摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第10-14页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-12页 |
1.2.1 国外研究现状 | 第11-12页 |
1.2.2 国内研究现状 | 第12页 |
1.3 本文主要内容 | 第12-13页 |
1.4 本文组织结构 | 第13-14页 |
第2章 云测试概述 | 第14-20页 |
2.1 自动化软件测试 | 第14页 |
2.1.1 自动化软件测试概念 | 第14页 |
2.1.2 自动化软件测试适用范围 | 第14页 |
2.1.3 自动化软件测试局限性 | 第14页 |
2.2 云计算 | 第14-17页 |
2.2.1 云计算基本架构 | 第15页 |
2.2.2 云计算服务层次 | 第15-16页 |
2.2.3 云计算相关技术 | 第16页 |
2.2.4 云计算特点 | 第16-17页 |
2.3 云测试 | 第17-19页 |
2.3.1 云测试服务 | 第17-18页 |
2.3.2 云测试流程 | 第18-19页 |
2.3.3 测试的优势与挑战 | 第19页 |
2.4 本章小结 | 第19-20页 |
第3章 云测试中虚拟机资源调度 | 第20-27页 |
3.1 云测试资源相关概述 | 第20页 |
3.2 测试中虚拟机调度 | 第20-22页 |
3.2.1 虚拟机调度的描述 | 第20-21页 |
3.2.2 虚拟机调度的特点 | 第21页 |
3.2.3 虚拟机调度的目标 | 第21-22页 |
3.3 云测试中虚拟机调度策略分类 | 第22-24页 |
3.4 测试中常见的虚拟机调度算法 | 第24页 |
3.4.1 轮询调度算法(RR) | 第24页 |
3.4.2 加权轮询调度算法(wRR) | 第24页 |
3.4.3 Min-min算法 | 第24页 |
3.4.4 Max-min算法 | 第24页 |
3.4.5 遗传算法 | 第24页 |
3.4.6 蚁群算法 | 第24页 |
3.5 云计算仿真工具CloudSim | 第24-26页 |
3.5.1 CloudSim简介 | 第24-25页 |
3.5.2 CloudSim体系结构 | 第25页 |
3.5.3 CloudSim仿真流程 | 第25-26页 |
3.6 本章小结 | 第26-27页 |
第4章 云测试中基于蚁群算法的分析应用 | 第27-40页 |
4.1 蚁群算法概述 | 第27-32页 |
4.1.1 蚁群算法基本原理 | 第27-28页 |
4.1.2 蚁群算法基本模型 | 第28-30页 |
4.1.3 TSP模型与云测试中虚拟机调度模型的比较 | 第30-31页 |
4.1.4 蚁群算法优缺点 | 第31-32页 |
4.2 云测试中测试任务依赖关系描述 | 第32-34页 |
4.3 蚁群算法在云测试中的应用 | 第34-37页 |
4.3.1 信息素定义与修改 | 第34-35页 |
4.3.2 蚂蚁选择下一跳的规则 | 第35-36页 |
4.3.3 算法描述 | 第36-37页 |
4.4 实验参数选择及实验结果分析 | 第37-39页 |
4.4.1 实验参数选择 | 第37-38页 |
4.4.2 实验结果分析 | 第38-39页 |
4.5 本章小结 | 第39-40页 |
第5章 自动化云测试平台设计研究 | 第40-55页 |
5.1 相关工具介绍 | 第40-43页 |
5.1.1 CloudStack | 第40-41页 |
5.1.2 TestNG | 第41-42页 |
5.1.3 Selenium | 第42页 |
5.1.4 Struts2 | 第42-43页 |
5.2 测试平台设计 | 第43-50页 |
5.2.1 需求分析 | 第44-45页 |
5.2.2 总体架构设计 | 第45-46页 |
5.2.3 后台实现 | 第46-48页 |
5.2.4 数据库设计 | 第48-50页 |
5.3 云测试平台实现 | 第50-54页 |
5.3.1 整体架构 | 第51-52页 |
5.3.2 执行流程 | 第52-54页 |
5.4 本章小结 | 第54-55页 |
第6章 总结与展望 | 第55-57页 |
6.1 本文的工作总结 | 第55页 |
6.2 未来工作方向 | 第55-57页 |
参考文献 | 第57-61页 |
致谢 | 第61-62页 |
附录 | 第62页 |