Дополнительные достоинства клиент-серверной архитектуры
1.Разгружаются немощные клиентские машины.
2.Сервер-приложений разгружает и сервер БД.
3.Сервер-приложений становиться дополнительным буфером между недобросовестным клиентом и сервером БД(т.е. защита всей архитектуры выше).
Модель Миллса
Модель относиться к статическим моделям (т.е. не учитывается время тестирования)
Модель Миллса позволяет оценить не только количество ошибок до начала тестирования , но и степень отлаженности программы.
Для применения модели до начала тестирования в программу преднамеренно вносятся ошибки.
Далее считают, что обнаружение преднамеренно внесеных ошибок и так называемых собственных ошибок равновероятно.
Для оценки числа ошибок до начала тестирования используется выражение
Модель Миллса
N=( W*S )/ V
где W – число искуственно внесенных ошибок S– число собственных ошибок.
V - число обнаруженных в процессе тестирования ошибок из числа преднамеренно внесенных
Если продолжать тестирование до тех пор пока все ошибки из числа преднамеренно вн не будут обнаружены, cтепень отлаженности программы можно оценить с помощью формулы
C = { 0 , если S > r |
(*) |
W / (W+r +1) , если |
S ≤ r (т.е. если число первоначальных ошибок в |
ПО больше обнаруженных) |
|
|
|
Модель Миллса
Напр. W=7(исскуственно введенных ошибок) ; V= 5 (количество обнаруженных в процессе тестирования ошибок из числа преднамеренно внесенных ); S= 5 (количество собственных ошибок , обнаруженных в процессе тестирования) ; r= 12 (количество предполагаемых в программе ошибок)
Тогда
C= 7 / (7+ 12+ 1) = 0,35
Т.е. степень отлаженности программы очень низкая.
Модель Миллса
Если же не все ошибки будут обнаружены , то используется другая формула ( формулу (*) использовать нельзя):
P - вероятность того , что в программе действительно нет ошибок.
P=
Модель
Недостатки модели Милдса:
1.Необходимость внесения ошибок (процесс плохо формализуем)
2.Достаточно вольное допущение числа K (которое определяется на интуиции программиста ).
Модель Нельсона
Модель Нельсона позволяет проанализировать исходный наборы тестовых данных на основе анализа результатов прогона всех тестов (
модель позволяет отсечь те наборы которые прошли без отказа и сконцентривать внимание на тестовых наборах в которых произошли отказы и т.о. более детально проверить программу)
R – вероятность того (события R) , что данный конкретный прогон программы на заданном наборе входных данных не приведет к отказу.
R= 1 – Σ Pi * Сi
где
Pi – вероятности (частоты) использования i-го набора входных данных;
Модель Нельсона
Ci – переменная, принимающая значение 0 , если получен(при данном конкретном прогоне программы) приемлемый результат и 1 – если получен отказ.
Кроме того R можно определить :
R = 1 – N0 / N
где N – общее число тестов
N 0 – количество тестов , которые привели к отказам.
Модель Нельсона
Ci – переменная, принимающая значение 0 , если получен(при данном конкретном прогоне программы) приемлемый результат и 1 – если получен отказ.
Кроме того R можно определить :
R = 1 – N0 / N
где N – общее число тестов
N 0 – количество тестов , которые привели к отказам.
Модель Нельсона
Модель Нельсона позволяет проанализировать исходный наборы тестовых данных на основе анализа результатов прогона всех тестов ( модель позволяет отсечь те
наборы которые прошли без отказа и сконцентрировать внимание на тестовых наборах в которых произошли отказы и т. о. более детально проверить программу)
R – вероятность того (события R) , что данный конкретный прогон программы на заданном наборе входных данных не приведет к отказу.
R= 1 – Σ Pi * Сi где
Pi – вероятности (частоты) использования i-го набора входных данных;