رويكردي مدل-رانه براي خودكارسازي آزمون رگرسيون با استفاده از تبديل مدل افزايشي

A Model Driven Approach to Automate Software Regression Testing Using Incremental Model Transformation

پيچيدگي سيستم‌هاي نرم‌افزاري و وابستگي جوامع به اين سيستم‌ها رو به افزايش است. با توسعه فن‌آوري‌هاي تحت وب و رويكردهاي سرويس‌گرا، ضرورت تطبيق با نيازهاي كاربران در هنگام درخواست براي اِعمال تغييرات و تكامل سيستم‌ها، بر اين پيچيدگي افزوده است. روش‌هاي توسعه نرم‌افزار مدل-رانه با تمركز بر استفاده از مدل به‌عنوان مصنوع اصلي و به‌كارگيري رويكردهاي خودكار، توسعه محصولات نرم‌افزاري داراي كيفيت بالا را وعده داده است. هدف از اين مقاله ارائه رويكردي مدل-رانه براي انتخاب خودكار زيرمجموعه مناسب از موارد آزمون براي آزمون رگرسيون مبتني بر مدل با استفاده از انتشار تغييرات و تبديل مدل افزايشي است. استفاده از تبديل مدل افزايشي امكان انتشار خودكار تغييرات مدل و درنهايت انتخاب مجموعه موارد آزمون سازگار جهت انجام آزمون بعد از تغييرات را در سطح انتزاعي فراهم مي‌آورد. دقت و كارايي چارچوب پيشنهادي با معرفي معيارهاي بسندگي جديدي بر اساس مدل تغييرات بر روي سه موردمطالعه ارزيابي و تحليل شده است. از مزاياي اين روش تخمين زودهنگام ميزان تلاش براي تجزيه و تحليل تأثير تغييرات، كاهش هزينه آزمون رگرسيون مستقل از سكو و انتخاب زيرمجموعه مناسب براي آزمون رگرسيون براي تشخيص زودهنگام خطاي توليد محصول نرم‌افزاري است.

The increase in complexity and the rate of technological changes in modern software development have led to a demand for systematic methods that raise the abstraction level for system maintenance and regression testing. Model Driven Engineering (MDE) has promised to reduce extra coding efforts in software maintenance activities using traceable change management, especially in rapidly changing application. The paper presents a Z-notation based framework, called Changed-based Regression Testing (ChbRT), for formal modeling of regression testing in the context of MDE. The framework proposes to automatically propagate the changes from a software specification to testing artifacts in order to preserve consistency after system evolution. The framework is enriched by providing a new category of coverage metrics for change-based regression testing. The proposed framework is expected to be beneficial in both platform independent and specific levels of ChbRT by identifying the suitable coverage according to available testing resources. The accuracy and efficiency of the proposed framework have been evaluated and analyzed on three case studies.