当前位置:首页 > 报告详情

1486 - 基于机器学习的测试用例优先级排序:持续集成环境中的研究与生产视角.pdf

上传人: 竿*** 编号:982462 2025-11-29 27页 547.59KB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
根据《基于机器学习的测试用例优先级排序:在CI环境中的研究和生产视角》一文,以下是全文关键点的概括: 1. **问题与动机**:大规模CI环境运行大量测试,增加开发反馈时间。高效测试用例优先级排序(TCP)对于首先执行最关键的测试至关重要。 2. **机器学习(ML)的重要性**:ML通过分析历史测试结果和代码变更来预测可能失败的测试用例,从而提高回归测试效率。 3. **研究背景**:IBM Open Liberty CI/CD系统每周处理数百万事件和测试,需要高效测试优先级排序。 4. **研究问题**:评估ML驱动的测试用例优先级框架在真实CI环境中的效率。 5. **解决方案**:开发一个ML驱动的TCP框架,集成到CI中,通过历史数据训练模型,预测测试用例的优先级。 6. **结果**:在离线评估中,XGBoost模型在故障检测效率方面表现最佳。在生产环境中,ML优先级排序的构建APFD达到75-78%,比非优先级排序的35%显著提高。 7. **挑战**:实时数据收集、数据转换和生产中的ML组件可伸缩性。 8. **未来工作**:扩展ML-TCP评估范围,探索替代ML模型,开发自适应重训练策略。
"机器学习如何加速CI测试?" 效果如何?" ML助力效率提升!"
客服
商务合作
小程序
服务号
折叠