Petri网模型驱动的SaaS型云测试方法及支撑平台研究

项目名称： Petri网模型驱动的SaaS型云测试方法及支撑平台研究

项目编号： No.61262017

项目类型： 地区科学基金项目

立项/批准年度： 2013

项目学科： 自动化技术、计算机技术

项目作者： 刘靖

作者单位： 内蒙古大学

项目金额： 43万元

中文摘要： 利用云计算来支撑基于模型的测试生成过程，提供一种模型驱动的云测试服务，能够有效解决当前测试生成中存在的自动化程度低、可用性差、生成效率低等问题。本项目利用着色Petri网(CPN)在层次建模与分析、并发行为描述、可视化模拟执行等方面的优势，基于Aneka提供的云服务平台，构建一套Petri网模型驱动的、能够提供SaaS型测试生成服务的新方法(PT-Cloud)及软件平台（PT-CloudTool），并面向典型网络构件化软件的一致性测试应用进行方法实践，保证所生成测试例的正确性和可执行性，有效提升大规模测试例生成过程的自动化程度、效率和应用能力。本项目的主要创新性成果包括：面向测试应用的软件CPN模型层次化建模及模型确认方法；基于CPN模型动态模拟的一致性测试例生成方法；基于测试目的与测试输入挖掘协同的一致性测试例选择方法；为支撑上述方法所构建的、可提供SaaS型测试生成服务的云测试平台等。

中文关键词： 云测试；着色Petri网；一致性测试生成；一致性测试选择；基于模型的测试

英文摘要： Using cloud computing to support model-based software test generation process, which essentially provides a model-driven cloud testing service, could effectively improve certain deficiencies in the current software test generation practices, such as, low degree of generation automation, unsatisfactory availability and low-efficiency. This project aims to construct a novel Petri nets model-driven and SaaS-based test generation approach (PT-Cloud), together with its supporting software platform (PT-CloudTool) which is developed based on the Aneka cloud service. The PT-Cloud approach is well utilizes several important advantages of the Colored Petri Nets (CPN), including hierarchical modeling and analysis, concurrent behavior specifying and visual simulation. Furthermore, we will also apply our test generation approach into the conformance test generation practices for representative component-based software system in network environment. The merits of the PT-Cloud approach lies in two aspects. First, it guarantees the accuracy and feasibility of all generated test cases. Second, it effectively promotes the degree of automation, efficiency and applicability for large-scale test generation process. The expected contributions of this project could be summarized as four parts: testing application oriented software hie

英文关键词： Cloud Testing；Colored Petri Nets；Conformance Test Generation；Conformance Test Selection；Model based Testing