基于數(shù)據(jù)挖掘的軟件故障定位技術(shù)研究.pdf

1、隨著軟件應(yīng)用領(lǐng)域的不斷擴(kuò)大，軟件規(guī)模變得越來越大，軟件產(chǎn)品結(jié)構(gòu)也變得越來越復(fù)雜。復(fù)雜軟件中隱藏的軟件故障難以定位，從而導(dǎo)致軟件的可靠性得不到有效保證。當(dāng)軟件出現(xiàn)故障時，如何快速有效地定位軟件故障是一個非常有價值的研究方向。但是現(xiàn)有的調(diào)試技術(shù)基本上都是通過設(shè)置斷點運行程序，排錯時只利用了一次失敗運行中的動態(tài)執(zhí)行信息，而忽略了大量測試用例多次運行時收集的海量測試數(shù)據(jù)。那么如果將這些海量的測試數(shù)據(jù)有效利用起來，從中發(fā)現(xiàn)和故障有關(guān)的信息，那么將

2、更加有效地實現(xiàn)故障定位。
　　本文通過對Tarantula方法的研究發(fā)現(xiàn)可以將數(shù)據(jù)挖掘(DataMining)技術(shù)應(yīng)用到軟件故障定位中，即采用關(guān)聯(lián)規(guī)則挖掘算法，找到像{e(i)(→)F}這樣的規(guī)則，即導(dǎo)致程序執(zhí)行失敗的語句。通過計算提升度lift(e(i)，F(xiàn))，將其作為可執(zhí)行語句的可疑度，按照其值的大小進(jìn)行降序排列，就可以得到按照語句可疑度從大到小進(jìn)行排序的故障報告。
　　然后針對Tarantula方法只利用了語句成功和失

3、敗執(zhí)行的次數(shù)來度量語句的可疑度而忽略了語句執(zhí)行補集對故障定位的輔助作用這個不足，提出利用語句執(zhí)行補集來改進(jìn)提升度lift(e(i)，F(xiàn))，記為complement_lift'。
　　最后，將關(guān)聯(lián)規(guī)則lift方法和改進(jìn)的基于語句執(zhí)行補集的complement_lift'與Tarantula方法、Wong方法及Dice方法，分別在Siemens程序集的109個故障版本程序中進(jìn)行實驗并用圖表分析的方式比較了這五種方法。實驗表明:改進(jìn)的基