Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Limiting Transitive Closure for Static Regression Test Selection approaches
KTH, School of Electrical Engineering and Computer Science (EECS).
2019 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesis
Abstract [en]

In computer science and software development it is important to test software in order to ensure reliability. Regression testing in order to find potential faults introduced by software changes is key to assuring that the software is stable. This process may be time consuming, so in order to speed it up there are approaches which select a subset of relevant tests based on the software changes.In the field of regression test selection there are two main approaches, static approaches and dynamic approaches. These different kinds of approaches have different strengths and weaknesses, however the field is currently dominated by dynamic approaches as the performance of the static approaches lags behind severely. Ensuring that the correct approach types are used for the appropriate situations calls for improvement of static approaches.Regression test selection approaches uses transitive closure to select relevant tests. For any node in a directed graph, transitive closure is the set of all reachable nodes from the starting node. This thesis proposes a solution which attempts to lessen the performance gap by implementing a controlled limit to the transitive closure property of the main test selection algorithm. The aim of the limited transitive closure is to reduce the time taken to select tests, and to reduce the amount of superfluous tests selected.The results show that the limited transitivity property as implemented for this thesis did not improve the performance in a satisfactory way. Safety dropped severely. Since the runtime and precision improved, there is room for improvement in potential future research of the limited transitivity approach before it can readily be dismissed as an unviable approach.

Abstract [sv]

Inom fälten datalogi och mjukvaruutveckling är det viktigt att testa mjukvara för att försäkra sig om att den fungerar som den ska. Att köra regressionstester för att hitta potentiella fel som introducerats av mjukvaruändringar är en nödvändighet för att garantera stabiliteten hos mjukvara. Regressionstestprocessen kan dock vara resursoch tidskrävande, vilket har lett till introduktionen av urval av tester som körs vid regressionstestning, s.k. regression test selection.Fältet regression test selection delas allmänt upp i två olika typer av metoder, statiska och dynamiska. De statiska och dynamiska metoderna har olika styrkor och svagheter, och bör därför i teorin användas baserat på vilken typ som bäst lämpar sig för syftet. Dock är det stora prestandaskillnader och därför används nästan bara de dynamiska metoderna.I detta examensarbete presenteras ett försök till att öka prestandan av de statiska metoderna genom att använda sig av en kontrollerad begränsning av transitivitetsaspekten inom huvudalgoritmen för urval av tester. Syftet med denna kontrollerade begränsning är tvådelad; både att minska körtiden för testurval, men också att minska antalet överflödiga tester i det slutgiltiga urvalet.Resultaten visar på att den metod som introducerats i detta examensarbete inte ökar prestandan på ett sådant sätt att det otvetydligt kan beskrivas som en förbättring. Jämfört med statiska metoder som inte använder sig av den begränsade transitivitetsaspekten så minskade säkerhet, men körtid och precision förbättrades. Detta innebär att det finns möjlighet till förbättring av den begränsade transitivitetsmetoden innan den helt kan anses vara en ogenomförbar och opraktisk lösning på problemet.

Place, publisher, year, edition, pages
2019. , p. 51
Series
TRITA-EECS-EX ; 2019:431
National Category
Computer and Information Sciences
Identifiers
URN: urn:nbn:se:kth:diva-254951OAI: oai:DiVA.org:kth-254951DiVA, id: diva2:1336671
Educational program
Master of Science - Computer Science
Supervisors
Examiners
Available from: 2019-07-10 Created: 2019-07-10 Last updated: 2019-07-10Bibliographically approved

Open Access in DiVA

fulltext(605 kB)10 downloads
File information
File name FULLTEXT01.pdfFile size 605 kBChecksum SHA-512
f6b9dd780e43d4af07bc0d31def4f8df9c841361291f24c18a3e27f0fafb4a50a30c3f6454d69e0f1d73e4c86214de53c93537d8ed1f65cc473f94c6c702c7dd
Type fulltextMimetype application/pdf

By organisation
School of Electrical Engineering and Computer Science (EECS)
Computer and Information Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 10 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 13 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf