百度智能测试在定位领域实践有哪些揭秘？

本文共计2874个文字，预计阅读时间需要12分钟。

作者 | Intelligents前几篇分别介绍了测试活动、测试输入、测试执行、测试分析和测试定位与评估五个步骤。本章重点介绍测试输入、执行、分析和评估的智能化研究与实践。

作者 | intelligents

前几篇，分别介绍了测试活动测试输入、测试执行、测试分析、测试定位和测试评估五个步骤中测试输入、执行、分析、评估的智能化研究和实践，本章节重点介绍测试定位环节的智能化实践。

测试定位的主要作用是在构建失败或问题发生后，快速给出产生该现象的原因，以帮助现象处理者给出合理的处置措施，降低问题处理时长，降低人力定位成本和问题时长，根据原因进行分类一般也分为两种：

一、根因定位：即给出造成失败的真正原因（如代码问题）；

二、行为定位：即给出造成失败的可能操作或变化，以快速进行处置，降低影响面。

测试定位智能化通过将数据、算法、工程等相关技术有机结合，从问题现象、问题关联数据、系统关联数据，利用策略或算法给出问题发生的操作项或根本原因，以最终给予问题处理者决策对应的处置行为。在该领域的实践相对较少，百度QA也一直在探索研究和实践。本章节将从多个实践的角度，本章节将从多个实践的角度，介绍相关领域的目标、思路、涉及到的技术点，希望能给到大家一定参考。

一、 基于频谱的问题根因定位

基于频谱的问题根因定位期望能通过定位分析技术手段，揭露出疑似代码问题范围，协助研发和测试人员在定位问题中快速修复，降低人效。基于频谱的问题根因定位在学术界研究已久，其思路是利用测试用例执行过程中的程序元素信息（如测试结果、代码覆盖率），对内部代码做逻辑差异分析，对代码行或代码块进行可疑度排序，从而去定位错误根源。