ОГЛЯД ТА ПРОПОЗИЦІЯ ОПТИМІЗАЦІЇ ОПТИМАЛЬНИХ КОНФІГУРАЦІЙ ДЛЯ АВТОМАТИЗОВАНОГО ТЕСТУВАННЯ БАГАТОКОМПОНЕНТНИХ ІНФОРМАЦІЙНИХ СИСТЕМ
DOI:
https://doi.org/10.32689/maup.it.2025.3.11Ключові слова:
автоматизоване тестування, багатокомпонентні інформаційні системи, оптимальні конфігу- рації, Pairwise Testing, генетичні алгоритми, CI/CDАнотація
У статті проаналізовано сучасні підходи до вибору оптимальних конфігурацій для автоматизовано- го тестування багатокомпонентних інформаційних систем (ІС), що є основою функціональності цифрових плат- форм. Визначено ключові поняття: конфігурація як комбінація параметрів (версії програмного забезпечення, бази даних, браузери), оптимальна конфігурація як мінімальний набір комбінацій для покриття критичних сценаріїв за умов обмеження ресурсів, багатокомпонентна ІС як сукупність взаємопов’язаних компонентів (фронтенд, бекенд, API, бази даних).Метою дослідження є оцінка сучасних методів та створення інтегрованого підходу, що поєднує комбінаторні методи, генетичні алгоритми та CI/CD для автоматизації вибору конфігурацій у реальному часі.Методологія дослідження включає систематичний огляд літератури за останні 5 років, порівняльний аналіз із використанням вагових коефіцієнтів (кількість тестів, покриття сценаріїв, адаптивність, інтеграція з CI/CD, ресурси), математичне моделювання та апробацію на прикладі хмарних платформ і систем електронної комерції.Наукова новизна полягає в розробці інтегрованого підходу, який скорочує кількість тестів до 5–10% від повного набору (наприклад, із 243 до 12–24 конфігурацій для системи з 5 параметрами), забезпечуючи при цьому 90–95% покриття критичних сценаріїв та високу адаптивність до змін компонентів. Унікальність підходу – інтеграція з CI/CD-процесами та використання вагового аналізу для вибору оптимальних конфігурацій. Висновки. Запропонований підхід дозволяє оптимізувати тестування в умовах складних ІС, поєднуючи точність комбінаторних методів, ефективність генетичних алгоритмів та автоматизацію CI/CD. Перспективи подальших досліджень – використання ШІ для прогнозування дефектів і автоматичний аналіз результатів тестування.
Посилання
Bansal S. Empirical Studies on Automated Software Testing Practices : монографія. USC, 2022. URL: https://www.researchgate.net/publication/369475828_Empirical_Studies_on_Automated_Software_Testing_Practices (дата звернення: 22.09.2025).
Cohen M. B., Gibbons P. B., Mugridge W. B., Colbourn C. J. Constructing Test Suites for Interaction Testing : матеріали конференції. Proceedings of the 25th International Conference on Software Engineering. 2003. P. 38–48.
De Sousa Ribeiro Filho F. Automated security testing in DevSecOps pipelines : стаття. WJARR. 2025. URL: https://wjarr.com/sites/default/files/WJARR-2024-1083.pdf (дата звернення: 22.09.2025).
Durelli W. H., Durelli R. S., Endo A. T. Applying Machine Learning to Software Testing: A Systematic Review : стаття. IEEE Transactions on Reliability. 2019. Vol. 68, No 3. P. 1189–1212.
Grindal M., Offutt J., Andler S. F. Combination Testing Strategies: A Survey : стаття. Software Testing, Verification and Reliability. 2005. Vol. 15, No 3. P. 167–199.
Kuhn R., Kacker R., Lei Y. Introduction to Combinatorial Testing : монографія. Boca Raton : CRC Press, 2013. 333 с.
Kuhn D. R., Wallace D. R., Gallo A. M. Software Fault Interactions and Implications for Software Testing : стаття. IEEE Transactions on Software Engineering. 2004. Vol. 30, No 6. P. 418–421.
Lei Y., Tai K. C. In-Parameter-Order: A Test Generation Strategy for Pairwise Testing : матеріали конференції. Proceedings of the 3rd IEEE International High-Assurance Systems Engineering Symposium. 1998. P. 254–261.
Mandl R. Orthogonal Latin Squares: A Tool for the Design of Experiments in Testing : стаття. Software Testing, Verification and Reliability. 1985. Vol. 2, No 2. P. 23–31.
Nie C., Leung H. A Survey of Combinatorial Testing : стаття. ACM Computing Surveys. 2011. Vol. 43, No 2. P. 1–29.
Segall I., Tzoref-Brill R. Using Machine Learning to Improve Test Case Generation : стаття. IEEE International Conference on Software Testing, Verification and Validation. 2018. P. 45–53.
Sharma A. Test Suite Optimization Using Machine Learning Techniques : монографія. DSU, 2024. URL: https://www.researchgate.net/publication/385478252_Test_Suite_Optimization_Using_Machine_Learning_Techniques_A_Comprehensive_Study (дата звернення: 22.09.2025).
Suafel L., Harman M. Evolutionary Algorithms for Software Testing: A Survey : стаття. Journal of Systems and Software. 2019. Vol. 152. P. 112–124.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.





