直观了解软件质量和测试的完整性

VectorCAST/Analytics可提供便于用户理解的web仪表盘视图来显示软件代码质量和测试完整性指标,让用户能够掌握单个代码库的趋势,或对比多个代码库的度量指标。

为什么选用VectorCAST/Analytics

软件项目可分为两种:对旧有应用程序的维护和新应用程序的开发,这两类软件项目都有自身特有的难度。旧有应用程序通常测试不够充分,而且过于复杂。
要提高这类应用程序的质量,最大难题就是了解应该从哪里着手。而开发新程序所面临的挑战通常是了解待发布程序的就绪情况:已经做了哪些工作,还有哪些工作
要做。

VectorCAST/Analytics可以帮助这两类应用程序解决各自的难题。对旧有应用程序来说,它可以通过将主要的质量度量指标和项目的平
均指标进行对比,辨识出代码库中的热点以便着重地测试。就新开发程序而言,它可以报告测试的完整性,计算出所需的测试量,以及现已完成的测试。

VectorCAST/Analytics如何运作

VectorCAST/Analytics能提供用户自定义的数据连接器,可从VectorCAST或第三方工具中获取重要的度量指标,如:静态分
析错误,代码复杂度,代码覆盖率,测试完整性,等。VectorCAST/Analytics可以将这些基本的度量指标与测算指标结合起来,来确定代码中
的热点,比如:复杂度较高和覆盖率较低的函数。

将这些复杂度和覆盖率的信息以热度图的形式显示出来,代码覆盖率控制每格的颜色,代码复杂度控制每格的大小,这样用户就能够迅速了解到他们应该重点测试哪些代码,以便重构资源,获得最好的测试成果。

红色的大格子表示的是那些未经充分测试的复杂度较高的函数。

功能

VectorCAST/Analytics能为整个团队实时提供关键的度量指标。VectorCAST/Analytics的服务器端连接多个数据
源,客户端会通过web浏览器提供仪表盘,服务器端和客户端都是高度可配置的。默认的配置能支持所有的VectorCAST工具。只要在
VectorCAST/Manage测试项目或VectorCAST/Cover覆盖率项目中指明VectorCAST/Analytics的服务器就可
以了,默认的仪表盘会以非常简单易懂的布局显示出关键的度量指标。

顶部的蓝条显示的是项目中所有文件在项目范围内的度量指标。

树状视图控制整个项目视图到单个文件范围内所显示的度量指标的间隔尺寸。

仪表盘顶部的中间显示的是关键的度量指标,比如:覆盖率复杂度和所达到的代码覆盖率。

静态分析框显示的是从VectorCAST/Lint或第三方静态分析工具中所获得的结果汇总。

根据页面中间显示的可配置的热度图,很容易就能够发现其中的异常情况,如:代码复杂度很高而测试程度又很低的函数。

可有效运用的情报

软件的质量和测试的完整性是紧密相关的。如果测试不够完整,那么质量就无法保障。软件研发团队在要提高软件质量时,最难回答的问题就是:“该从哪里
着手?”VectorCAST/Analytics可以通过收集并发布关键的“我们现在的质量度量指标情况如何?”来帮助回答这个问题。

VectorCAST/Anlytics的功能:

  • 实时了解质量和测试的完整性度量指标
  • 内置连接器连接由VectorCAST生成的所有数据
  • 用于导入第三方数据的用户自定义连接器
  • 仪表盘可完全根据企业的目标定制

VectorCAST/Anlytics的优点:

    • 能提供可量化的代码质量指标
    • 能帮助更好地做出发布决策
    • 可进行趋势分析
    • 可识别重点代码/进行风险评估
    • 有技术债识别指标:复杂度、测试的完整性、注释的密度
    • 可评估测试用例的质量:测试用例的数量、失败的测试用例 、未匹配需求的测试用例、 未匹配测试用例的需求

基于Web的质量和测试度量指标的更多相关文章

  1. 【案例分享】SpreadJS金融行业应用实践,开发基于Web Excel的指标补录平台

    SpreadJS作为一款基于 HTML5 的纯前端电子表格控件,以“高速低耗.高度类似Excel.可无限扩展”为产品特色,提供移动跨平台和浏览器支持,可同时满足 .NET.Java.App 等应用程序 ...

  2. 基于Web的监控系统的开发进行分布式和现代生产(外文翻译)

    摘要 近年来,Web技术发展迅速.尤其是网络浏览器增强了其功能因为JavaScript,CSS3和HTML5的改进.因此,功能越来越丰富的基于Web的软件解决方案功能范围可用.通过使用响应式网页设计( ...

  3. SpringBoot第十二集:度量指标监控与异步调用(2020最新最易懂)

    SpringBoot第十二集:度量指标监控与异步调用(2020最新最易懂) Spring Boot Actuator是spring boot项目一个监控模块,提供了很多原生的端点,包含了对应用系统的自 ...

  4. 基于Web的系统测试方法

    基于Web的系统测试与传统的软件测试既有相同之处,也有不同的地方,对软件测试提出了新的挑战.基于Web的系统测试不但需要检查和验证是否按照设计的要求运行,而且还要评价系统在不同用户的浏览器端的显示是否 ...

  5. NLP度量指标BELU真的完美么?

    摘要: NLP重要评价准则之一——BLEU,真的完美无缺么? 刚接触自然语言处理的朋友通常会问我:当系统的输出是文本,而非对输入文本进行某种分类,如何对该系统进行评估.当模型的输入是文本信息,输出也是 ...

  6. 基于web的IM软件通信原理分析

    关于IM(InstantMessaging)即时通信类软件(如微信,QQ),大多数都是桌面应用程序或者native应用较为流行,而网上关于原生IM或桌面IM软件类的通信原理介绍也较多,此处不再赘述.而 ...

  7. 基于Web的企业网和互联网的信息和应用( 1194.22 )

    基于Web的企业网和互联网的信息和应用( 1194.22 ) 原文更新日期: 2001年6月21日原文地址: http://www.access-board.gov/sec508/guide/1194 ...

  8. pyDash:一个基于 web 的 Linux 性能监测工具

    pyDash 是一个轻量且基于 web 的 Linux 性能监测工具,它是用 Python 和 Django 加上 Chart.js 来写的.经测试,在下面这些主流 Linux 发行版上可运行:Cen ...

  9. 基于Web实现网络拓扑图

    想想好像好久没用写博客了! 由于最近想跳槽了(ps:尽管公司挽留,提出一些异与往常的挽留“制度”,But确实已经死心了) ,发现前一段时间一些做Hadoop,和Spark同事时常来请教网络拓扑图的有关 ...

随机推荐

  1. Redis入门和Java利用jedis操作redis

    Redis入门和Java利用jedis操作redis Redis介绍 Redis 是完全开源的,遵守 BSD 协议,是一个高性能的 key-value 数据库. Redis 与其他 key - val ...

  2. 1组-Alpha冲刺-2/6

    一.基本情况 队名:震震带着六菜鸟 组长博客:https://www.cnblogs.com/Klein-Wang/p/15535649.html 小组人数:7人 二.冲刺概况汇报 王业震 过去两天完 ...

  3. Eclipse使用JDBC方式连接SQLServer2008

    JDBC_连接数据库一.配置 (一)  通过SQL Server配置管理器配置相关部分: 右键点击,启动tcp/ip协议右键点击属性查看自己的TCP端口号,记住,后面会用到右键点击SQL Server ...

  4. [bzoj1005]明明的烦恼

    根据purfer序列的原理,每一个purfer序列都一一对应了一棵树,每一个点在purfer序列中出现的次数就是它的度数,那么直接用组合数去计算即可,注意要加高精度 1 #include<cst ...

  5. [IIS]发布到 IIS 上的程序没有权限访问共享文件

    老板突然跑路了,丢下一个破项目让我一个人维护,各种奇葩问题不断. 为了弄一键发布,布置了新的环境,结果新环境下的程序不能访问共享文件了. 访问共享文件需要设置应用程序池(Application Poo ...

  6. Python之99乘法表代码

    #coding=utf-8 #左下三角格式输出九九乘法表 for i in range(1,10):      for j in range(1,i+1):          print " ...

  7. C#中的异步

    什么是异步? 作为一名Web端的码农,第一次接触异步是Ajax. 异步请求后端获取数据源,js操作html的dom节点,而无需要渲染整个网页的操作. 页面上点击按钮,加载进度动画,同时发起Ajax请求 ...

  8. 富集分析DAVID、Metascape、Enrichr、ClueGO

    前言 一般我们挑出一堆感兴趣的基因想临时看看它们的功能,需要做个富集分析.虽然公司买了最新版的数据库,如KEGG,但在集群跑下来嫌麻烦.这时网页在线或者本地化工具派上用场了. DAVID DAVID地 ...

  9. 利用plink软件基于LD信息过滤SNP

    最近有需求,对WGS测序获得SNP信息进行筛减,可问题是测序个体少,call rate,maf,hwe,等条件过滤后,snp数量还是千万级别,所以后面利用plink工具根据LD信息来滤除大量SNP标记 ...

  10. 谈谈AI

    由AI大作业想到的 近几年<人工智能导论>的大作业是编写一个博弈程序,这类程序的典型框架就是α-β剪枝算法,像著名的打败了国际象棋大师卡斯帕罗的深蓝,就是这么干的,一些中国象棋程序也是这样 ...