[发明专利]冒烟测试方法、装置、电子设备及计算机可读存储介质

说明书

本申请公开了一种冒烟测试方法、装置、电子设备及计算机可读存储介质，方法包括：接收待测试补丁程序；利用预设机器学习模型选择确定待测试补丁程序对应的目标测试用例；根据待测试补丁程序生成全量测试程序；利用全量测试程序执行目标测试用例，获得测试结果。应用本技术方案，预先创建可自动化选择测试用例的机器学习模型，在接收到待测试补丁程序之后，则可以直接基于该预设机器学习模型自动化选择适用于待测试补丁程序的目标测试用例，并利用基于待测试补丁程序生成的全量测试程序执行目标测试用例，从而实现冒烟测试，显然，该种实现方式可以自动化选择适用于待测试补丁程序的测试用例以实现冒烟测试，进而保证冒烟测试的精准性和高效性。

技术领域

本申请涉及软件测试技术领域，特别涉及一种冒烟测试方法，还涉及一种冒烟测试装置、电子设备以及计算机可读存储介质。

背景技术

在项目研发过程中，代码审查和验证是必不可少的一部分，每天都会提交很多patch(补丁程序，每次向主分支提交的一个代码更新)到主分支，但是，如何验证各个patch的有效性是项目面临的一个问题。在相关技术中，常用手段为在上代码的过程中通过测试用例来验证该patch是否引入新的问题，通常的做法是通过一些固定的测试用例来验证所有的patch，显然，这样就会导致如下问题：整个验证流程耗时太长，且提供的测试用例并不一定能验证该patch的改动点，导致项目效率低下。

因此，如何自动选择适用于待测试patch的测试用例，进而实现精准高效的冒烟测试是本领域技术人员亟待解决的问题。

发明内容

本申请的目的是提供一种冒烟测试方法，该冒烟测试方法可以自动选择适用于待测试补丁程序的测试用例，进而实现精准高效的冒烟测试；本申请的另一目的是提供一种冒烟测试装置、电子设备及计算机可读存储介质，均具有上述有益效果。

第一方面，本申请提供了一种冒烟测试方法，包括：

接收待测试补丁程序；

利用预设机器学习模型选择确定所述待测试补丁程序对应的目标测试用例；

根据所述待测试补丁程序生成全量测试程序；

利用所述全量测试程序执行所述目标测试用例，获得测试结果。

可选地，所述利用预设机器学习模型选择确定所述待测试补丁程序对应的目标测试用例，包括：

利用所述预设机器学习模型在测试用例池中筛选得到所述待测试补丁程序对应的所述目标测试用例。

可选地，所述利用所述预设机器学习模型在测试用例池中筛选得到所述待测试补丁程序对应的所述目标测试用例，包括：

基于所述预设机器学习模型，在所述测试用例池中筛选得到所述待测试补丁程序覆盖的各历史补丁程序；

在预设映射关系中查询得到各所述历史补丁程序对应的历史测试用例；所述预设映射关系为所述历史补丁程序与所述历史测试用例之间的映射关系；

将各所述历史测试用例作为所述目标测试用例。

可选地，所述将各所述历史测试用例作为所述目标测试用例，包括：

判断所述历史测试用例在被所述历史补丁程序对应的历史全量测试程序执行时是否发生过BUG；

若是，则将所述历史测试用例作为所述目标测试用例。

可选地，所述冒烟测试方法还包括：

当接收到新的测试用例时，将所述新的测试用例添加至所述测试用例池，以实现所述测试用例池的更新。

可选地，所述预设机器学习模型的构建过程包括：

统计历史全量测试程序的测试信息；