In organization with applied agile software development, where software life cycles are very short (i.e. two weeks), changes to the software are very frequent. Usually resources are scarce – power is expensive, test lines are constantly occupied, and hardware parts must be booked only for regression testing. In this perspective, regression testing might introduce a lot of unnecessary overhead. By comparing statistical methods and related to unsupervised machine learning methods, we discovered that due to a uniform nature of code changes, one can easily achieve 90% of bug prediction accuracy while reducing the original testing queue by 25%.
PL
W organizacji działającej w oparciu o zwinne podejście do rozwoju oprogramowania, gdzie cykle życia oprogramowania są bardzo krótkie (np. dwa tygodnie), zmiany w oprogramowaniu są bardzo częste. Zazwyczaj zasoby są ograniczone — prąd jest drogi, linie testowe są stale zajęte, a części sprzętu muszą być zarezerwowane tylko do testów regresyjnych. W tej perspektywie testy regresyjne mogą wprowadzić wiele niepotrzebnych kosztów całkowitych. Porównując metody statystyczne oraz nienadzorowanego uczenia maszynowego odkryliśmy, że dzięki jednolitej naturze zmian w kodzie, można łatwo osiągnąć 90% dokładności przewidywania błędów przy jednoczesnym zmniejszeniu pierwotnej kolejki testów o 25%.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
The paper is focused on the bug fixing handling business process rather then just on fixing a bug. The tool presented here is dedicated to supporting the business process of bug fixing and not to bug fixing itself. It is addressed especially to small teams having a common testing team.
PL
Artykuł skoncentrowany jest na procesie biznesowym obsługi błędów oprogramowania bardziej niż tylko na kwestiach obsługi błędów. W konsekwencji również narzędzie zaprezentowane w niniejszej pracy służy wspieraniu procesu biznesowego poprawiania błędów, a nie samemu poprawianiu błędów. Jest ono adresowane szczególnie do małych zespołów posiadających wspólny zespół testerów.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.