Předpověď nových chyb pomocí dolování dat v historii výsledků testů
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Softwarové projekty prochází jak obdobím údržby, tak v případě open source i náročným neřízeným vývojem. Obě tyto fáze jsou náchylné k regresím, tedy chybám vedoucím k degradaci již fungujících částí systému. Z tohoto důvodu je systém podrobován testováním v podobě testovacích sad, což je v mnoha případech časově velmi náročné. Z tohoto důvodu vznikají prediktory, které jsou schopny na základě změn kódu a historie testování odhadnout, kdy k takovým regresím může dojít, pomocí čehož pak lze testování soustředit na tato místa. Tyto prediktory jsou však často postaveny na metrikách kódu, které jsou čistě statické a neřeší sémantiku daného jazyka. Účelem této diplomové práce je vytvořit prediktor, který nebude spoléhat jen na tyto metriky, ale bude schopen analyzovat kód i ze sémantického pohledu.
Software projects go through a phase of maintenance and, in case of open source projects, through hard development process. Both of these phases are prone to regressions, meaning previously working parts of system do not work anymore. To avoid this behavior, systems are being tested with long test suites, which can be sometimes time consuming. For this reason, prediction models are developed to predict software regressions using historical testing data and code changes, to detect changes that can most likely cause regression and focus testing on such parts of code. But, these predictors rely on static code analysis without deeper semantic understanding of the code. Purpose of this master thesis is to create predictor, that relies not only on static code analysis, but provides decisions based on code semantics as well.
Software projects go through a phase of maintenance and, in case of open source projects, through hard development process. Both of these phases are prone to regressions, meaning previously working parts of system do not work anymore. To avoid this behavior, systems are being tested with long test suites, which can be sometimes time consuming. For this reason, prediction models are developed to predict software regressions using historical testing data and code changes, to detect changes that can most likely cause regression and focus testing on such parts of code. But, these predictors rely on static code analysis without deeper semantic understanding of the code. Purpose of this master thesis is to create predictor, that relies not only on static code analysis, but provides decisions based on code semantics as well.
Description
Citation
MATYS, F. Předpověď nových chyb pomocí dolování dat v historii výsledků testů [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2016.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační systémy
Comittee
doc. Dr. Ing. Dušan Kolář (předseda)
prof. Ing. Tomáš Hruška, CSc. (místopředseda)
Ing. Miroslav Balík, Ph.D. (člen)
Ing. Vladimír Bartík, Ph.D. (člen)
doc. Mgr. Adam Rogalewicz, Ph.D. (člen)
doc. Ing. Jaroslav Zendulka, CSc. (člen)
Date of acceptance
2016-06-23
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm velmi dobře B. Otázky u obhajoby: Vysvětlete blíže, proč bylo problematické lépe zpracovat dostupná data v projektu GDB Binutils a rozčlenit je podle jednotlivých podprojektů. Vysvětlete podrobněji, co je důvodem narůstající složitosti importu dat do systému ResultCloud (obr. 6.1).
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení