模糊多准则决策方法测量云采用软件测试的可能性

文摘

降低成本和提高组织效率,采用创新的服务,比如云服务是当前的趋势在今天的竞争高度激烈的全球企业。这项研究的目的是指导软件开发组织(SDO)云计算测试(CBT)采用。为了达到目的,本研究首先探讨了云计算采用的决定因素和预测软件测试。基于收集的数据,本研究设计了一种使用模糊多准则决策技术接受模型(FMCDM)的方法。表示模型的发展,本研究确定了预测的列表(主要标准)和因素(subcriteria)使用系统的文献综述(单反)。在单反的结果,本研究确定了七十subcriteria也称为影响因素(IFs)从一个样本的136篇论文。提供一个简洁的对事实的理解,本研究将确定的因素分为十个预测因子。验证单反结果和排名的因素和预测因子,实证调查与来自20个不同国家的九十五名专家。工业领域的应用价值和学术成就的研究一般框架结合模糊集理论的发展为提高指标模型。模型可用于预测组织采用云可能采取各种假设和预测作为评估标准。 The developed model can be divided into two main parts, ranking and rating. To measure the success or failure contribution of the individual IFs towards successful CBT adoption, the ranking part of the model will be used, while for a complete organizational assessment in order to identify the weak area for possible improvements, the assessment part of the model will be used. Collectively, it can be used as a decision support system to gauge SDO readiness towards successful CBT.

1。介绍

在过去的几十年中,软件应用程序变得复杂的,动态的,基于组件,因此分布式的、使软件测试一个具有挑战性的任务1]。行业报告显示,软件的20000行代码可能需要七个星期的不间断执行彻底回归测试(2]。许多软件开发组织(sdo)考虑测试过程自动化,缩短开发周期,降低测试成本(3]。此外,它是耗时和费力进行某些类型的测试手工回归测试,通过测试自动化,他们可以有效地执行4]。一旦测试自动化,可以重复运行和快速。测试自动化也被证明是一种经济方法与长期维护软件的回归测试拼写(4]。然而,这种类型的测试需要从SDO巨额投资各种测试工具和相关资源可能的使用在一段时间内,因为技术和应用进展。因为SDO是应该保留工业的变更,SDO发现很难和不升级他们每次2]。

由于云计算的重要增值特性(CC)、范例等大型资源池,自助点播、测量服务,广泛的网络访问,弹性和快速应用程序开发、部署和测试在CC环境已经比以前更大。这导致减少交货时间,提高生产率和资本和运营成本节约。除了无数的好处,它还姿势几个挑战的服务质量(QoS)保证包括高可用性、多租户问题,弹性,隐私和安全5]。CC被许多作者的范式转换计算,代替一个重要方式的改变提供计算服务,开发,实现,和支付6]。在实践中,在这个模型中,一个云服务提供程序(CSP),服务于公众,通过多租户使用的计算服务。潜在客户可以通过互联网获取和使用这些服务自动化的用户友好的界面。使用现收现付模式,服务消费是自动计量(7]。

目前,云服务提供至少三种不同的模式,即。,我nfrastructure-as-a-Service (IaaS), Platform-as-a-Service (PaaS), and Software-as-a-Service (SaaS). These services are typically organized in one of the four infrastructures which are public, private, hybrid, or community Cloud settings. In the near past, numerous business organizations have shown a growing interest in the adoption of Cloud services to support various corporate functions [8]。CC是五个最有说服力的技术在全球范围内排名第三广泛投资重要的IT服务在2013年(9]。根据麦肯锡最新的2018年报告,未来三年,企业将从开发利用它根本转变10]。各种规模的公司都搬到备用云服务,其中一个重要的举措是注意到在大型企业。CC的市场份额正在快速增加,30%的中小型企业(smb)已经获得了5个或5个以上的云服务,60%都取得了至少一个云服务(11]。而降低成本经常被认为在采用CC服务的主要因素,报告显示,质量是一个关键的预测对于云应用,同时遵从性和安全仍然主要抑制剂验收,专门为大型组织(10]。

如上所述,有三个CC的基本服务模型,即。IaaS, PaaS和SaaS。然而,当我们想要进行云测试,出现一个新的服务模型叫做软件Testing-as-a-Service (STaaS)或简单的taa。一个新的术语,称为taa或STaaS,已成为一个热点话题的讨论在不同的研究小组以及IT企业和云计算行业(12]。“taa”这个词最初是杜撰,妥善引入Tieto (http://www.tieto.com/)于2009年在丹麦。之后,taa已经被工业和学术社区广泛接受由于其效用优势风格服务模型,可伸缩的测试环境,要求测试服务,和降低成本12]。这个模型已经融入商业Sogeti和Tieto等产品。taa的CC环境审议作为一种新的服务和业务模型,taa服务提供者创建了一个软件测试环境,并提供他们为测试服务来完成测试任务和活动SDO来测试应用软件测试(SUT)或基于web的系统运行在云基础设施(12]。在连接到软件测试中,术语“测试云”,“基于云计算的测试(CBT),”“云测试”,“STaaS”和“taa”是现在广泛使用的同义词。

应对挑战的软件测试;使用CC技术将是最好的选择。虽然许多组织采用CC小心保证,测试似乎是一个地方他们愿意更为乐观。采用CC软件测试过程被认为是一个安全的决定,因为测试数据不包含任何敏感商业信息(2]。然而,采用CC软件测试还在初始阶段(13]。CC的采用率取决于小说因素的识别。之前采用任何重要的决定,应该排在云应用的重要因素。研究关注的采用CC软件测试仍然缺乏。此外,在CC环境既不划算的,也不进行测试这是最好的所有测试问题的可能的解决方案。此外,并不是每一个类型的软件测试在云的最佳人选14]。

SDO关心CBT必须有意识的对软件的特点和类型,适用于被测试在云环境中,使他们更好地使用认知行为疗法(15]。单元测试(特别是大型回归套件),性能测试,和大容量自动测试是理想的选择迁移到云环境(14]。与传统的基于web的软件测试,taa云基础设施有几个不同的需求和独特的功能(12]。一些需求从不同的角度(1)应用程序或SUT必须在线访问。SUT的可能是一个SaaS应用程序或non-SaaS应用程序。此外,这种考虑不同级别的测试,例如回归或性能测试;(2)不同的云部署模型如私人、公共、混合,或社区用于主机测试平台和基础设施;(3)测试云本身的16]。

此外,它不是简单的移动云测试;几个定量和定性因素的影响决定采用CC。例如,所有传统的工件必须搬迁到一个新的平台同时还坚持原来的质量属性和功能。这样的问题为什么测试迁移到云中,该技术将是合适的,哪些测试需要迁移,迁移到云的需求与CBT(回答之前17]。云平台传输测试时,使用的工具的测试需要转向一个创新的云环境,同时与开发环境。这些构件包括测试环境(如台和工具),测试计划,测试方法,测试用例,测试结果和它的文档,等等。相等的回报应该收获提供高风险CC平台构成,而移动应用程序测试(14]。

1.1。目的和目标

具体来说,本研究探讨了云的上下文中采用的决定因素和预测软件测试和开发云测试采用评估模型(CTAAM)决策对CC采用软件测试,特别是被称为CBT。CTAAM开发基于输入使用模糊多准则决策从专家的判断(FMCDM)的方法。该模型发展,我们进行了系统的文献综述(SLR)数据收集,运用我们的定制搜索字符串18]。七十年从单反的研究结果,我们确定影响因素(IFs)从一个样本的136篇论文。验证单反发现和对IFs排名,软件测试行业的实证调查与来自20个不同国家的九十五名专家。根据收集到的数据,我们进行了基于FMCDM两阶段分析方法。我们开发CTAAM模型基于两阶段分析的结果。CTAAM评价的两个案例研究进行了SDO。对IFs排名,我们使用基于发达FMCDM框架。为了这个目的,我们开发了一个评估规模与133项基于以前的研究。

1.2。研究的贡献

本研究贡献积极的学术文献在云上的上下文中采用软件测试通过确定不同的标准,是云计算应用的基础为未来的研究在这个领域。与其他研究人员,我们制定云采用指标问题。因为一些定性和定量因素影响决定对云应用表明采用一种指标的问题。此外,与其他研究人员,结合模糊集理论和指标,以更好地处理模糊、不确定性、专家异质性,人类biasness和主体性。详细,在我们的框架模型中,语言与平行值三角模糊数(tfn的)格式用于翻译语言的术语。处理专家异质性,这项研究使CTAAM能够积累几个专家通过各种预测和决定因素作为衡量标准。

模型做一个组织评估基于不同的假设和预测评估标准和可用于预测组织采用云计算可能采取各种假设和预测作为评估标准。开发模型可以分为两个主要部分排名和评级。来衡量个人的成功或失败的贡献IFs对成功采用CC排名模型的一部分将使用而对一个完整的组织的评估,以确定可能的改进的薄弱区域将使用评估模型的一部分。总的来说,它可以用作一个决策支持系统(DSS)来衡量SDO准备对成功采用CC CBT。模型的工业的贡献是它可以作为评估工具对SDO供应商和显示自己的弱点使用一个扩展的模糊版的摩托罗拉仪器专门为本研究扩展。开发的模型通过FMCDM方法可以处理专家判断的不确定性和模糊性,但他们不能识别组织的弱和强区域。因此,我们的框架模型在本研究中使用摩托罗拉评估工具(19,20.在案例研究)。类似于我们的先前的研究21- - - - - -23),本研究也延长了摩托罗拉的模糊环境评估工具建议为其三维tfn的规模。现有的摩托罗拉指南(19,20.5分李克特量表)都适合。我们更新指南级李克特tfn的介绍而不是偶数(0、2、4、6和10)。我们设计了七个点语言量表来评估133件的重要性权重。规模发展是另一个贡献。

模糊理论的贡献研究总体框架的设计和结构改进多准则决策模型。其他研究人员和从业人员可以使用该模型结构和过程作为模板开发FMCDM模型和决策框架,组织能力改善,和评估企业,组织,或公司的其他相关领域。此外,排名的部分可以采用CTAAM工具,设计一个独立的优先级或权重排名不同的风险或成功因素的影响而评估的一部分CTAAM可采用开发迷你评估工具。总的来说,它可以采用DSS。

1.3。论文大纲

剩下的纸是组织如下。在第二节中,简要回顾研究的领域CBT随后迅速利用模糊集理论的动机。部分3描述了数据收集和分析的研究方法。接着是通过排名和评级结果部分4。部分5讨论结果,而部分6论述了研究的局限性。最后,部分7总结了纸。

2。背景和动机

云测试是软件测试的过程基于CC技术(5]。云测试可以测试云本身或taa云。在这项研究中,我们关注的是测试应用程序在云中,即。,taa。一群专家架构师和性能测试人员从英国领先的web负载和性能测试公司(http://www.CloudTesting.com/)发起了云测试服务网站和Web应用程序的负载和性能测试24]。

当前文学CBT周围和工业白皮书的形式报告。然而,随着学术研究CBT收益受欢迎,科学研究也越来越多22,25- - - - - -29日]。研究人员检查特定类型的测试(28],其架构[30.通过案例研究[],适用性31日),实验(31日),和工业调查25]。其他相关研究,关注[概况32),测量(25,33),总结现有的工作(34]。

调查文献[35CC研究社区)带来了一些问题,这涉及到合适的软件测试解决方案。费尔南德斯和开采宝石者36)定义了CC范式及其对IT组织的影响。Bertolino et al。37)确定各种引用和流行语。白等。24]建议像SaaS云测试工具测试,新发展跨云测试、实时结果处理和动态适应性测试、可靠性测试、服务水平协议一致性测试,安全性和可靠性测试。Nachiyappan和贾斯特斯38云测试工具的概述。在比较研究中,他们讨论各种挑战CC测试工具。Titinen [39)在其硕士论文识别软件测试工具选择的关键因素。他们还将测试工具测试管理,执行比较,框架,和测量工具。没吃,Suma (40CC]进行研究测试工具,Devasena et al。41)提出一个云计算的负载测试工具。

然而,这个研究领域还不成熟26]。目前,绝大多数的先前的研究解决了云测试的核心架构。此外,大多数先前的工作集中在云服务的评估。相反,这些服务的定制关于软件测试在很大程度上忽略了在前面的文学。更重要的是,很少有研究关注云采用(42- - - - - -48),但他们不是形式进行软件测试,唯一的例外是(22,25]。最近的一项调查对云测试(49)确定缺乏云测试采用模型指导决策者,何时以及如何测试移动到云,根据不同的决策因素作为研究缺口。因此,我们的研究将试图弥合差距的一些最重要的研究开发研究对SDO模型适应性强和可伸缩的。

2.1。动机和新奇

决定是否采用云作为测试工具是必不可少的,因为错误的决定可能后果损失的资源和努力。缺乏知识和一定的信息技术使它不确定和模糊的。因此,不可避免地,大多数的关键决策不确定性条件下,任何疏忽都可能导致可怕的后果。模型和框架已经推荐支持决策者采用CC,合并行为等各方面需求,业务目标、服务和质量,迁移成本和技术挑战。例如,排名的指标模型并选择云服务包括六个因素,即问责、成本、保证、灵活性、性能和安全(50]。尽管有许多模型决策(42- - - - - -48,51- - - - - -55),但他们不是形式进行软件测试,唯一的例外是(14,22,25]。此外,他们中的大多数(42- - - - - -48,51- - - - - -53)不是基于模糊集理论。此外,他们也提出了服务选择46[]或云供应商选择46]。有趣的是,没有一个人提出了软件测试或taa。唯一的例外是在(14),提出一个叫做SMART-T决策框架。SMART-T起源于面向服务的体系结构(SOA)迁移,收养,和重用技术(智能)[56),T显示测试。SMART-T包含三个部分:业务驱动因素、技术因素和操作的结果。SMART-T开发基于业务驱动因素和技术因素。此外,它不是基于模糊集合理论的发展。此外,我们没有发现任何研究采用CC的角度来看,处理含糊不清,或专家的决策的不确定性。

我们的研究将有助于现有文献在云计算应用和软件测试。与前面的研究不同,我们制定云计算采用的指标问题。因为一些定性和定量因素影响决定对云应用表明采用一种指标的问题。与先前的研究相比,我们的研究具有以下意义。首先已开展,很少研究CBT。其次,没有压缩研究云计算应用软件中可以找到相关的文献。因此,本文是最初的努力提供新的有价值的洞察力在CC软件测试技术的采用,这被认为是一个新兴的研究视角在自动化测试。第三,除了CBT的重要性,非常有限的证据的相关文献可以发现,认知行为疗法采用的讨论方面通过系统的理论评价模型。事实上,运筹学的应用模型和理论,特别是技术采用理论和云的指标方法的上下文中采用软件测试仍然是未知的。因此,提出了一种采用云测试评估模型(CTAAM)和连接组织采用的各种影响因素,其核心结构目的是审议作为一个有价值的工具,这是本研究的根本性的创新。最后,先前的研究只有利用指标(45- - - - - -47,51,57)方法对排名影响因素及其维度和预测组织的意图采用云技术,但他们不进行软件测试,唯一例外的是(25]。除此之外,我们并没有发现任何的研究中,处理模糊性和不确定性,专家的决策以及因果关系的确定因素同时从采用CC的角度。异质性处理专家,本研究开发一个模型能够聚合多个专家的决定通过使用多个指标和因素作为衡量标准。在我们的框架,提出多个专家可以参与排名的调查和评级评估案例研究。此外,与先前的研究不同,本研究为专家提供了一个谦逊的语言规模在第一列的表1和2。

2.2。应用模糊集理论的多准则决策(指标)

在实际决策问题专家通常必须决定与不精确的、模糊的,或不完整的数据58]。自然语言模糊性存在的条款,如好还是最好的,比,小于,相当大的,重要的,重要的,未被执行,部分实现,得到全面实施,实现,实现,优秀、合格,略微合格等。59,60]。模糊或模糊性数据可能是由于贫困规模边界(61年]。所有实数大于1的一个熟悉的例子是一个类对象的边界在哪里不清楚或者定义糟糕的58]。处理模糊性通常铰接在决定数据从专家的定性独立判断由于不确定性、不完整或含糊不清的数据,基于规模的数量可能不足以模型实际指标问题[62年]。

此外,影响因素不是同样重要的影响因素可能是完全不同的关于他们的成功贡献59]。因此,它更直率和现实专家等级IFs例如”因素F极贡献对采用CC”而不是猜测“因素”F“70%的贡献对CC收养”。将异构信息转换为单个表单可能导致失去重要的信息(63年]。

在实践中,决策通常需要主观的专家提供的数据(64年]。很明显,不同的专家有不同的偏好结构、知识水平,和复杂的决定能力基于自己的经历(65年,66年];因此,一个好的决策模型必须容忍模糊或歧义在专家判断60,65年]。众多研究人员建议将模糊集合理论(54,55,58- - - - - -67年)分配由专家主观决策。在FMCDM模糊统计方法是通过模糊集表示为模糊数。在模糊集,协会的程度是分配给对象的论域。物体在这种方法可以满足一些复杂的类的对象只有部分协会(67年]。

2.3。模糊多准则决策(FMCDM)

德(67年)是第一个研究将“模糊集理论”,提出了主观决策指标的方法。它已被广泛采用在人类决策模型的不确定性。它也极好解决不确定性指标的收集数据。一些研究人员发现,专家的主观模糊判断可以通过集成的模糊集理论(59,60,65年,66年与指标)。在一个模糊集,语言术语用来表示模糊变量,然后使用预定义的语言翻译成相应的数值规模(65年,66年]。

2.4。模糊数和模糊集

一个模糊集隶属函数对象分配一个分数的协会在其宇宙的信息在0和1之间。图1显示了x的三个顶点的坐标l低,米中央,u上的µ一个(α)在一个模糊集来U是一套通用物品{α},一个模糊集在宇宙的信息U由其隶属函数定义如下: 分配到每个{α}的协会在区间[0,1]给您=分数的成员α在 ,赋值在0到1,也就是说,

一个模糊集也可以由一个连续的隶属函数表示 。

2.5。语言的规模

传统的扩展方法面临困难标签的标准过于复杂或难以定义67年]。对抗的后果模糊性语言使用规模。语言与平行tfn的主体性的分发事件具有一定现实意义。替代品的适当性和标准和标准的重要性权重评估使用语言范围和相应的模糊数(59,60]。一些研究人员(21- - - - - -23,59,60,65年,66年)推荐语言规模来描述这种情况。

受above-reported研究的启发,本文语言与平行tfn的分数是用来复制的信息。准确地说,我们设计了七个李克特语言尺度IFs排名通过133件。七李克特语言尺度如表所示1被用来确定因素的重要性排名通过其项目发现单反在阶段2。

同样,七个语言尺度如表所示2基于摩托罗拉设计评价工具。案例研究公司被要求评价项目实施的水平在摩托罗拉的三维评价工具(21),即。,results, deployment, and approach as presented in Table3。

3所示。研究方法

提出的研究模型而言,我们已经开发出了包括实证研究方法基于混合物的定量和定性研究方法,数据收集和两阶段FMCDM审议下面方法进行分析。阶段1:识别关键影响因素(CIFs),数据收集的早期阶段,使用单反。阶段2:使用模糊等级确定的CIFs FMCDM同时验证单反相机发现,进行了问卷调查。阶段# 3:基于问卷调查的输入和单反CTAAM开发阶段3。阶段# 4:评估通过FMCDM CTAAM方法同时评估其有效性在实际环境案例研究被执行死刑。

3.1。系统文献综述(SLR)

本研究进行单反(68年)的关键因素采用CC软件测试。在进行单反之前,我们设计一个审查计划称为协议。我们有单反协议与初步结果发表在会议论文(18]。

3.1.1。复习计划

它减少了研究者的偏见和提高评估准确性和可重复性68年]。特别,它概述了研究原理、搜索策略,研究问题,文学和质量评估包含/排除清单、数据提取和综合计划(68年]。图2说明了单反的主要阶段过程。搜索条件的建设。的搜索阶段,研究承认的范围如下:人口。主要研究“云测试”、“测试云”,“云测试”,“testing-as-a-service,”和“taa。”干预。主要发表研究报告基于云的软件测试的成功因素。结果的相关性。CBT采用相关因素列表。实验设计。任何形式的实证研究。下面的例子展示了上述部分:(什么因素/挑战]⟶“干预”在[云软件测试]⟶“人口”这影响到采用云⟶”的结果相关性”

KEYWORDS_ABSTRACT_TITLE

(软件或应用程序或程序)和(或或验证或维护或接受)和(云、云计算、taa或测试服务)和(因素或激励因素或司机或元素或参数或特征决定或标准或“教训”)

搜索计划:我们选择自动搜索方法用于出版,因为手动搜索是不容易的对于数字图书馆可用文档的数量超过数千。下面给出最终的搜索字符串。文献的选择:在这个步骤中,调查人员列表搜索来源,包容,和排斥和质量标准。后选择来源:单反指南(68年),我们选择了七个搜索引擎/数据库相关研究主题运行一个详尽的搜索(68年]。选择数据库特点的基础上,如覆盖索引文章(期刊、会议、或书籍)、可用性研究和对软件工程领域的重要性。下面是七个数据库,我们选择。(1)ACM_digital图书馆http://www.acm.org/(2)Scholar_Googlehttps://scholar.google.com(3)IEEE_Xplore -http://ieeexplore.ieee.org/(4)Cite_Seer -http://citeseer.ist.psu.edu/(5)Science_Direct -http://www.sciencedirect.com/(6)Springer_Link -http://link.springer.com/(7)Wiley_online图书馆-https://onlinelibrary.wiley.com/纳入和排除标准:一个包含和排除标准定义来验证每个研究的重要性和实用性。表中列出的相关标准4。质量标准:质量检查表中列出5。检查表将得分基于三个可能的答案;是的,部分,没有。如果任何检查不相关的文章,那么它将被排除在特定研究的评价。这些研究将不提供基本的信息对他们的研究方法将在质量评价得分低于50%,将被排除在外。

数据提取:独立主评审员将审查所有的论文。在需要指导的情况下,二级评论者将接近。执行的审查:审查进行了从2017年6月到2018年9月。支持协议的试验中,我们使用的尾注X7工具主要研究的对照组和纸张选择和存储。此外,Microsoft Access被用来管理数据提取和质量评估。

3.2。实证调查

排名确定的CIFs使用FMCDM同时验证单反的调查,问卷调查是在软件开发行业。问卷调查作为一个适当的方法收集心照不宣的定量和定性的事实(69年]。问卷调查的过程可以分为两个阶段,设计和抽样。在设计阶段,设计一组问题回答的样本。在采样阶段,研究者发现,列表,选择,并邀请合适的专家问卷调查(作出自己的贡献70年]。下面简要描述过的部分。

3.2.1之上。实现在线问卷调查

调查可以使用商业或自主研发的开发工具。我们使用Google drive类型的问题和所需的脚本和网页出来结果。这是一个商用在线应用程序。它还有助于收集参与者的反应,因为它促进了重发的链接通过电子邮件没有回应。问卷设计是通过六个成员驾驶我们的实验室,并相应地进行了必要的修改。

3.2.2。数据收集

调查调查审议是一个合适的方法收集心照不宣的定性和定量数据(69年]。问卷调查的问题有两种类型:开放式,也称为主观,封闭式,称为目标。主观问题允许各种各样的答案从受访者,而对于目标,只有一个选择可以选择从可用选项。这种数据采集的方法有助于减少偏见的威胁有关侦探的偏见。它鼓励被申请人给她/他的观点对于一个特定的问题[69年,70年]。一份调查问卷之前,每个参与者都发送一份邀请函的问卷。这封信介绍问卷调查的主题,预期的持续时间,可以采取措施,确保隐私和机密性。我们专注于获得语言的重量影响因素(物品),因为并不是所有的因素同样重要的连接采用CC的软件测试。

3.3。分析方法

进行分析的目的,我们使用FMCDM框架在下一小节中介绍。

3.3.1。FMCDM框架测量云采用软件测试的可能性

本文旨在提高软件测试的CC采用的经验知识。最近,指标的使用方法在信息科学和软件工程一直在增加。在这篇文章中,我们成功地采用FMCDM CBT的评价和评估的软件行业。陈述研究模型开发,我们已经将竞选实证研究方法使用定性和定量研究的技术对数据收集和指标模型开发和评价的方法。一个FMCDM框架模型如图3开发等级和利率确定替代标准通过组合多个专家决策如下审议。

阶段1:通过单反识别的影响因素。找到影响因素采用CC CBT,审查协议执行选择论文通过五个不同的阶段。在第一阶段,数据库的选择后,搜索字符串应用于选定的来源和我们有1650篇研究论文进行进一步的过程。返回文件的数量在每个数据库表所示6。在第二阶段中,我们阅读标题和关键字和入选标准适用。在第三阶段,我们阅读摘要和结论和应用排除标准。在第三阶段,我们也排除了29日的研究,反复在不同的数据库中。在第四阶段,我们读剩下的文章的全文和应用质量标准,包含/排除在研究结果中描述的审查。数据提取和执行阶段后,我们从样本中提取的列表引用136篇论文,其中每个引用描述影响因素的列表。主评审员与二级审查员审查这些引用这些名言划分为不同的类别。最初,82个类别标识;综述了这些和合并到70个不同的因素。

3.3.2。分类成不同尺寸的确定因素

本研究提出了缓解的参与者理解语言术语中,参数化tfn的精确的个人分歧或协议确定预测的重要性(主要标准)和因素(subcriteria)。我们关心的是发现的,因为所有的标准(因素和预测)不是同样重要。对预测排名,我们把它叫做subcriteria成小因素。

数据收集通过单反后,确定因素(也称为本节subcriteria)框架为十二个主要变量,十个独立(也称为本节主要标准),一个中介,一个因变量。七十年影响因素,确定了11个在云上采用有负面影响,这些都是任期壁垒。59因素分成十个主要变量,应该积极影响采用集体决策而11壁垒形成一个变量,应该采用决策(图产生负面影响4)。

3.3.3。规模发展和验证

问题和本研究的物品来衡量因素已经借用了前面的研究采用CC。天平用于收集调查数据对各种预测和因素用于这项研究说明在附录a中补充材料。最好的方式保证内容效度是选择项目从早些时候证实规模71年]。因此,在这项研究中,我们试图从之前的借项研究显示广义见解。进一步提高问卷的设计和内容,调查问卷被送到两位专家在这个领域和学术界的两位专家在相关领域进行研究。他们的评论是相应的合并。基于单反的结果,我们已经确定了10个主要标准和七十subcriteria如图4。这些标准测量通过一百三十三件在一个基于专家经验的问卷调查。并给出了项目在附录a中补充材料。

阶段2:通过实证调查影响因素权重。排名影响因素,验证单反的结果,实证问卷调查。调查调查被认为是一个适当的方法收集心照不宣的定量和定性数据(69年]。单反问卷结果作为输入。主要的重要性权重和subcriteria评估通过语言范围内用tfn的(59,60]。在这项研究中,我们把模糊评分权重调查(见表1案例研究(表)和实现2)。具体来说,基于tfn的第二列所示的表1和2翻译,我们的专家意见处理通过FMCDM框架。

3.3.4。获得重大的重量通过FMCDM影响因素

计算的过程描述的重要物品的重量是以下步骤:第一步:生成一个决策矩阵重要性权值的项( )。调查的参与者( )被要求给他们的主观判断的重大重量(每一项在哪里我代表项目,b代表项的数量,一个代表了一个专家的数量)通过语言变量如表1,例如, 在哪里代表了专家和总数代表物品的总数,= ( )代表着模糊的重量项目由受访者。步骤2:每个专家的独立评估,根据他或她的变化,观念、知识、角色,和经验的主题。因此,我们计算平均分数累积模糊每个项目的重要性专家。 在哪里= ( )代表累积模糊权重的重要性bth项。步骤3。累计模糊重要性用于计算的最佳nonfuzzy性能(BNF)值 。 可以使用 在哪里表示最好的nonfuzzy性能(BNP) TFN的分数而重大的重量吗项的数字格式。当地的队伍将获得通过 。步骤4。tfn的去模糊化后,在步骤4,清爽的数字计算和归一化(7),而项目的全球排名通过方程(7): 在哪里表示归一化的重要性项, 。第5步。自每一项措施subcriteria的不同方面,我们将累计平均得分方法最好的模糊的重要性每个subcriteria(因素)。 在哪里代表了法国的重量(subcriteria)中的每一项特定的因素,总项数代表了测量的因素是所有项目的总法国体重的因素。

3.3.5。计算通过FMCDM显著预测的重量

步骤6。使用(BNP重量的物品),我们可以获得 ,法国巴黎银行预测使用的重量 在哪里代表了法国的重量中的每一项特定的预测,代表的总项数预测。我们还获得和正常化的数量为每个预测和每个因素在预测使用方程(10)和(11): 在哪里代表了规范化的意义的重量因素等, 。 在哪里所有项目的重量之和代表了规范化的意义的重量预测, 。

阶段3:通过案例研究评级的影响因素。评估CTAAM通过指标的方法,同时评估其有效性在真实的环境中,两个案例研究被处决。案例研究可以提供足够的评价在实际工业环境(72年]。类似于问卷调查,在这里我们也翻译专家的判断tfn的格式,但和他们不同的是,我们使用的扩展版本摩托罗拉评估工具(21)来评估SDO准备向云采用CBT。评估的影响因素,找到不同的实现维度在评估案例研究中,我们还将模糊集合理论。7个语言范围如表中所示2基于摩托罗拉评估工具的尺寸设计案例公司利率因素在摩托罗拉的三维评价工具(73年),如方法、部署和结果如表所示3。

3.3.6。获取软件测试的准备通过FMCDM组织采用云

程序计算的实现程度描述的项目在特定组织下面的步骤:(我)第一步:生成三个矩阵 , ,和实施项目的速度( )。一个,D,R摩托罗拉表示的三维评价工具如表所示3。调查的受访者( )被要求给他们的专家判断的程度实现各自项目的组织指导方针后,摩托罗拉评估工具如表中所示3,通过使用语言规模如表所示2,例如, 在哪里表示项目的总数表示的受访者总数和= ( )表示模糊实现分数提供的物品被调查者的项。在获得三维评估分数( ),我们计算的平均得分使用 在哪里米代表的意思是,表中给出了一个例子7。步骤2:因为每个专家的判断为同一项可能是不同的根据他们的角色,专业知识,理解和感知的主题。因此,我们使用了平均分数的方法得到累积模糊实现每一项的得分专家通过方程(14): 在哪里= ( )表示总模糊的重要性项。步骤3。累积TFN的计算获得法国巴黎得分。可以使用方程(15): 在哪里表示TFN的BNP值和表示的评级项崭新的数字格式。步骤4。自每一项措施subcriteria的不同方面,我们计算平均分数总最好的模糊的重要性每个subcriterion(因素)。 在哪里代表的法国实现个别项目在相应的因素(subcriteria),代表的总项数因子是BNP的重量的总和所有项目的因素。

通过FMCDM阶段# 4:评估。一旦我们想出了排名和评分,然后很容易估计成功的可能性。成功与预定义的标准,将评估价值。,收养≥70%。这个过程是解释如下。

3.3.7。决定成功的云计算应用软件测试的可能性

有一次,我们想出了的和物品的重量和因素(subcriteria)和和项目的实施和因素在各自的组织中,那么很容易估计成功的可能性基于项目使用方程(17由方程()以及基于因素18)

从成功的可能性,我们可以很容易地计算出故障的可能性。

# 5阶段:通过使用摩托罗拉FMCDM评估工具评估。在评估的结果,对于低(小于70%),结果模型将有助于查明疲软的影响因素,为进一步改善预测在高速率的结果将直接采用和路标对增强领域。

3.3.8。为未来的增强识别弱区

BNP的重量的物品是用来计算BNP的权重因素和预测。如果代表的因素和实现表示预测的实现,那么可以使用(19)和(20.),分别为: 在哪里k代表的总项数的因素是所有项目的总法国实现实现的因素。 在哪里h代表的总项数和预测指标是总法国实施措施,预测的所有物品。

4所示。结果和分析

本节演示了我们的研究结果。本研究提出了一种对CBT技术接受模型,基于因素通过单反和问卷调查,确定使用将专家知识和情报有关CBT技术决策。这里给出的结果得到分析的基础上收集的数据在第一阶段,即。,排名和评价这些数据通过使用FMCDM工业调查和案例研究。

4.1。结果通过排名通过实证调查的标准

本节介绍了结果采用FMCDM技术来分析收集到的数据通过单反。我们已经识别出133件测量十预测称为主要标准通过FMCDM使用70次级因素。

以下4.4.1。使用FMCDM重的因素(subcriteria)

一百三十三件如附录a所示补充材料被用于我们的规模等级预测通过问卷调查和因素。九十五位专家参与加权过程通过问卷调查。重量计算过程如下:(1)这些专家被要求给他们的主观判断使用语言的项目规模呈现在表1。(2)语言评估然后转录成相应的TFN的如表所示7同时预测M2:“感知性能期望”为例。(3)因为每个专家的看法是不同的由于他们的角色,工业经验,资格,等等,方程(5)的合成聚合TFN的( )补充表中列出2列4。(4)然后,去模糊化的TFN的获得法国巴黎的格式进行使用方程(6)。结果补充表所示2(BNP_WJ)。BNP值用于进一步计算为全球排名和当地排名如补充表所示2列7。(5)脆在第4步得到标准化,规范化的重要性项目获得了方程(7),进一步用于查找每个项目的整体排名。结果提出了补充表2列8(第二最后一列)。是用来获得一个全球排名所示每一项补充表吗2列9(最后一列)。因为一些因素和障碍测量使用多个项目,单个条目分数的因素BNF格式转换为平均得分在相同的BNF格式使用方程(8)作为补充表所示2(最后一行)。指的是方程(8),法国巴黎的重量因素(subcriteria)是BNP的平均重量的所有项目各自的因素。

使用 ,我们得到了当地排名的因素(subcriteria)预测(主要标准)作为补充表所示2第二最后一列( )。

4.1.2。权重的预测由FMCDM(主要标准)

指的是方程(8)和(9),法国巴黎的重量因素(subcriteria),是BNP的平均重量的物品,各自的因素,而法国的重量预测和是法国巴黎的所有项目的权重之和的预测。我们首先计算利用方程(8),然后我们发现在预测因子的重要性(排名)(本地重量)使用( )。整体排名的因素是通过分裂重量的所有因素的总和,也就是说,指的是方程(10),50.2752在我们的研究中,以补充表2(最后一行)。预测排名中,我们使用规范化的重要性,每一个预测的重量计算方程(11)。提出了预测表7,在那里预测和规范化的重量是显示了总重量,法国巴黎重量之和吗所有的物品,可以通过补充表2(最后一行)。

4.2。通过评级结果的影响因素

获得的实际水平的实现使用不同的物品在SDO组织影响因素,进行了案例研究。案例研究是一种适当的方法来提供足够的证据在现实世界的工业环境中。

更特定的和自信在我们的评估中,两个不同的案例研究进行了SDO在两个不同的公司。公司选择,因为他们提供特别详细描述不同的SDO的活动。如果一个项目或因素有很强的实现在公司,那么成功的可能性在采用云未来的项目增加。可能实现的因子(subcriteria)关于每个预测(主要标准)计算如下:步骤1:案例研究的参与者被要求提供他们的独立看法的程度实施每一项在各自组织从摩托罗拉的三维空间通过选择语言方面补充表所示3将摩托罗拉的指导方针给定的表3。第二步:语言然后转录成相应TFN的条款。平方米(PPE)的一个例子:“感知性能期望”如表所示8。步骤3:三维分数然后TFN的格式转换为平均得分在同一使用方程(TFN的格式13)如表所示8。步骤4:聚合的评估参与者的主观判断因素(因为每个专家的看法不同是由于他们的角色,经历,和教育水平,等等)。方程(14)的合成TFN的表中列出8(最后一行)。第五步:然后去模糊化TFN的实施获得法国巴黎的格式使用方程(15)作为补充表所示3。

4.3。确定采用云计算的成功可能性

一旦我们有一个体重的重要性和可能的实现的物品,那么很容易计算的可能性成功采用使用(19)。国际信托的可能性成功采用如表所示9(最后一列),而b公司的表所示10。整体的成功价值等于所有项目的成功价值的总和。成功价值0.5意味着成功与失败的可能性为50%。一旦我们获得成功的价值,那么失败的可能性可以使用常见的概率计算方法。

4.4。通过评价预测结果在组织

国际信托的实现给出了表9。很明显从表9国际信托没有实现任何预测因子(主要标准)。此外,P_成功还不到70%。我们的模型并没有建议国际信托采用云这个时候因为有50%的可能性成功和失败。国际信托增加收养的机会,必须专注于感知业务问题没有实现。同样,基于表中给出的结果10b公司,实现了七个预测因子;然而,P_成功还不到70%。基于实现分数,b公司相对更安全,如果搬到云环境。完整实现,b公司必须关注弱势因素感知业务问题(M10),这将进一步增加信任,会刺激公司b采用云计算。

5。总结和讨论

本研究的目的是优化预测以及对整个subcriteria排名。首先,十个主要标准是列为CC采用“可行性计划和风险分析,0.11”;“感知程度的云资源利用率,0.1168”;“感知努力期望,0.1141”;“组织能力和容量,0.1128”;“感知程度的信任,0.111”;“感知的业务问题,0.1020”;“组织动态和业务驱动,0.0999”;“外部刺激,0.0924”;“感知绩效期望,0.0745”; and “Perceived economic benefits of Cloud adoption, 0.057.”

据预测,我们发现可行性计划和风险分析,感知程度的云资源利用率,感知到的工作寿命的三大因素是云的上下文中采用软件测试。这意味着,目前测试在云并不适用于所有类型的软件。此外,大部分的测试技术不能应用于云环境。此外,目前在云不是完全自动化测试和测试人员只剩下的艰苦的任务编写脚本和配置测试环境。利用云资源也是有限的由于可行性和适用性的不同类型的软件测试和类型的测试在云环境中执行。此外,测试人员还需要进行测试。这可能是原因,“经济”的好处云采用低体重和排名低。此外,感知性能期望是第二个最低有效预测在我们的研究中。这可能是原因,采用CC在软件测试领域非常缓慢的价格相比其他领域。研究支持结果如下:(我)移动到云计算的第一步是CC资源的深入了解以及它们与他们的需求。也必须SDO实现并分析了CC增值特性和继续只有越来越需要这种方法(56]。(2)找到一个问题的答案“当测试迁移到CC平台?”一位必须检查SUT的特点,认为支持测试方法在CC环境中,偏好,自然,和依赖的测试执行74年]。如果大多数这些次级因素不能在云环境中运行,那么云采用被认为是可行的;否则,决定停止迁移可以(74年]。(3)要采用云测试服务之前,您必须看方法通过测试,测试服务的服务提供者提供,为了计划最好最大利用云平台的测试(25]。(iv)taa可以热情洋溢地支持行业如果它支持更多类型的测试如敏捷开发通过连续的回归测试(56]。(v)感知易用性大大加重了对愿意采用CC服务(45]。结果显示,方便和易于使用的主要激励因素是云服务采用(45]。(vi)自动化可以鼓励采用一个服务。相反,如果一个服务需要巨大的人力物力,这可能影响采用(75年]。(七)尽管云测试的重视,它是极其复杂,目前缺乏适当的工具来支持它(76年]。(八)需要额外的努力在云中部署应用程序和设置测试环境(77年]。(第九)对于简单的测试用例,使用CC可能会增加成本和系统复杂性的任务(78年]。(x)自动化鼓励CBT技术的采用。相反,如果一个工具或服务需要巨大的努力,这可能限制其采用(75年]。(十一)测试自动化的提高质量和降低成本是最重要手段(79年]。(十二)根据局部的调查(80年),目前28%的测试用例自动化而高管需求无法筹集到这么多。采用自动化测试软件行业的主流,越来越多的公司将采用认知行为疗法。(十三)的作者(56taa)表明,未来的工作需要完全专注于自动测试用例。他们检查当前可用的工具和服务,发现只有BlazeMeter可以提供完全自动化的性能和负载测试56]。

的行列subcriteria在连接采用“抄送”补充表中给出了软件测试2。在70 subcriteria,十大标准支持多向测试,0.018547;最高管理层的支持,0.018471;界面可用性,0.017637;标准化;0.016031;降低员工成本,0.017257;定价和部署模型,0.016830;员工支持CBT, 0.016723;资源可用性,0.016637; perceived IT risks, 0.013693; and service automation, 0.016500.

十最低有效因素的权重降序从61年到70年是监管要求,0.012336;改善developer-tester协作,0.011930;风险分析,0.011784;竞争对手的压力,0.011492;安全,0.011027;不相容,0.008024;性能不确定性和停机,0.007983;法律问题,0.005898;通过SLA的QoS保证,不足0.004413;和保密的担忧,0.004020。

Priyadarshinee et al。71年通过模糊层次分析法)排名的因素。他们识别组织风险、共享和协作、机密性和完整性,安全性和隐私上的因素。根据他们的说法,安全和隐私,共享和协作、机密性、和完整性产生重大影响的四大因素采用CC。竞争压力排名由我们在中间(排名20的51),但与他们不同的是,我们有相对较低的体重安全和隐私。原因可能是测试数据不敏感;因此,组织不担心数据的安全。(我)迁移测试CC环境预期是一个安全的决定,因为测试不包含任何敏感的业务数据(2]。(2)迁移将名义影响公司工作像往常一样的行为(26]。(3)组织没有对安全的担忧,软件测试可以合适的地区之一,可以搬到云平台49]。

然而,隐私的个人信息和测试结果仍然担忧SDO。保证隐私、灾难恢复和备份激发客户的信心在云采用软件测试。(我)因为测试不包含敏感信息,安全问题相关资源的隐私和机密性的测试结果81年]。(2)采用云软件测试前,必须决定是否云安全的敏感信息(35]。(3)一个可接受的测试服务本质上是地址问题相关的多租户,以及上传材料的安全性和机密性的测试结果(82年]。(iv)所有租户的数据在云存储在共享的基础设施使用共享的单一实例,因此很难保证数据机密性(83年]。

评估拟议的框架,我们在SDO计划执行两个案例研究采用云的软件测试。的案例研究,焦点小组会议的参与者进行了相应地获得反馈和模型修正。案例研究方法证明了最强大的仪器的验证经验软件工程(72年]。

在这项研究中,摩托罗拉的评估工具和TFN的规模是在模糊环境中使用。我们的贡献是引入TFN的分数和更新指南级李克特规模。现有的摩托罗拉指南仅5分李克特量表适合;我们已经增加了两个行,最后一个开始,另一个使测量方便在级李克特规模。同样的仪器也用于评估SOVRM [84年),SPIIMM [354], SOPM [20.]。这个工具被用于CMMI评估组织的当前位置与CMM和识别信号较弱的地区,需要改进和管理关注(73年]。

有关因素评价结果使用摩托罗拉评估仪器展示在表3。根据摩托罗拉评估因素有平均评价或实现分数超过0.7将被视为实现而分数低于0.7将标记为弱点。例如,在预测经济效益(M1),两个因素如市场建立(MIS6)和进入全球市场(M1S7)不能正常实现。国际信托的原因可能是,不希望这两个目标是通过采用CC。(我)最大的挑战是确保全球可用性的所有时间(56]。(2)目前还没有全面测试移动CC应用模型。此外,他们国家新云测试方法是限制应用程序的特殊功能和只能支持有限类型的测试(85年]。

所有因素感知性能期望(M2)分数小于0.7,除了更好的服务可用性和可靠性(M2S3)。它只意味着国际信托乐观关于云的可靠性和可用性。它可以观察到从表3“改善developer-tester协作”(M2S1)实现分数很低,即。,低于35%。这意味着关于国际信托,采用CC不会提高开发人员和测试人员沟通到一个很高的水平。此外,“更好的可用性和容易部署”得到一个分数(56%)发现非常高在等云计算应用研究(45,86年]。原因可能是,与其他云服务相比,测试不是完全自动化。以下文献证明这一说法:(我)CC采用既不是可行的和无风险的,也不是自动或容易的过程13]。(2)CC的使用可能会增加成本和系统复杂性任务的简单的测试(78年]。(3)根据法国的测试公司叫Sogeti,仅仅28%的测试用例是目前自动化,而高管的需求很快无法筹集到这么多。利用自动化测试在软件行业越来越多的公司将采用认知行为疗法(80年]。(iv)taa未来工作需要完全专注于自动测试用例。他们已经检查了当前可用的工具和服务,发现只有BlazeMeter可以提供完全自动化的性能和负载测试56]。

在连接到云资源利用率的感知程度(M4),我们得到了一个相对较低的因素实现“品种服务利用率”(M4S3),“支持全球软件开发”(M4S5),和“支持普遍性和移动测试”(M4S6)。(我)并不是所有类型的测试都适合在云中执行。例如,高容量的自动化测试,单元测试(特别是大型回归套件)和性能测试是理想的选择迁移到云环境(14]。(2)taa可以热情洋溢地支持行业如果它支持更多类型的测试如敏捷开发通过连续的回归测试(56]。(3)最大的挑战是确保全球可用性的所有时间(56]。(iv)目前,没有全面的模型来测试云的移动应用程序。此外,他们国家新云测试方法局限于应用程序与特色,只能用于某些类型的测试(85年]。

6。结论

这个研究提出软件测试应该搬到云。此外,本研究探讨了决定因素和预测云计算应用软件测试。为此,本研究探讨了软件测试的技术方面在云中通过FMCDM方法,进一步发展技术接受模型。专家系统的基础上,将专家知识和人工智能等技术指标应用于帮助组织决定云计算应用软件测试。该模型包括各种预测和决定因素,指导软件开发组织(SDO)对云应用软件测试。使用竞选过程模型分析方法。收集的数据通过单反和摄取相关调查,分析了通过模糊多准则决策(FMCDM)方法。

这项研究的结果表明,云服务提供商需要提供支持SDO目前工作的认知行为治疗领域,开发采用CC的合作环境,消除任何有关此技术的模棱两可。此外,CC供应商应明确云服务在内部服务的优势。此外,他们必须关注的问题,如位置和隐私面临的SDO和解决这些问题通过形成一个无情的与客户之间的关系。云提供商必须保证SDO,他们的测试数据是安全的和可访问的要求。他们应该提高他们的可靠性得到信心,信心,和SDO的信任他们的服务。审判的机会可能会提供给SDO尝试实际实现前的云服务。提供者政府发挥重要作用在关于政府入侵SDO中建立信任。客户端需要实现CBT和非常off-beamed认为CBT意味着只有大型企业。

7所示。威胁的有效性

实证调查的结果是基于单反;这个两阶段框架确保内容效度。建构效度是关于测量尺度测量尺度是否代表被测量的属性。这个研究的属性来自大量的先前的研究[25,42- - - - - -48和经历一个系统的文献综述20.,87年,88年]。调查的受访者确认属性选择的相关性。此外,内部调查结果的可靠性评估使用克伦巴赫α系数为0.89(> 0.70),说明了数据的可靠性和规模。内部效度,单反结果作为输入用于调查问卷的设计。

本研究进行的实证研究部分参与者主要来自亚洲国家。然而,人口减少偏见,贡献者来自北美等其他国家也邀请包括不同的观点。五十专家自愿参与这个探索性研究,没有以前的参与者和研究者之间的债券。参与者被告知,他们的参与是完全自愿的,他们可以在任何时候撤回在任何阶段的调查,如果他们想要的。然而,确保外部效度和减少任何可能的偏见,来自20个不同国家的九十五名被选出的贡献者。除此之外,大部分的参与者在一系列小,中型和大型跨国组织。虽然我们不能说所有的贡献者这些20个国家会同意我们的意见,我们认为,他们提供了一个描述性的样本。在实证个案研究,很难获得一个充分代表性样本,以一个完全客观的方式处理它们(89年]。为了克服这些限制,只有那些参与者包括那些参与自动化测试。索赔/参与者的有关专业知识问卷验证通过灌输一些开放式的问题,很难回答的一个普通测试人员或经理等。这种情况可能会造成困难当贡献者的判断可能不准确或因素应该有显著相关性采用可能不是重要的。然而,类似于其他经验性实证研究(25,43- - - - - -48),我们有信心,这项研究的发现是基于的数据已经收集到相关的参与者参与,大大多样化SDO的经验。

数据可用性

用来支持研究的数据提供的手稿。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是由中国国家重点研发项目(2018号yfb1003800),中国国家自然科学基金(61972414),北京自然科学基金(4202066),中央大学和基础研究基金(2462020 yjrc001和2462020 yjrc040号)。

补充材料

提供了所有必要的数据补充表1 - 3。(补充材料)

引用

1. m .马丹m .戴夫,a经脉,“基于云的应用程序的测试,挑战”国际先进研究期刊》的研究在计算机科学和电子工程,5卷,不。1,28-31,2016页。视图:谷歌学术搜索
2. m . s . n .没吃,诉Suma软件测试和它的范围在云:一个详细的调查,,”学报2017年国际会议上创新机制为工业应用(ICIMIA),页269 - 273,班加罗尔,印度,2017年2月。视图:谷歌学术搜索
3. o . Taipale j . Kasurinen k Karhu, k . Smolander“自动和手动软件测试之间的权衡,”国际系统保证工程和管理杂志》上,卷2,不。2、114 - 125年,2011页。视图:出版商的网站|谷歌学术搜索
4. 诉Garousi m . v . Mantyla a . Betin-Can和s Mirshokraie”时,在软件测试自动化什么?multi-vocal文献综述”,信息与软件技术卷,76年,第117 - 92页,2016年。视图:出版商的网站|谷歌学术搜索
5. g . n .艾耶j . Pasimuthu, r . Loganathan”PCTF:一个集成的、可扩展的云测试框架测试云平台和应用程序,”第13次国际会议质量的软件学报》(ICSQ)达拉斯,页135 - 138年,TX,美国,2013年5月。视图:谷歌学术搜索
6. 马斯顿,z, s . Bandyopadhyay, a . Ghalsasi“云计算业务的角度来看,“第44届夏威夷国际会议系统科学学报》上考艾岛,页1 - 11,嗨,美国,2011年1月。视图:谷歌学术搜索
7. m . Armbrust斯托伊卡,m . Zaharia et al .,“云计算的一个视图,ACM的通信,53卷,不。4、58、2010页。视图:出版商的网站|谷歌学术搜索
8. j . Luftman h . s .陈守煜,b . Derksen m·桑塔纳e·h·列和z黄,“关键信息技术和管理问题,2011 - 2012:一个国际研究中,“信息技术杂志,27卷,不。3、198 - 212年,2012页。视图:出版商的网站|谷歌学术搜索
9. l . a . Kappelman e·r·麦克莱恩j . n . Luftman诉约翰逊,“关键问题的组织和他们的领导:2013 SIM趋势研究,“季度行政管理信息系统,12卷,不。4,p。2013。视图:谷歌学术搜索
10. a . Elumalai i Starikova,美国经脉,它作为一种服务:从构建消费麦肯锡公司,纽约,纽约,美国,2018年。
11. j . Avrane-Chopard t Bourgault, Dubey a l . Moodley”大企业小企业:为中小企业云服务,“电信、媒体和技术实践麦肯锡公司,纽约,纽约,美国,2014年。视图:谷歌学术搜索
12. j .高x呗,w .蔡,t . Uehara”测试作为服务(taa)云,,”《IEEE第七面向服务的系统工程国际研讨会(SOSE),页212 - 223年,旧金山湾,CA,美国,2013年3月。视图:谷歌学术搜索
13. h . Srikanth m .男,m·b·科恩”建立验收测试的测试用例优先级企业云应用程序:一个工业案例研究中,“系统和软件杂志》上卷,119年,第135 - 122页,2016年。视图:出版商的网站|谷歌学术搜索
14. t . Parveen和美国Tilley”,当软件测试迁移到云?“在诉讼的第三国际会议软件测试,验证和验证研讨会(ICSTW),页424 - 427年,巴黎,法国,2010年4月。视图:谷歌学术搜索
15. z Ganon即Zilbershtein,“基于云计算的网络管理系统的性能测试,”学报14 IEEE国际研讨会上计算机辅助建模和设计的通信链路和网络(CAMAD),页1 - 6,比萨,意大利,2009年6月。视图:谷歌学术搜索
16. l . Riungu-Kalliosaari”,采用实证研究、使用和云测试的影响,“Lappeenranta技术大学Lappeenranta,芬兰,2014年博士论文。视图:谷歌学术搜索
17. d·库马尔和k . k . Mishra”的影响自动化测试软件的成本,质量和上市时间,“Procedia计算机科学卷。79年,地位,2016页。视图:出版商的网站|谷歌学术搜索
18. 阿里和n . Ullah“关键影响因素对软件testing-as-a-service采用:从系统的文献综述,初步结果”学报》国际会议电气、通信和计算机工程(ICECCE)斯瓦特,页1 - 6,巴基斯坦,2019年7月。视图:谷歌学术搜索
19. m·迪亚兹和j·斯莱戈“软件过程改进如何帮助摩托罗拉,”IEEE软件,14卷,不。5,75 - 81年,1997页。视图:出版商的网站|谷歌学术搜索
20. 阿里和美国美国汗”,软件外包伙伴关系模型:一个评估框架供应商组织”系统和软件杂志》上卷,117年,第425 - 402页,2016年。视图:出版商的网站|谷歌学术搜索
21. s .阿里·h·李,美国美国汗y赵,l·李,“模糊多属性评价模型对软件外包伙伴关系的形成,“IEEE访问》第六卷,第55461 - 55431页,2018年。视图:出版商的网站|谷歌学术搜索
22. 阿里和h·李,“移动云软件测试:采用基于模糊多属性决策算法,评估模型”《IEEE 6日工业工程和应用国际会议(ICIEA),页382 - 386,东京,日本,2019年4月。视图:谷歌学术搜索
23. r·a·汗·m·y伊德里斯,美国美国汗et al .,”一个评估框架,用于沟通和协调过程在离岸软件开发外包关系:使用模糊方法,”IEEE访问7卷,第112906 - 112879页,2019年。视图:出版商的网站|谷歌学术搜索
24. 李x呗,m . b . Chen w·t·蔡和j·高,“云测试工具”《IEEE 6日面向服务的系统工程国际研讨会(SOSE)美国CA,页1 - 12,欧文,2011年12月。视图:谷歌学术搜索
25. l . Riungu-Kalliosaari o . Taipale k Smolander,理查森,“采用和使用基于云计算的测试在实践中,“软件质量日报,24卷,不。2、337 - 364年,2016页。视图:出版商的网站|谷歌学术搜索
26. i c一事,长安汽车,和a . Rana“云测试技术的经验评估,”ACM Sigsoft软件工程,37卷,不。3、1 - 9,2012页。视图:出版商的网站|谷歌学术搜索
27. c .贾y Cai, y . t . Yu和t·h·谢霆锋“5 w + 1 h模式:系统映射的角度研究和案例研究云软件测试,”系统和软件杂志》上卷,116年,第219 - 206页,2016年。视图:出版商的网站|谷歌学术搜索
28. W.-T。蔡g .气,“综合故障检测和测试代数组合测试taa (Testing-as-a-Service)”仿真建模实践和理论卷,68年,第124 - 108页,2016年。视图:出版商的网站|谷歌学术搜索
29. 美国玉米蛋白:Salleh j .心胸狭窄的人,”一个系统的映射手机应用测试技术的研究,“系统和软件杂志》上卷,117年,第356 - 334页,2016年。视图:出版商的网站|谷歌学术搜索
30. t .万岁,h .小泉r . Kanbayashi et al .,“可靠的分布式系统设计的软件测试环境使用云计算技术,”《IEEE / ACM国际研讨会集群计算和网格(CCGRID),页631 - 636,墨尔本,澳大利亚,2010年5月。视图:谷歌学术搜索
31. r·m·阿什法克,”基于云的应用程序的新测试框架”,软件工程与智能系统杂志》上,卷2,不。3、157 - 163年,2017页。视图:谷歌学术搜索
32. p .卷a·艾哈迈德,c . Pahl“云迁移研究:系统回顾,”IEEE云计算,1卷,不。2、142 - 157年,2013页。视图:出版商的网站|谷歌学术搜索
33. p . Harikrishna和A . Amuthan”的调查测试作为服务在云计算中,”国际会议的程序在计算机通信和信息(ICCCI)哥印拜陀,页1 - 5,印度,2016。视图:谷歌学术搜索
34. A . A·艾哈迈德·p·Brereton, p . Andras”系统的映射软件云测试的实证研究方法,研究,”《IEEE国际会议软件质量,可靠性和安全性的同伴(QRS-C),页555 - 562,布拉格,捷克共和国,2017年7月。视图:谷歌学术搜索
35. a·f·默罕默德和h . McHeick云服务测试:了解。”Procedia计算机科学5卷,第520 - 513页,2011年。视图:出版商的网站|谷歌学术搜索
36. j·费尔南德斯和f .开采宝石者”,云上的应用程序测试:智能测试对于敏捷企业,”2020年,https://www.oracle.com/technetwork/oem/s317292应用程序-测试- - - - - - -云- 181639. - pdf。视图:谷歌学术搜索
37. a . Bertolino l . Nautiyal和Preeti注释术语和关键参考软件测试在云中,,”《国际会议上计算、通信和自动化(ICCCA)诺伊达,页893 - 900年,印度,2017年5月。视图:谷歌学术搜索
38. Nachiyappan和贾斯特斯,“云测试工具及其挑战:比较研究,“Procedia计算机科学,50卷,第489 - 482页,2015年。视图:出版商的网站|谷歌学术搜索
39. m . Tiitinen“选择软件测试工具的关键因素,”赫尔辛基Metropolia应用科学大学,赫尔辛基芬兰,2013年,硕士学位业务信息掌握业务信息。视图:谷歌学术搜索
40. m . s . n .没吃,诉Suma研究云计算测试工具,”诉讼的ICT和关键基础设施:48印度计算机协会的年度大会上,我卷,页605 - 612,施普林格,可汗,瑞士,2014。视图:谷歌学术搜索
41. m . s . Geetha Devasena,诉Krishna Kumar和r . Kingsy优雅,“LTTC:负载测试工具云”国际会议交流和网络的程序,页689 - 698,新加坡,2017年。视图:谷歌学术搜索
42. m . o . Alassafi A . Alharthi r·j·沃尔特斯和g . b .遗嘱”的框架关键安全因素影响云采用沙特政府机构的决定,”远程信息处理和信息,34卷,不。7,996 - 1010年,2017页。视图:出版商的网站|谷歌学术搜索
43. n . Alkhater r·沃尔特斯,g .遗嘱”影响因素的实证研究云计算中采用私营部门组织,”远程信息处理和信息,35卷,不。1,2018。视图:出版商的网站|谷歌学术搜索
44. y Alshamaila、美国Papagiannidis和f·李,“云计算采用中小企业在英格兰东北部,”企业信息管理杂志》上,26卷,不。3、250 - 275年,2013页。视图:出版商的网站|谷歌学术搜索
45. p·古普塔,a . Seetharaman和j . r . Raj“云计算的使用和采用中小型企业,“国际信息管理杂志》上,33卷,不。5,861 - 874年,2013页。视图:出版商的网站|谷歌学术搜索
46. P.-F。许,美国雷和y y。Li-Hsieh”,研究云计算采用的意图、定价机制和部署模型,”国际信息管理杂志》上,34卷,不。4、474 - 488年,2014页。视图:出版商的网站|谷歌学术搜索
47. s . k . Sharma a . h . Al-Badi s m . Govindaluri和m . h . Al-Kharusi”预测云计算采用的激励因素:发展中国家的角度来看,“电脑在人类行为卷,62年,第69 - 61页,2016年。视图:出版商的网站|谷歌学术搜索
48. r·d·Raut比比加尔达湖,m . k . Jha和p . Priyadarshinee”研究云计算的关键成功因素在男男同性恋者利用ISM模型中,采用“《高技术管理研究杂志》上,28卷,不。2、125 - 141年,2017页。视图:出版商的网站|谷歌学术搜索
49. k . Incki b·阿里和h索泽,“云,软件测试的调查,”IEEE第六学报》国际会议软件安全性和可靠性(SESR)美国马里兰州盖瑟斯堡,页18 - 23,,,2012年8月。视图:谷歌学术搜索
50. r·r·库马尔和c·库马尔,”一个云服务的多准则决策方法选择和排名,“国际环境计算和情报杂志》上,9卷,不。3、1 - 14,2018页。视图:出版商的网站|谷歌学术搜索
51. p . Priyadarshinee r·d·Raut m . k . Jha和比比加尔达湖,“理解和预测云计算采用的决定因素:两个混合SEM -神经网络方法,”电脑在人类行为卷,76年,第362 - 341页,2017年。视图:出版商的网站|谷歌学术搜索
52. s .纳齐尔·沙赫扎德,m·纳齐尔和h·拉赫曼,“评估软件组件的安全使用网络分析法,”学报11前沿信息技术国际会议(适合),页183 - 188,伊斯兰堡,巴基斯坦,2013年12月。视图:谷歌学术搜索
53. s .纳齐尔安瓦尔,s . a .汗et al .,“软件组件选择使用网络分析法基于质量标准,“抽象和应用分析文章ID 535970卷,2014年,12页,2014。视图:出版商的网站|谷歌学术搜索
54. s .纳齐尔·m·A·汗,安瓦尔,h·汗和m·纳齐尔”一种新颖的基于模糊逻辑建模、软件组件选择”学报2012年国际会议信息科学和应用程序(ICISA),页1 - 6,韩国水原韩国,2012年5月。视图:谷歌学术搜索
55. s .纳齐尔·沙赫扎德、美国Mahfooz和m·纳齐尔“基于模糊逻辑的决策支持系统组件安全评估,”阿拉伯国际信息技术杂志》上,15卷,不。2、224 - 231年,2018页。视图:谷歌学术搜索
56. Tilley和牙线,“硬的问题使用测试软件测试解决方案作为服务(taa),“2卷,没有。1、1 - 103、2014页。视图:出版商的网站|谷歌学术搜索
57. s . d . w . Kim金、李,李,“云计算,采用问题”学报》第11届国际会议在信息集成和基于web的应用程序和服务,页3 - 6、吉隆坡、马来西亚,2009年12月。视图:谷歌学术搜索
58. p . Prodanovic模糊集排序方法和多专家决策土木与环境工程系设施智能决策支持,西方大学,安大略省,加拿大,2001。
59. t·h . Chang和t . c .王”,使用模糊多准则决策方法来衡量成功的知识管理的可能性,”信息科学,卷179,不。13日,355 - 370年,2009页。视图:出版商的网站|谷歌学术搜索
60. a . Sangaiah和a . Thangavelu“探索FMCDM方法评估结果/德牧的成功项目,“中欧工程杂志》上,3卷,第435 - 419页,2013年。视图:出版商的网站|谷歌学术搜索
61. g, g .寇,c .林l .徐和y廖,”了广义模糊数的多属性决策。”运筹学学会》杂志上卷,66年,第1803 - 1793页,2015年。视图:出版商的网站|谷歌学术搜索
62. 郭s和h .赵”best-worst模糊多目标决策方法及其应用”,以知识为基础的系统卷。121年,23-31,2017页。视图:出版商的网站|谷歌学术搜索
63. g . g . Li口,和y .彭,“一群决策模型为集成异构信息,“IEEE系统,人,控制论,48卷,不。6、1 - 11,2016页。视图:谷歌学术搜索
64. 彭g·寇,y, g .王”评价聚类算法的使用指标财务风险分析方法,”信息科学卷,275年,页1 - 12,2014。视图:出版商的网站|谷歌学术搜索
65. M.-S。郭和G.-S。梁”,软计算方法的性能评估指标基于区间值模糊数,“应用软计算,12卷,不。1,第485 - 476页,2012。视图:出版商的网站|谷歌学术搜索
66. Y.-J。王”,应用FMCDM评价财务业绩的国内航空公司在台湾,“专家系统与应用程序,34卷,不。3、1837 - 1845年,2008页。视图:出版商的网站|谷歌学术搜索
67. 洛杉矶德,“模糊集”,信息和控制,8卷,不。3、338 - 353年,1965页。视图:出版商的网站|谷歌学术搜索
68. c . c . Kitchenham”指导方针,执行系统的文学评论在软件工程中,“技术。代表,杜伦大学,杜伦大学,英国,2007,2.3版本EBSE技术报告。视图:谷歌学术搜索
69. t·c·莱斯布里奇、s e . Sim和j .歌手”学习软件工程师:数据收集软件领域的技术研究,“经验软件工程,10卷,不。3、311 - 341年,2005页。视图:出版商的网站|谷歌学术搜索
70. j . w .他们是研究设计:定性、定量方法和混合方法美国CA、鼠尾草出版物,千橡市,2013年。
71. p . Priyadarshinee r·d·Raut m . k . Jha和s . s . Kamble”印度中小企业云计算应用:规模开发和验证方法,”《高技术管理研究杂志》上,28卷,不。2、221 - 245年,2017页。视图:出版商的网站|谷歌学术搜索
72. r·k .阴案例研究:设计和方法美国CA、鼠尾草出版物,千橡市,2009年。
73. m . k . Daskalantonakis”实现SEI水平较高,IEEE软件,11卷,不。4,17-24,1994页。视图:出版商的网站|谷歌学术搜索
74. Tilley和t . Parveen SMART-T:测试迁移到云,“软件测试在云:迁移和执行,施普林格内裤在计算机科学施普林格,柏林,德国,2012年。视图:谷歌学术搜索
75. a . o . Portillo-Dominguez m . Wang j .墨菲和d . Magoni“自动化等基于云的应用程序测试,”《IEEE第七国际会议软件测试,验证和确认车间(ICSTW)克利夫兰,页370 - 375年,哦,美国,2014年3月。视图:谷歌学术搜索
76. 特使,w .悍马,s . Dustdar”与AUToCLES基于云计算的弹性系统的自动化测试,”学报》第28届IEEE / ACM自动化软件工程国际会议(ASE),页714 - 717,帕洛阿尔托,加州,美国,2013年11月。视图:谷歌学术搜索
77. m·亚斯兰,Qamar, s·哈桑,s .阿尤布”基于云的自动性能分析负载测试web应用程序和其与传统的负载测试,”美国第37软件工程国际会议(ICSE),页140 - 144,佛罗伦萨,意大利,2015年5月。视图:谷歌学术搜索
78. z, m·肖x赵,d .冯l . Zhang和h的歌,“云计算的应用和探索测试领域和榜单”预测和系统健康管理研讨会论文集,页1 - 4,成都,中国,2016年10月。视图:谷歌学术搜索
79. h . Muccini,公元弗朗西斯科·p·埃斯波西托,“移动应用软件测试:挑战和未来的研究方向,”学报》第七届国际研讨会的自动化软件测试(AST)页,29-35苏黎世瑞士,2012年6月。视图:谷歌学术搜索
80. 凯捷和Sogetti世界质量报告2014 - 2015,”2020年,https://www.sogeti.com/explore/reports/world -质量- 2019报告。视图:谷歌学术搜索
81. j .周s . Li >, z,“意见书:基于云计算的性能测试:问题和挑战,”《2013年国际研讨会在云服务的热点话题,55 - 62页,布拉格,捷克共和国,2013年4月。视图:谷歌学术搜索
82. l . Ciortea c . Zamfir s Bucur诉Chipounov和g . Candea“云9日”ACM SIGOPS操作系统复习,43卷,不。4,5 - 10,2010页。视图:出版商的网站|谷歌学术搜索
83. 问:高,w . Wang g .吴x, j . Wei和h .钟,“负载测试迁移到云:一个案例研究中,”《IEEE第七面向服务的系统工程国际研讨会(SOSE)雷德伍德城,页429 - 434年,CA,美国,2013年3月。视图:谷歌学术搜索
84. 美国美国汗、m . Niazi和r·艾哈迈德”系统的文献回顾协议软件外包供应商准备模型(SOVRM)”信息和通信技术国际会议(ICICT)本努,页1 - 8,巴基斯坦,2008年。视图:谷歌学术搜索
85. a·s·艾哈迈德s . a . Aljunid和a . s . a .便“移动云计算测试审查,”学报2013年国际会议上先进的计算机科学应用和技术(ACSAT)古晋,页176 - 180年,马来西亚,2013年。视图:谷歌学术搜索
86. r·d·Raut p . Priyadarshinee比比加尔达湖,和m . k . Jha”影响因素分析采用云计算的使用三个阶段混合SEM-ANN-ISM (SEANIS)方法,”技术预测和社会变革卷,134年,第123 - 98页,2018年。视图:出版商的网站|谷歌学术搜索
87. 阿里,l .红旗,汗,y中国,z .力平,“软件外包合作管理的成功因素:一个探索性研究使用系统的文献回顾,“IEEE访问5卷,第23612 - 23589页,2017年。视图:出版商的网站|谷歌学术搜索
88. 阿里和美国美国汗”,软件外包伙伴关系的关键成功因素(SOP):一个系统的文献综述,”学报》第14届全球软件工程国际会议(ICGSE)优质柞丝绸,页153 - 162年,中国,2014年8月。视图:谷歌学术搜索
89. h·克莱因在心理学研究方法和统计劳特利奇,伦敦,英国,第七版,2018年版。

版权

版权©2020 Sikandar阿里等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。