。
用于过程控制流图模型,建立、分析和维护佤邦的时间成本。然而,房颤也分析了故障历史和测试路径之间的关系。工件和历史数据严重影响加工性能。另一方面,SC、CC和太平洋保险需要优先考虑时间成本,主要涵盖了相关的查询。使用这些服务需要很少量的时间在每一个RTP技术。工件,API网关日志与一般结构方法来自动化太平洋保险。因此,数据关系不能维持和平衡整个过程。故障检测率、SC和CC在实现有漏洞。此外,实现预期的故障检测率,太平洋保险相比节省了更多的时间与佤邦和房颤在分析优先级的不同趋势的时间成本、易于扩展的系统。不同的RTP方法代表了不同的结果,在图所示5。水平轴直接安排5例根据服务从小型到大型的数量值,而纵轴描述PTC在任何情况下的平均值。PTC方法的数值多样性在提到不同的值指标如SC、CC,太平洋保险,佤邦,AF。两行图表有不同值范围从纵轴绘制来促进这一过程。在图5优先级的时间成本的趋势相对需要增加随着时间的流逝。该方法提高了系统尺度,这是一个非常艰难的过程。琼的方法是在多个团队,必须获得实验的相关数据。RTP技术如佤邦和房颤永远适用于增强功能。但是,API网关日志容易收集信息从microservice系统的进化。太平洋保险的性能主要决定扩大日志,该优化算法和计算资源,而太平洋保险的方法是更实际的工件和历史过程,基于RTP技术如佤邦和房颤。这种方法用来提高microservice回归测试。
太平洋保险提高microservice在回归测试的有效性。此外,上述挑战需要解决与可接受的时间成本。
5.2。威胁的有效性
在实证研究中,有一些风险,需要在不同的实验测试,主要验证两个主要方面:(1)病例选择:在实际实验因素,如规模、复杂度限制,未涵盖所有类型的microservice系统,同时,与此同时,测试用例生成处理故障记录。但行为将全面、不会影响结果。因此,需要验证不同区域尺度和分布特征。(2)比较RTP技术选择:RTP技术与现有的工作。因此,必须引入实验有效性的风险。然而,佤邦和房颤是典型的RTP方法。在未来,更现代的技术应该与建议的解决方案。
6。结论和未来的工作
本研究解释microservice回归测试技术,它被称为太平洋保险。太平洋保险详细讨论的整个过程,验证了实证研究的有效性。建议的解决方案从API网关层日志检索服务依赖关系和影响传播计算有向图。另外,优先测试路径需要成对或与世隔绝的搜索相比。这个过程必须全自动和适用于microservice系统回归测试。在未来,这两个方面,包括粒度API网关日志的太平洋保险和服务依赖关系,必须给洞察概述相应提高。同时,太平洋保险等不同领域和模式中使用网格服务为实证研究收集更多的病例。
数据可用性
使用的数据来支持本研究的结果包括在本文中。
的利益冲突
作者宣称他们没有相互竞争的利益。