人工智能驱动的分布式系统软件测试自动化框架设计
摘要
本文设计了一种面向分布式系统的AI驱动自动化测试框架,通过图神经网络优化测试用例生成路径,结合
强化学习实现动态任务调度,并整合知识图谱提升缺陷定位精度。实验在千节点集群环境中验证,框架较传统方法
提升23%路径覆盖率,降低17%资源消耗,并在微服务场景中实现92%故障根因准确识别。框架支持混沌工程集成
与CI/CD流水线对接,为复杂分布式系统提供端到端测试解决方案。
强化学习实现动态任务调度,并整合知识图谱提升缺陷定位精度。实验在千节点集群环境中验证,框架较传统方法
提升23%路径覆盖率,降低17%资源消耗,并在微服务场景中实现92%故障根因准确识别。框架支持混沌工程集成
与CI/CD流水线对接,为复杂分布式系统提供端到端测试解决方案。
关键词
分布式系统测试;智能用例生成;自适应调度;缺陷根因分析;持续测试流水线
全文:
PDF参考
[1]马云龙,孙精科.基于UML的工作流建模的研究
与分析[J].信息技术,2015,39(5):114-116.
[2]刘伟,李雅琎,胡志刚.设计模式对软件可维护性
影响的定量研究[J].软件导刊,2016,15(12):95-97.
[3]那德尔·热西提.基于人工智能的软件测试自动化
策略研究[J].信息与电脑,2025,37(6):66-68.
[4]李小宏.试论软件测试自动化中构建可维护脚本
技术[J].中文科技期刊数据库(引文版)工程技术,2017
(11):00008-00008.
Refbacks
- 当前没有refback。