基于事件曝光模型的云服务测试与调试研究

In the cloud environment, all the computing resources are provided to users based on the concept of service. Service consumers can select and compose different services to develop their own applications. To protect the interests of service providers and to ease the use of services, service providers usually release their service interfaces only, leaving the implementation details and internal configuration of the services invisible to service consumers. This however imposes great challenges for service consumers to test and debug a service composition, especially when the involved services in the service composition are from different parties. For example, service consumers are unable to reason about how well the service composition has been tested as a whole; Moreover, when there is an error found during the testing, it is difficult for service consumers to identify and locate the faults. To address these difficulies, we propose in this project an event exposure model for services. In this model, service providers can encapsulate some internal states of their services at runtime as events, and publish these events to service consumers. These events are informative so that service consumers can make use of these events to reason about how well a service composition has been tested. Moreover, service consumers can also make use of these events to help effectively identify and locate faults in a service composition.

在云计算环境下，各种计算资源以服务的形式提供给用户使用。用户可以选择和组合不同的服务来满足他们的计算需求。出于保护服务提供者以及简化服务使用的目的，这些服务通常只提供了使用接口，其内部实现，配置情况以及运行情况并未公布。这给用户增加了测试和调试这些服务组合的难度，尤其当用户把不同第三方提供的各种服务组合在一起的时候：用户很难推断这些服务组合是否得到充分测试；当发现这些服务组合存在错误时，用户也很难推断问题由哪些服务引起，因何引起。为了解决这些难题，本课题研究提出一种事件曝光模型，通过选择封装服务运行时的一些内部状态为事件，并把这些事件曝光和发布给用户。这些事件包含了很多服务运行信息，用户可以根据这些信息来推断这些服务组合是否得到充分测试。同时，在测试过程中发现错误时，用户可以根据这些事件来更加有效地定位出服务出错的根源。

本项目主要针对云计算环境下云服务测试与调试的难题，提出一种基于事件曝光模型的云服务测试与调试方法，通过利用和曝光服务运行态生成的事件，增加云服务测试和调试的能见度。具体而言，1）本项目研究了如何定义和形式化事件曝光模型、如何选择、封装和曝光服务运行态产生的事件，并在此基础上定义了基于事件的测试充分性准则，利用曝光的事件来推断云服务测试的充分性，提高云服务测试的覆盖率和错误发现率；同时，本项目根据曝光事件来生成测试案例，提高测试案例的有效性和生成效率。实验结果表明，该方法在测试覆盖率方面能够比现有方法能提高多达49%左右，在错误发现率方面能够比现有方法提高多达24%左右，比随机方法少用58%的测试案例。2）本项目在事件曝光模型的基础上主要研究了如何选择、封装和细化事件产生和事件发布，并把这些事件进行聚类分析，通过统计的方法找出事件与错误之间的关联性，利用关联性大的事件来定位云服务错误的位置，提高云服务错误定位的准确性。实验结果表明该方法在错误覆盖率，错误查找距离，错误查找代价等指标都优于现有的方法。

内容获取失败，请点击重试