رويكردي جديد مبتني‌بر سنجه‌هاي نرم‌افزاري جهت افزايش سودمندي آزمون بازگشت

A New Approach Based on Software Metrics to Improve the Effectiveness of Regression Testing

اولويت‌دهي آزمايه فني است كه اغلب براي كاهش هزينه‌هاي آزمون بازگشت نرم‌افزار استفاده شده‌است. فنون فعلي سعي كرده‌اند با كمك اطلاعات مختلف پوشش كد، قدرت آشكارسازي خطاي هر آزمايه را تخمين بزنند و سپس با روشي ابتكاري آن‌ها را رتبه‌بندي نمايند. اما مطالعه‌ها نشان داده‌اند كه پوشش هم‌بستگي قوي با سودمندي آزمايه‌ها و قدرت آن‌ها در آشكارسازي خطا ندارد. با تكيه‌بر مطالعه‌هايي كه اثربخشي سنجه‌هاي كد را در پيش‌بيني خطاها نشان داده‌اند، حدس زده شد كه مي‌توان از اطلاعات حاصل از سنجه‌هاي كد براي طراحي فن مؤثري جهت اولويت‌دهي آزمايه‌ها بهره‌برداري نمود. برمبناي اين فرضيه، در اين مقاله فن جديدي براي اولويت‌دهي پيشنهاد مي‌شود كه براساس امتزاج داده روي اطلاعات سنجه‌هاي پيچيدگي كد كار مي‌كند. نوآوري اين تحقيق اين است كه قدرت آشكاركنندگي خطاي آزمايه‌ها را در اولويت‌دهي با نگاه جديدي تخمين مي‌زند. براي ارزيابي فن پيشنهادي، آزمايش‌هايي روي نسخه‌هاي خطادار هفت برنامه محك جاوا انجام داده شد. در آزمايش‌ها كارايي اولويت‌دهي اغلب حداقل70% برحسب متوسط درصد آشكارسازي خطا مشاهده شد كه اين نتيجه فرضيه ما را معتبر مي‌نمايد.

Test case prioritization has been often used to alleviate the costs associated with software regression testing. Current techniques have attempted to estimate the fault exposing potential of test cases using code coverage information and rank them using a heuristic. However, studies show that coverage does not strongly correlate with the effectiveness and fault exposing potential of test cases. Relying on the results of studies that demonstrated the effectiveness of code metrics in fault prediction, we speculate that code metric information can be leveraged to design a new effective technique for test case prioritization. Based on our hypothesis, in this paper, a new prioritization technique is proposed that works based on data fusion on code complexity metrics. The novelty of our technique lies in its original viewpoint to estimate fault exposing potential of test cases in prioritization. To evaluate the proposed technique, we have conducted experiments on faulty versions of seven Java benchmarks. In the experiments, we often observed at least 70% performance in prioritization measured in terms of average percentage of fault detection, which validates our hypothesis.