Page 185 - 《软件学报》2020年第9期

2806 Journal of Software 软件学报 Vol.31, No.9, September 2020

Fig.3 SRGM modeling analysis—Taking the classic G-O model as an example
图 3 SRGM 建模解析——以经典的 G-O 模型为例
[9]
定义(故障检测率 FDR). 即故障检测率函数,表示当前时刻单位时间内单个故障被检测到的平均概率 ,或
每个故障的查出率 [30] ,通常用 b(t)来表示.
FDR 表征了测试环境下故障被查出的效率,具有描述综合测试策略的能力,因而与包括测试人员、测试技
术、测试工具等构成的整体测试环境紧密相关.
从早期提出将 FDR 看作常数的软件可靠性增长模型,到提出整体呈现递减趋势的幂函数类型 FDR,再到能
够基本刻画测试环境平缓变化的 S 型 FDR,以及(复杂)指数类型 FDR 的研究,整体上,对 FDR 的研究方向呈现出
贴近工程实际化特点,因而能够更好地描述测试环境的改变,帮助提高可靠性模型的性能.
2.2 测试环境描述能力

测试过程的目的是不断发现与修复故障,提高可靠性,达到预期(发布)要求.客观上,测试环境的不同,以及测
试人员实施测试策略的差异,将使得不同系统工程在测试中表现出不同的外在特征.从建立数学模型的角度来
看,公式(1)描述了测试过程中关于故障检测的共性,但不同模型的区别与 FDR:b(t)关联紧密.可见,FDR 能够从
整体上刻画测试效果,这使其成为影响 SRGM 性能的主要评测点.
关于对 FDR 影响因素的研究,Huang 在他的一系列文献 [31,32] 中指出:测试初始阶段,很多故障可以被检测出
来,测试 FDR 依赖于故障发现效率、故障密度、测试工作量、检出率这些参数;中期阶段,FDR 通常还依赖于上
述因素以外的其他因素,包括 CPU 指令的执行率、失效与故障间关联、代码膨胀系数、测试团队技能、程序
规模、软件可测试性,以及每日历天预定的 CPU 执行小时等因素.因此,当需求发生改变和新的特征被添加,或者
修复期间有新故障引入时,FDR 可能会发生改变.此外,考虑到故障检测的随机性和复杂性,即针对其是具有较
强不确定性的概率事件这一方面,文献[9]提出了一个响铃形的故障检测率函数,文献[33]考虑了受操作环境影
响的系统故障检测率,文献[34]提出了一种随时间不规则变化的故障检测率,均体现了其突变性.
2.2.1 从 FDR 角度研究 CP
在关于移动点/拐点 CP(change-point)的研究上,也均将 FDR 作为分段研究实施的对象.由于 FDR 刻画了整
个测试环境下的综合测试效果,因而当测试环境发生变化与转折时,FDR 就会有所变动.这样,将 FDR 进行数学
上的 CP 处理 [35−38] (即 CP 前后 FDR 函数形式发生变化)成为考虑 CP 的 SRGM 研究惯例.
由于 FDR 与测试环境下的失效分布情况等多因素有关联,而失效分布又会受到例如运行环境、测试策略
和资源分配等 [32] 多种因素的影响.因此,当测试策略和测试资源分配发生变化时,CP 就会出现.此外,增加对程序
的认识和自动化测试工具的运用也会引发 CP.因此,FDR 在整个测试过程中会发生改变.
2.2.2 从 FDR 角度研究测试环境与运行环境差异
此外,在考虑测试与运行环境的差异研究上 [27,39] ,差异点也是从 FDR 角度来进行研究的,相关的研究还涉及
故障减少因子 [20,40−43] 、学习效果 [17] 、测试压缩因子 [44] 、测试覆盖率 [45,46] 等.事实上,CP 具有描述测试环境与运
行环境差异性的能力.