Kỹ thuật kiểm thử đột biến và ứng dụng để kiểm thử các chương trình java

Khi được sử dụng trong ngữ cảnh của phương pháp đường dẫn cơ sở, giá trị được xác định cho độ phức tạp chu trình cho biết số lượng đường dẫn độc lập trong một tập cơ sở của chương trình

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

ĐINH THỊ MỸ CẢNH

KỸ THUẬT KIỂM THỬ ĐỘT BIẾN

VÀ ỨNG DỤNG ĐỂ KIỂM THỬ CÁC CHƯƠNG TRÌNH JAVA

Ngành : Công nghệ thông tin

MỤC LỤC

CÁC THUẬT NGỮ VÀ CÁC TỪ VIẾT TẮT 3

DANH SÁCH CÁC HÌNH 4

DANH SÁCH CÁC BẢNG 5

MỞ ĐẦU 6

CHƯƠNG 1 - TỔNG QUAN VỀ KIỂM THỬ PHẦN MỀM 9

1.1 Kiểm thử phần mềm là gì? 9

1.2 Các mức kiểm thử phần mềm 9

1.2.1 Kiểm thử đơn vị 10

1.2.2 Kiểm thử tích hợp 10

1.2.3 Kiểm thử hệ thống 11

1.2.4 Kiểm thử chấp nhận 12

1.3 Thiết kế trường hợp kiểm thử 12

1.3.1 Kỹ thuật kiểm thử hộp trắng 13

1.3.1.1 Kiểm thử đường dẫn cơ sở 13

1.3.1.2 Kiểm thử cấu trúc điều khiển 17

1.3.2 Kỹ thuật kiểm thử hộp đen 19

1.3.2.1 Phân hoạch tương đương 20

1.3.2.2 Phân tích giá trị biên 22

1.4 Kết luận 23

CHƯƠNG 2 – KỸ THUẬT KIỂM THỬ ĐỘT BIẾN 24

2.1 Giới thiệu 24

2.2 Khái niệm kiểm thử đột biến 25

2.3 Cơ sở của kiểm thử đột biến 26

2.4 Toán tử đột biến 26

2.5 Quy trình kiểm thử đột biến 28

2.6 Một số vấn đề của kiểm thử đột biến 31

2.7 Kết luận 31

CHƯƠNG 3 - CÁC CẢI TIẾN KỸ THUẬT KIỂM THỬ ĐỘT BIẾN 33

3.1 Giảm chi phí tính toán 33

3.1.1 Làm ít hơn 33

3.1.1.1 Lấy mẫu đột biến 33

3.1.1.2 Đột biến ràng buộc 35

3.1.1.3 N - đột biến lựa chọn 36

3.1.2 Làm nhanh hơn 37

3.1.2.1 Phương pháp tạo lược đồ đột biến 38

3.1.3 Làm thông minh hơn 40

3.1.3.1 Đột biến yếu 40

3.2 Tăng tự động hóa 42

3.2.1 Tạo dữ liệu thử tự động 42

3.2.2 Xác định các đột biến tương đương tự động 43

3.2.3 Vấn đề Oracle 45

3.3 Kết luận 46

CHƯƠNG 4 - ỨNG DỤNG KỸ THUẬT KIỂM THỬ ĐỘT BIẾN ĐỂ KIỂM THỬ CÁC CHƯƠNG TRÌNH JAVA 47

4.1 Công cụ MuJava 47

4.1.1 Mô tả công cụ MuJava 47

4.1.2 Các toán tử đột biến cho MuJava 50

4.1.2.1 Các toán tử đột biến mức phương thức 50

4.1.2.2 Các toán tử đột biến mức lớp 53

4.1.3 Phương pháp thực thi của MuJava 55

4.2 Công cụ Junit 56

4.3 Quy trình ứng dụng kiểm thử đột biến để kiểm thử các chương trình Java 57

4.4 Ứng dụng kỹ thuật kiểm thử đột biến để kiểm thử chương trình SXQSort.java 58

4.4.1 Đặc tả của chương trình sắp xếp dãy số tăng dần 58

4.2.2 Thuật toán của chương trình SXQSort.java 58

4.2.3 Thiết kế các trường hợp kiểm thử cho chương trình SXQSort.java 59

4.2.3.1 Thiết kế các trường hợp kiểm thử cho module FindPivot 59

4.2.3.2 Thiết kế các trường hợp kiểm thử cho Module Partition 61

4.2.3.3 Thiết kế các trường hợp kiểm thử cho Module QuickSort 63

4.4.4 Kiểm thử chương trình SXQSort.java với JUnit 65

4.4.5 Tạo và phân tích đột biến cho chương trình SXQSort.java bằng MuJava 66

4.4.5.1 Tạo các đột biến 66

4.4.5.2 Phân tích đột biến 69

KẾT LUẬN 72

TÀI LIỆU THAM KHẢO 73

CÁC THUẬT NGỮ VÀ CÁC TỪ VIẾT TẮT

ABS Absolute value insertion

ACR Array reference for constant replacement

AOR Arithmetic operator replacement

AORB Arithmetic operator replacement (binary)

AORS Arithmetic operator replacement (short-cut)

ASR Array reference for scalar variable replacement

BCEL Byte code engineering library

CBT Constraint-based testing

COR Conditional operator replacement

CSR Constant for scalar variable replacement

DU Một chuỗi khai báo – sử dụng

JID Member variable initialisation deletion

JSI static modifier insertion

JTI this keyword insertion

LCR Logical connector replacement

MSG Mutant schema generation

PUT Program under test

ROR Relational operator replacement

SCR Scalar for constant replacement

SRC Source constant replacement

SVR Scalar variable replacement

UOI Unary operator insertion

DANH SÁCH CÁC HÌNH

Hình 1.1 Bốn mức độ cơ bản của kiểm thử phần mềm 9

Hình 1.3 Ví dụ minh hạo phát sinh các trường hợp kiểm thử theo

Hình 3.1 Ba kịch bản có thể có cho quan hệ giữa các tập dữ liệu

Hình 3.2 Phân bố đột biến bằng toán tử đột biến cho Mothra 36

Hình 3.4 Phiên bản đột biến của PUT gốc hình 3.3 39

Hình 4.2 Giao diện bộ tạo đột biến của MuJava 48 Hình 4.3 Giao diện biểu diễn các đột biến của MuJava 49 Hình 4.4 Giao diện bộ thực thi đột biến của MuJava 49

Hình 4.7 Quy trình ứng dụng kỹ thuật kiểm thử đột biến 57 Hình 4.8 Đồ thị luồng điều khiển của Partiton 62 Hình 4.9 Kết quả kiểm thử SXQSort.java bằng JUnit 65 Hình 4.10 Giao diện tạo đột biến cho SXQSort.java 67 Hình 4.11 Hiển thị các đột biến truyền thống của SXQSort.java 68 Hình 4.12 Hiển thị các đột biến lớp của SXQSort.java 68 Hình 4.13 Kết quả thực thi các đột biến của SXQSort.java 69

Bảng 4.6 Các toán tử đột biến mức phương thức và mức lớp được

Bảng 4.7 Chất lượng 22 trường hợp kiểm thử cho SXQSort.java 70

MỞ ĐẦU

Kiểm thử phần mềm là một hoạt động giữ vai trò rất quan trọng để bảo đảm chất lượng phần mềm và là hoạt động mang tính sống còn trong các dự án sản xuất hoặc gia công phần mềm Vì vậy, kiểm thử phần mềm đã trở thành qui trình bắt buộc trong các dự án phát triển phần mềm trên thế giới Ở Việt Nam, ngành công nghiệp phần mềm đang phát triển thì không thể xem nhẹ việc kiểm thử phần mềm vì xác suất thất bại sẽ rất cao, hơn nữa, hầu hết các công ty phần mềm

có uy tín đều đặt ra yêu cầu nghiêm ngặt là nếu một phần mềm không có tài liệu kiểm thử đi kèm thì sẽ không được chấp nhận

Tuy nhiên, hoạt động kiểm thử thường gặp nhiều khó khăn Thứ nhất, kiểm thử các hệ thống phức tạp đòi hỏi rất nhiều nguồn tài nguyên và chi phí cao Thứ hai, tiến trình phát triển phần mềm luôn trải qua nhiều hoạt động biến đổi thông tin, sự mất mát thông tin trong quá trình biến đổi là yếu tố chính làm cho hoạt động kiểm thử khó khăn Thứ ba, kiểm thử chưa được chú trọng trong đào tạo con người Cuối cùng, không tồn tại kỹ thuật kiểm thử cho phép khẳng định một phần mềm hoàn toàn đúng đắn hay không chứa lỗi

Với mục đích phát hiện lỗi, kiểm thử phần mềm thường phải trải qua các bước: tạo dữ liệu thử, thực thi phần mềm trên dữ liệu thử và quan sát kết quả nhận được Trong các bước này, bước tạo dữ liệu thử đóng vai trò quan trọng nhất, bởi vì chúng ta không thể tạo ra mọi dữ liệu từ miền vào của chương trình,

mà chúng ta chỉ có thể tạo ra các dữ liệu thử có khả năng phát hiện lỗi cao nhất Vấn đề đặt ra là làm thế nào để đánh giá được khả năng phát hiện lỗi của một bộ

dữ liệu thử? Một kinh nghiệm để giúp giải quyết vấn đề này, đó là sử dụng khái

niệm chất lượng bộ dữ liệu thử như là một phương tiện để đánh giá bộ dữ liệu

thử như thế nào là “tốt” khi kiểm thử chương trình Ở đây, “tốt” được đánh giá liên quan đến tiêu chuẩn chất lượng được định trước, thường là một số dấu hiệu bao phủ chương trình Ví dụ, tiêu chuẩn bao phủ dòng lệnh đòi hỏi bộ dữ liệu thử thực hiện mọi dòng lệnh trong chương trình ít nhất một lần Nếu bộ dữ liệu thử được tìm thấy không chất lượng liên quan đến tiêu chuẩn (tức là không phải tất cả các câu lệnh đều được thực hiện ít nhất một lần), thì kiểm thử nữa là bắt buộc Do đó, mục tiêu là tạo ra một tập các kiểm thử thực hiện đầy đủ tiêu chuẩn chất lượng

Tiêu chuẩn chất lượng tiêu biểu như bao phủ câu lệnh và kiểm thử quyết định (thực hiện tất cả các đường dẫn đúng và sai qua chương trình) dựa vào việc thực hiện chương trình với số lượng kiểm thử tăng dần để nâng cao độ tin cậy của chương trình đó Tuy nhiên, chúng không tập trung vào nguyên nhân thất

bại của chương trình - được gọi là lỗi Kiểm thử đột biến [7] là một tiêu chuẩn như vậy Tiêu chuẩn này tạo ra các phiên bản của chương trình có chứa các lỗi đơn giản và sau đó tìm ra các kiểm thử để chỉ ra các dấu hiệu của lỗi Nếu có thể tìm thấy một bộ dữ liệu thử chất lượng làm lộ ra các dấu hiệu này ở tất cả các phiên bản bị lỗi, thì sự tin tưởng vào tính đúng đắn của chương trình sẽ tăng Kiểm thử đột biến đã được áp dụng cho nhiều ngôn ngữ lập trình [8] như là một kỹ thuật kiểm thử hộp trắng Chẳng hạn, các chương trình Fortran, Ada, C, Java, C#, SQL, … Bên cạnh việc sử dụng kiểm thử đột biến ở mức thực thi phần mềm, kiểm thử đột biến còn được sử dụng ở mức thiết kế để kiểm thử các đặc tả hoặc các mô hình của chương trình Ví dụ, ở mức thiết kế, kiểm thử đột biến được áp dụng cho các máy trạng thái xác định (FSM), các biểu đồ trạng thái (State Charts), các giao thức mạng (Network Protocols), các chính sách bảo mật (Security Policies), các dịch vụ web (Web Services), …

Ý thức được đây là một lĩnh vực nghiên cứu có nhiều triển vọng ứng dụng

trong phát triển phần mềm, tôi đã chọn hướng nghiên cứu Kỹ thuật kiểm thử đột biến cho đề tài luận văn của mình Luận văn được xây dựng dựa trên nền các

nghiên cứu đã có trong lĩnh vực kiểm thử phần mềm kể từ năm 1978, mà gần đây nhất là các nghiên cứu về kỹ thuật kiểm thử đột biến vào năm 2009 của TS.Nguyễn Thanh Bình – Đại học Bách khoa, Đại học Đà Nẵng [2] Đồng thời, tôi xin đề xuất một “quy trình ứng dụng kỹ thuật kiểm thử đột biến để kiểm thử các chương trình Java”

Luận văn được tổ chức thành 4 chương như sau:

 Chương 1 – Trình bày tổng quan về kiểm thử phần mềm như khái niệm

kiểm thử phần mềm, mục đích, mục tiêu và các mức kiểm thử phần mềm Chương này cũng đề cập đến việc sử dụng các kỹ thuật kiểm thử hộp trắng và hộp đen để thiết kế dữ liệu thử

 Chương 2 - Mô tả chi tiết các thành phần chính của kỹ thuật kiểm thử

đột biến, giới thiệu các giả thuyết cơ bản cần thiết để thực hiện phương pháp này Chương này còn cung cấp quy trình để phân tích đột biến, từ

đó rút ra được những vấn đề còn hạn chế đối với kỹ thuật kiểm thử đột biến, được cải tiến ở chương 3

 Chương 3 – Giới thiệu các phương pháp cải tiến kỹ thuật kiểm thử đột biến nhằm giảm chi phí tính toán và tăng tự động hóa

 Chương 4 – Tập trung vào ứng dụng kỹ thuật kiểm thử đột biến Phần

đầu giới thiệu hai công cụ mã nguồn mở miễn phí MuJava với chức

năng phân tích và tạo đột biến, và JUnit dùng để kiểm thử đơn vị của chương trình Java Đồng thời, đề xuất quy trình ứng dụng kỹ thuật kiểm thử đột biến để kiểm thử các chương trình Java sử dụng hai công cụ trên

Cụ thể, kiểm thử chương trình sắp xếp dãy số tăng dần theo thuật toán QuickSort viết bằng ngôn ngữ Java, từ đó, tập trung phân tích và đánh

giá chất lượng của các bộ dữ liệu thử dùng để kiểm thử chương trình này

CHƯƠNG 1 - TỔNG QUAN VỀ KIỂM THỬ PHẦN MỀM

1.1 Kiểm thử phần mềm là gì?

Kiểm thử phần mềm thường đồng nghĩa với việc tìm ra lỗi chưa được phát hiện Tuy nhiên, có nhiều bối cảnh kiểm thử không bộc lộ ra lỗi Kiểm thử phần mềm là quá trình thực thi một hệ thống phần mềm để xác định xem phần mềm

có đúng với đặc tả không và thực hiện trong môi trường như mong đợi hay không [19]

Mục đích của kiểm thử phần mềm là tìm ra lỗi chưa được phát hiện, tìm một cách sớm nhất và bảo đảm rằng lỗi đã được sửa, kiểm thử phần mềm không làm công việc chẩn đoán nguyên nhân gây ra lỗi đã được phát hiện và sửa lỗi Mục tiêu của kiểm thử phần mềm là thiết kế tài liệu kiểm thử một cách có

hệ thống và thực hiện nó sao cho có hiệu quả, nhưng tiết kiệm được thời gian, công sức và chi phí

1.2 Các mức kiểm thử phần mềm

Chiến lược kiểm thử tổng thể một hệ thống [3] được sử dụng rộng rãi nhất hiện nay là chiến lược từ mức thấp đến mức cao, bao gồm bốn mức như được thể hiện ở hình 1.1:

Kiểm thử mức

đơn vị lập trình

(Unit test)

Kiểm thử mức tích hợp các đơn vị (Integration test)

Kiểm thử mức hệ thống, sau khi tích hợp (System test)

Kiểm thử để chấp nhận sản phẩm (Acceptance test)

Các bộ phận đơn lẻ

Hình 1.1- Bốn mức độ cơ bản của kiểm thử phần mềm

1.2.1 Kiểm thử đơn vị

Một đơn vị (Unit) là một thành phần phần mềm nhỏ nhất mà ta có thể kiểm thử được.Ví dụ: các hàm (Function), thủ tục (Procedure), lớp (Class), hoặc các phương thức (Method)

Kiểm thử đơn vị thường do lập trình viên thực hiện Công đoạn này cần được thực hiện càng sớm càng tốt trong giai đoạn viết code và xuyên suốt chu

Cũng như các mức kiểm thử khác, kiểm thử đơn vị cũng đòi hỏi phải chuẩn

bị trước các tình huống (test case) hoặc kịch bản (test script), trong đó chỉ định

rõ dữ liệu vào, các bước thực hiện và dữ liệu mong muốn sẽ xuất ra Các test case và test script được dữ lại để sử dụng sau này

1.2.2 Kiểm thử tích hợp

Kiểm thử tích hợp kết hợp các thành phần của một ứng dụng và kiểm thử như một ứng dụng đã hoàn thành Trong khi kiểm thử đơn vị kiểm tra các thành phần và Unit riêng lẻ thì kiểm thử tích hợp kết hợp chúng lại với nhau và kiểm tra sự giao tiếp giữa chúng

Kiểm thử tích hợp có hai mục tiêu chính là phát hiện lỗi giao tiếp xảy ra giữa các Unit và tích hợp các Unit đơn lẻ thành các hệ thống con (gọi là subsystem) và cuối cùng là nguyên hệ thống hoàn chỉnh chuẩn bị cho kiểm thử ở mức hệ thống (system test)

Có 4 loại kiểm thử trong kiểm thử tích hợp như sau:

 Kiểm thử cấu trúc (Structure test): Kiểm thử nhằm bảo đảm các thành phần bên trong của một chương trình chạy đúng, chú trọng đến hoạt động của các thành phần cấu trúc nội tại của chương trình, chẳng hạn các lệnh và nhánh bên trong

 Kiểm thử chức năng (Functional test): Kiểm thử chỉ chú trọng đến chức năng của chương trình, không quan tâm đến cấu trúc bên trong, chỉ khảo sát chức năng của chương trình theo yêu cầu kỹ thuật

 Kiểm thử hiệu năng (Performance test): Kiểm thử việc vận hành của hệ thống

 Kiểm thử khả năng chịu tải (Stress test): Kiểm thử các giới hạn của hệ thống

Kiểm thử hệ thống được thực hiện bởi một nhóm kiểm tra viên hoàn toàn độc lập với nhóm phát triển dự án để đảm bảo tính chính xác và khách quan Kiểm thử hệ thống thường có các loại kiểm thử sau:

 Kiểm thử chức năng (Functional test): Bảo đảm các hành vi của hệ thống thỏa mãn đúng yêu cầu thiết kế

 Kiểm thử khả năng vận hành (Performance test): Bảo đảm tối ưu việc phân bổ tài nguyên hệ thống (ví dụ bộ nhớ) nhằm đạt các chỉ tiêu như thời gian xử lý hay đáp ứng câu truy vấn,

 Kiểm thử khả năng chịu tải (Stress test hay Load test): Bảo đảm hệ thống vận hành đúng dưới áp lực cao (ví dụ nhiều người truy xuất cùng lúc) Stress test tập trung vào các trạng thái tới hạn, các "điểm chết", các tình huống bất thường như đang giao dịch thì ngắt kết nối (xuất hiện nhiều trong test thiết bị như POS, ATM ),

 Kiểm thử cấu hình (Configuration test): Đảm bảo hệ thống hoạt động tương thích với các loại phần cứng khác nhau

 Kiểm thử khả năng bảo mật (Security test): Bảo đảm tính toàn vẹn, bảo mật của dữ liệu và của hệ thống

 Kiểm thử khả năng phục hồi (Recovery test): Bảo đảm hệ thống có khả năng khôi phục trạng thái ổn định trước đó trong tình huống mất tài nguyên hoặc dữ liệu; đặc biệt quan trọng đối với các hệ thống giao dịch như ngân hàng trực tuyến

1.2.4 Kiểm thử chấp nhận

Mục đích của kiểm thử chấp nhận là kiểm thử khả năng chấp nhận cuối cùng để chắc chắn rằng sản phẩm là phù hợp và thỏa mãn các yêu cầu của khách hàng và khách hàng chấp nhận sản phẩm

Trong giai đoạn kiểm thử chấp nhận thì người kiểm tra là khách hàng Họ

sẽ đánh giá phần mềm với mong đợi của họ, theo những thao tác sử dụng quen thuộc của họ Việc kiểm tra ở giai đoạn này tránh cho việc hiểu sai yêu cầu cũng như sự mong đợi của khách hàng

Gắn liền với giai đoạn kiểm thử chấp nhận thường là một nhóm những dịch

vụ và tài liệu đi kèm, phổ biến như hướng dẫn cài đặt, sử dụng, v.v…Tất cả tài liệu đi kèm phải được cập nhật và kiểm tra chặt chẽ

1.3 Thiết kế trường hợp kiểm thử

Thiết kế kiểm thử phần mềm có thể là một quá trình thu thập, phân tích và thực hiện yêu cầu Mục tiêu của kiểm thử là phải thiết kế các trường hợp kiểm thử có khả năng cao nhất trong việc phát hiện nhiều lỗi nhất với thời gian và công sức tối thiểu Như vậy, vấn đề quan trọng nhất trong kiểm thử phần mềm là thiết kế và tạo ra các trường hợp kiểm thử có hiệu quả [19] Lý do về tầm quan trọng của việc thiết kế các trường hợp kiểm thử xuất phát từ thực tế: Kiểm thử

“vét cạn” là điều không thể, và như vậy, kiểm thử một chương trình phải luôn xác định là không thể vét cạn Vấn đề quan trọng là cố gắng làm giảm sự “không thể vét cạn” nhiều nhất có thể

Kiểm thử phần mềm còn có các ràng buộc về thời gian và chi phí,…Chìa

khóa của kiểm thử là trả lời của câu hỏi: “Tập con của tất cả các trường hợp kiểm thử có thể có xác suất phát hiện lỗi cao nhất là gì? ” Việc nghiên cứu các

phương pháp thiết kế trường hợp kiểm thử sẽ cung cấp câu trả lời cho câu hỏi này

Bất kỳ sản phẩm công nghệ nào cũng có thể được kiểm thử theo hai cách:

 Viết về các chức năng cụ thể mà sản phẩm đã được thiết kế để thực hiện

 Biết cách hoạt động bên trong của sản phẩm, kiểm thử có thể được thực hiện để đảm bảo rằng “tất cả các thành phần ăn khớp với nhau”

Cách tiếp cận kiểm thử đầu tiên được gọi là kiểm thử hộp đen và cách thứ hai là kiểm thử hộp trắng [19]

1.3.1 Kỹ thuật kiểm thử hộp trắng

Kiểm thử hộp trắng cho phép kiểm tra cấu trúc bên trong của phần mềm với mục đích bảo đảm rằng tất cả các câu lệnh và điều kiện sẽ được thực hiện ít nhất một lần Người kiểm thử truy nhập vào mã nguồn chương trình và có thể kiểm tra nó, lấy đó làm cơ sở để hổ trợ việc kiểm thử

1.3.1.1 Kiểm thử đường dẫn cơ sở

Kiểm thử đường dẫn cơ sở là một kỹ thuật kiểm thử hộp trắng do Tom McCabe [3] đề xuất Phương pháp đường dẫn cơ sở cho phép người thiết kế trường hợp kiểm thử thực hiện phép đo độ phức tạp logic của thiết kế thủ tục và

sử dụng phép đo này như một chỉ dẫn cho việc thiết kế một tập cơ sở các đường dẫn thực hiện Những trường hợp kiểm thử được suy diễn để thực hiện tập cơ sở Các trường hợp kiểm thử đó được đảm bảo để thực hiện mỗi lệnh trong chương trình ít nhất một lần trong quá trình kiểm thử

a) Đồ thị luồng điều khiển

Đồ thị luồng điều khiển (hình 1.2) là một công cụ hữu ích để hiểu các luồng điều khiển và minh họa cho phương pháp kiểm thử đường dẫn cơ sở Cấu trúc của đồ thị luồng điều khiển bao gồm:

 Mỗi đỉnh (hình tròn) biểu thị một đoạn các câu lệnh thực hiện một cách tuần tự, có thể kết thúc bằng một lệnh rẽ nhánh

 Mỗi cạch (cung) biểu diễn dòng điều khiển nối hai nút với nhau

 Phần được bao bởi các cung và các đỉnh gọi là miền

Cung

Đỉnh điều kiện Miền

Hình 1.2 - Đồ thị luồng điều khiển

b) Độ phức tạp chu trình

Độ phức tạp chu trình là một thước đo phần mềm, cung cấp các phép đo định lượng độ phức tạp của chương trình Khi được sử dụng trong ngữ cảnh của phương pháp đường dẫn cơ sở, giá trị được xác định cho độ phức tạp chu trình cho biết số lượng đường dẫn độc lập trong một tập cơ sở của chương trình và cung cấp cho chúng ta một giới hạn trên số lượng kiểm thử bắt buộc để đảm bảo rằng tất cả các câu lệnh được thực hiện ít nhất một lần

Việc tính toán độ phức tạp chu trình sẽ cho chúng ta biết có bao nhiêu đường dẫn cần tìm Cho đồ thị luồng điều khiển G, độ phức tạp chu trình V(G) được tính theo một trong 3 công thức sau:

1 V(G) = R, trong đó R là số miền của đồ thị G

2 V(G) = P + 1, trong đó P là số đỉnh điều kiện có trong đồ thị G

3 V(G) = E – N + 2, trong đó E là số cung và N là số đỉnh của đồ thị G Đối chiếu với đồ thị luồng điều khiển trong hình 1.2, độ phức tạp chu trình V(G) đuwọc tính như sau:

1 Công thức 1: V(G) = R = 6

2 Công thức 2: V(G) = P + 1 = 5 + 1 = 6

3 Công thức 3: V(G) = E – N + 2 = 15 – 11 + 2 = 6

Như vậy, độ phức tạp chu trình của đồ thị luồng điều khiển ở hình 1.2 là 6

c) Phát sinh các trường hợp kiểm thử theo đường dẫn cơ sở

Phương pháp kiểm thử đường dẫn cơ sở có thể áp dụng để kiểm thử thủ tục chi tiết hoặc cho mã nguồn bao gồm các bước sau:

 Bước 1: Sử dụng mã nguồn hoặc thiết kế để xây dựng đồ thị luồng điều khiển tương ứng

 Bước 2: Tính toán độ phức tạp chu trình V(G)

 Bước 3: Xác định tập cơ sở của các đường dẫn độc lập (một đường dẫn

được gọi là độc lập với các đường dẫn khác nếu nó có ít nhất một cạnh chưa xuất hiện trong các đường dẫn khác)

 Bước 4: Chuẩn bị các trường hợp kiểm thử có khả năng thực hiện mỗi đường dẫn trong tập cơ sở

Chúng ta dùng hàm tính giá trị trung bình cộng của các số, Average trong C

như hình 1.3 để làm ví dụ minh họa cho mỗi bước thiết kế các trường hợp kiểm

thử Hàm Average là một thuật toán đơn giản có chứa các tổ hợp và vòng lặp,

trong đó chương trình tính giá trị trung bình của 100 hoặc một vài số trong mảng

values nằm trong khoảng của biên trên (max) và biên dưới (min) Đầu vào được

kết thức bằng giá trị -999

Bước 1: Vẽ đồ thị luồng điều khiển (như hình 1.3)

Bước 2: Tính độ phức tạp chu trình V(G)

V(G) = P (số đỉnh điều kiện) + 1 = 5 + 1 = 6 (Hình 1.3 có 5 đỉnh điều kiện: 2, 3, 4, 5, 8)

Bước 3: Tìm tập cơ sở của các đường dẫn độc lập

Hình 1.3 – Ví dụ minh họa phát sinh các trường hợp kiểm thử

theo đường dẫn cơ sở

 Trường hợp kiểm thử đường dẫn 1

Đầu vào: Values = {3, 5, 11, -999}, min = 0, max = 100

Đầu ra mong muốn: Average = (3 + 5 + 11) / 3

Mục đích: Để kiểm thử việc tính giá trị trung bình chính xác

Lưu ý: Đường dẫn 1 không thể kiểm thử một mình, mà phải được kiểm thử như là một phần của các kiểm thử đường dẫn 4, 5, và 6

 Trường hợp kiểm thử đường dẫn 2

Đầu vào: Values = {-999}, min = 0, max = 0

Đầu ra mong muốn: Average = -999

Mục đích: Để tạo ra Average = -999

 Trường hợp kiểm thử đường dẫn 3

Đầu vào: Values = {2, 6, 7, …, 120} (101 số), min = 0, max = 100

Đầu ra mong muốn: Trung bình của 100 số đầu tiên

Mục đích: Chỉ tính trung bình cho 100 số hợp lệ đầu tiên

 Trường hợp kiểm thử đường dẫn 4

Đầu vào: Values = {67, -2, 12, 23, -999}, min = 0, max = 100

Đầu ra mong muốn: Average = (67 + 12 + 23) / 3

Mục đích: Kiểm thử biên dưới (Values[i] > min, i < 100)

 Trường hợp kiểm thử đường dẫn 5

Đầu vào: Values = {7, 32, 102, 23, 68, 2, -999}, min = 0, max = 100

Đầu ra mong muốn: Average = (7 + 32 + 23 + 68 + 2) / 5

Mục đích: Kiểm thử biên trên (Values[i] < max, i < 100)

 Trường hợp kiểm thử đường dẫn 6

Đầu vào: Values = {3, 4, 12, 15, 16, 2, -999}, min = 0, max = 100

Đầu ra mong muốn: Average = (3 + 4 + 12 + 15 + 16 + 2) / 6

Mục đích: Việc tính giá trị trung bình là đúng

Phương pháp đường dẫn cơ sở tập trung trên “giá trị đại diện” của mỗi đường dẫn độc lập Cần có các trường hợp kiểm thử bổ sung (ngoài các trường hợp kiểm thử đường dẫn cơ sở), nhất là để thực hiện các điều kiện biên

1.3.1.2 Kiểm thử cấu trúc điều khiển

Phương pháp kiểm thử đường dẫn cơ sở là phương pháp kiểm thử đơn giản

và hiệu quả nhưng nó vẫn chưa đủ Chúng ta sẽ xem xét các biến thể trên kiểm thử cấu trúc điều khiển mà phủ kiểm thử mở rộng và hoàn thiện chất lượng của phương pháp kiểm thử hộp trắng

a) Kiểm thử điều kiện

Kiểm thử điều kiện là phương pháp thiết kế trường hợp kiểm thử thực thi các điều kiện logic trong module chương trình Mục đích là để xác định các lỗi điều kiện và cả các lỗi khác trong chương trình Một số phương pháp kiểm thử điều kiện như sau:

 Kiểm thử nhánh (Branch Testing): Là phương pháp kiểm thử điều kiện đơn giản nhất Thiết kế các trường hợp kiểm thử sao cho với mỗi điều kiện rẽ nhánh phức hợp C, các nhánh true và false của C và mỗi điều kiện đơn giản trong C cần phải được thực thi ít nhất một lần

 Kiểm thử miền (Domain Testing): Cần 3 hoặc 4 trường hợp kiểm thử cho biểu thức quan hệ Với một biểu thức quan hệ có dạng E1 <op> E2, cần có 3 trường hợp kiểm thử được thiết kế cho E1 == E2, E1 > E2, E1 < E2

b) Kiểm thử luồng dữ liệu

Phương pháp kiểm thử luồng dữ liệu lựa chọn các đường dẫn kiểm thử của chương trình dựa vào vị trí khai báo và sử dụng các biến trong chương trình Với kiểm thử luồng dữ liệu, mỗi câu lệnh trong chương trình được gán số hiệu lệnh duy nhất và mỗi hàm không thay đổi tham số của nó và biến toàn cục Cho một lệnh với S là số hiệu câu lệnh Ta định nghĩa:

DEF(S) = là tập các biến được khai báo trong S

USE(S) = là tập các biến được sử dụng trong S

Một chiến lược kiểm thử luồng dữ liệu cơ bản là chiến lược mà mỗi chuỗi

DU được phủ ít nhất một lần Chiến lược này được gọi là chiến lược kiểm thử

DU [3] Kiểm thử DU không đảm bảo phủ hết tất cả các nhánh của một chương trình Tuy nhiên, một nhánh không đảm bảo được phủ bởi kiểm thử DU chỉ

trong rất ít tình huống như cấu trúc if – then – else mà trong đó phần then không

có một khai báo biến nào và có dạng khuyết (không tồn tại phần else) Trong tình huống đó, nhánh else của lệnh if là không cần thiết phải phủ bằng kiểm thử

DU

Trong đó n là số lần lặp tối đa của vòng lặp

 Các bước cần kiểm tra cho vòng lặp lồng nhau

+ Khởi đầu với vòng lặp nằm bên trong nhất Thiết lập các tham số lặp cho các vòng lặp bên ngoài về giá trị nhỏ nhất

+ Kiểm tra với tham số min + 1, 1 giá trị tiêu biểu, max - 1 và max cho vòng lặp bên trong nhất trong khi các tham số lặp của các vòng lặp bên ngoài là nhỏ nhất

+ Tiếp tục tương tự với các vòng lặp liền ngoài tiếp theo cho đến khi tất cả vòng lặp bên ngoài được kiểm tra

 Các bước cần kiểm tra cho vòng lặp nối tiếp

Vòng lặp đơn giản Vòng lặp nối tiếp Vòng lặp lồng nhau Vòng lặp phi cấu trúc

Hình 1.4 –Các kiểu vòng lặp

Nếu các vòng lặp là độc lập với nhau thì kiểm tra như trường hợp các vòng lặp dạng đơn giản, nếu không thì kiểm tra như trường hợp các vòng lặp lồng nhau

 Các bước cần kiểm tra cho vòng lặp phi cấu trúc

Nếu gặp các lớp vòng lặp này chúng ta sẽ không kiểm thử, mà sẽ thiết kế lại tương ứng với sử dụng việc xây dựng chương trình có cấu trúc

1.3.2 Kỹ thuật kiểm thử hộp đen

Kiểm thử hộp đen [19] còn được gọi là kiểm thử hướng dữ liệu (data - driven) hay là kiểm thử hướng vào/ra (input/output driven)

Trong kỹ thuật này, người kiểm thử xem phần mềm như là một hộp đen Người kiểm thử hoàn toàn không quan tâm đến cấu trúc và hành vi bên trong của phần mềm Người kiểm thử chỉ cần quan tâm đến việc tìm các hiện tượng

mà phần mềm không hành xử theo đúng đặc tả của nó Do đó, dữ liệu kiểm thử

sẽ xuất phát từ đặc tả

Như vậy, cách tiếp cận kiểm thử hộp đen tập trung vào các yêu cầu chức năng của phần mềm Kiểm thử hộp đen cho phép người kiểm thử xây dựng các nhóm giá trị đầu vào mà sẽ thực thi đầy đủ tất cả các yêu cầu chức năng của chương trình Kiểm thử hộp đen không thay thế kỹ thuật kiểm thử hộp trắng, nhưng nó bổ sung khả năng phát hiện các lớp lỗi khác với các phương pháp hộp trắng

Kiểm thử hộp đen cố gắng tìm các loại lỗi sau:

 Các chức năng thiếu hoặc không đúng

 Các lỗi giao diện

 Các lỗi cấu trúc dữ liệu trong truy cập cơ sở dữ liệu bên ngoài

thử tất cả các đầu vào, tức là mỗi một điều kiện đầu vào có thể có là một trường hợp kiểm thử Bởi vì nếu chỉ kiểm thử một số điều kiện đầu vào thì không đảm bảo được chương trình đã hết lỗi Vì thế, để đạt được mục tiêu kiểm thử, người

ta đã áp dụng một số phương pháp kiểm thử hộp đen như: phân hoạch tương đương, phân tích giá trị biên

1.3.2.1 Phân hoạch tương đương

Như đã trình bày, việc kiểm thử tất cả các đầu vào của chương trình là không thể Vì thế, khi kiểm thử chương trình nên giới hạn một tập con tất cả các

trường hợp đầu vào có thể có, sao cho có xác suất tìm ra được nhiều lỗi nhất

Một tập con như vậy cần có hai tính chất sau:

 Mỗi trường hợp kiểm thử nên gồm nhiều điều kiện đầu vào khác nhau

có thể để giảm thiểu tổng số các trường hợp cần thiết

 Nên cố gắng phân hoạch các miền đầu vào của một chương trình thành một số xác định các lớp tương đương, sao cho có thể giả định hợp lý rằng việc kiểm thử một giá trị đại diện của mỗi lớp là tương đương với việc kiểm thử với một giá trị bất kỳ trong cùng lớp

Thiết kế các trường hợp kiểm thử bằng phân hoạch tương đương được xử lý theo hai bước: Phân hoạch các miền đầu vào/ra thành các lớp tương đương, và thiết kế các trường hợp kiểm thử đại diện cho mỗi lớp

a) Xác định các lớp tương đương

Các lớp tương đương được nhận dạng bằng cách lấy mỗi điều kiện đầu vào (thông thường là một câu lệnh hoặc một cụm từ trong đặc tả) và phân hoạch nó thành hai hay nhiều nhóm Các lớp tương đương bao gồm một tập các trạng thái hợp lệ hoặc không hợp lệ cho điều kiện đầu vào Điều kiện đầu vào là giá trị số xác định, hoặc là miền giá trị, tập giá trị có liên quan, hoặc điều kiện logic Để làm điều này, chúng ta sử dụng bảng liệt kê các lớp tương đương

Các lớp tương đương có thể được định nghĩa theo nguyên tắc sau:

1 Nếu điều kiện đầu vào xác định một khoảng giá trị [a, b], thì phân hoạch thành một lớp tương đương hợp lệ và hai lớp tương đương không hợp lệ Chẳng hạn, nếu đầu vào x nằm trong khoảng [1, 999], lớp hợp lệ là

1 <= x <= 999, các lớp không hợp lệ là x < 1 và x > 999

2 Nếu điều kiện đầu vào yêu cầu một giá trị xác định, phân hoạch thành một lớp tương đương hợp lệ và hai lớp tương đương không hợp lệ

Chẳng hạn, nếu đầu vào x = 3, thì lớp hợp lệ là x = 3, các lớp không hợp

lệ là x < 3 và x > 3

3 Nếu điều kiện đầu vào xác định một phần tử của tập hợp, thì phân hoạch

thành một lớp tương đương hợp lệ và một lớp tương đương không hợp

lệ

4 Nếu điều kiện đầu vào là Boolean, thì phân hoạch thành một lớp tương đương hợp lệ và một lớp tương đương không hợp lệ tương ứng với hai trạng thái true và false

Ngoài ra, một nguyên tắc thứ năm được bổ sung là sử dụng khả năng phán đoán, kinh nghiệm và trực giác của người kiểm thử

Điều kiện vào/ra Các lớp tương đương

hợp lệ

Các lớp tương đương không hợp lệ

Số ID của sinh viên Các thuộc tính khóa Không phải thuộc tính khóa

Tên sinh viên Ký tự chữ cái

1 Gán một giá trị duy nhất cho mỗi lớp tương đương

2 Đến khi tất cả các lớp tương đương hợp lệ được phủ bởi các trường hợp kiểm thử thì viết một trường hợp kiểm thử mới phủ nhiều nhất có thể các lớp tương đương hợp lệ chưa được phủ

3 Đến khi tất cả các lớp tương đương không hợp lệ được phủ bởi các trường hợp kiểm thử thì hãy viết các trường hợp kiểm thử mới sao cho mỗi trường hợp kiểm thử mới chỉ phủ duy nhất một lớp tương đương không hợp lệ chưa được phủ

1.3.2.2 Phân tích giá trị biên

Khi thực hiện kiểm thử phần mềm theo dữ liệu, chúng ta kiểm tra xem đầu vào của người dùng, kết quả nhận được và kết quả tạm thời bên trong có được

xử lý chính xác hay không

Các điều kiện biên là tình trạng trực tiếp ở phía trên và dưới của lớp tương đương đầu vào và lớp đương đương đầu ra Việc phân tích các giá trị biên khác với phân hoạch tương đương theo hai điểm:

 Từ mỗi lớp tương đương, phân hoạch tương đương sẽ chọn phần tử bất

kỳ làm phần tử đại diện, trong khi việc phân tích giá trị biên sử dụng một hoặc một số phần tử Như vậy, mỗi biên của lớp tương đương chính

là đích kiểm thử

 Không chỉ chú ý tập trung những điều kiện đầu vào, các trường hợp kiểm thử cũng được suy ra từ việc xem xét các kết quả ra (tức là các lớp tương đương đầu ra)

Có một số nguyên tắc phân tích giá trị biên như sau:

1 Nếu điều kiện đầu vào xác định một khoảng giá trị giữa a và b, các trường hợp kiểm thử sẽ được thiết kế với giá trị a và b, các giá trị sát trên và sát dưới a và b

2 Nếu một điều kiện đầu vào xác định một số các giá trị, các trường hợp kiểm thử sẽ được phát triển để thực hiện tại các giá trị cực đại, cực tiểu Các giá trị sát trên và dưới giá trị cực đại, cực tiểu cũng được kiểm thử

3 Nguyên tắc 1 và 2 được áp dụng cho các điều kiện đầu ra

4 Nếu cấu trúc dữ liệu chương trình bên trong được qui định các biên (chẳng hạn, mảng được định nghĩa giới hạn 100 mục), tập trung thiết kế trường hợp kiểm thử để thực thi cấu trúc dữ liệu tại biên của nó

Ngoài ra, người kiểm thử có thể sử dụng sự suy đoán và sáng tạo của mình

để tìm các điều kiện biên

Tóm lại, chúng ta phải kiểm thử mỗi biên của một lớp tương đương về tất

cả các phía Một chương trình nếu vượt qua những trường hợp kiểm thử đó có thể vượt qua các kiểm thử khác từ lớp đó

1.4 Kết luận

Trên đây là tổng quan về các mức và loại kiểm thử phần mềm cơ bản Kiểm thử hộp trắng xem xét chương trình ở mức độ chi tiết và phù hợp khi kiểm tra các môđun nhỏ Tuy nhiên, kiểm thử hộp trắng có thể không đầy đủ vì kiểm thử hết các lệnh không chứng tỏ là chúng ta đã kiểm thử hết các trường hợp có thể Ngoài ra chúng ta không thể kiểm thử hết các đường đi đối với các vòng lặp lớn Kiểm thử hộp đen chú trọng vào việc kiểm tra các quan hê ̣ vào ra và những chức năng giao diê ̣n bên ngoài , nó thích hợp hơn cho các hê ̣ thống phần mềm lớn hay các thành phần quan tro ̣ng của chúng Nhưng chỉ sử dụng kiểm thử hộp đen là chưa đủ Bởi vì, kiểm thử hộp đen chỉ dựa trên đặc tả của môđun nên không thể kiểm thử được các trường hợp không được khai báo trong đặc tả Ngoài ra, do không phân tích mã nguồn nên không thể biết được môđun nào của chương trình đã hay chưa được kiểm thử, khi đó phải kiểm thử lại hay bỏ qua những lỗi tiềm ẩn trong gói phần mềm

Phương pháp kiểm thử hộp trắng và kiểm thử hộp đen là hai phương pháp

cơ bản có vai trò rất quan trọng trong quá trình phát triển phần mềm, nếu chúng

ta biết kết hợp chúng để bổ sung khiếm khuyết lẫn nhau

CHƯƠNG 2 – KỸ THUẬT KIỂM THỬ ĐỘT BIẾN 2.1 Giới thiệu

Hiệu quả của các dữ liệu thử khi chỉ ra được các lỗi của chương trình là rất quan trọng đối với kiểm thử phần mềm Một dữ liệu thử được xem là “tốt” theo nghĩa nó có khả năng phát hiện ra lỗi cụ thể mà các dữ liệu thử khác không phát hiện ra Ngược lại, một dữ liệu thử được xem là “nghèo” theo nghĩa nó không có khả năng phát hiện một lỗi nào cả, nhưng rất khó để xác định được bởi vì chúng

ta không biết chương trình có lỗi hay không Trong cả hai trường hợp, chúng ta không có cách nào để đo được hiệu quả của dữ liệu thử Điều quan trọng là phải biết liệu có tồn tại lỗi để kiểm thử hay không, nhưng nếu biết được điều này thì kiểm thử là dư thừa [18] Để gỡ bỏ nghịch lý này, người ta sử dụng các tiêu chuẩn để cung cấp các yêu cầu cho chất lượng dữ liệu thử, và vì vậy, mang lại một thước đo để đánh giá và cải tiến bộ dữ liệu thử Ví dụ, các bộ dữ liệu thử được cải tiến lặp đi lặp lại cho đến khi chúng thực hiện tất cả các câu lệnh trong

chương trình (kiểm thử câu lệnh), hoặc thực hiện tất cả các quyết định nhánh cả hai trường hợp đúng và sai (kiểm thử nhánh) Nếu phù hợp với tiêu chuẩn được xem xét thì dữ liệu thử được gọi là có chất lượng (đối với tiêu chuẩn đó), và do

đó, có nhiều khả năng hơn để chỉ ra các lỗi nếu chúng tồn tại

Tuy nhiên, các tiêu chuẩn thường không tập trung vào nguyên nhân thất bại

của chương trình – được gọi là các lỗi; tiêu chuẩn chất lượng đột biến là một

loại tiêu chuẩn như vậy Nó cung cấp một thước đo để đánh giá tính hiệu quả của dữ liệu thử bằng cách cho thấy các dữ liệu thử có thể làm lộ ra tất cả các lỗi đơn giản có thể có của một chương trình (ví dụ, sự khác biệt một từ đơn hoặc thay thế tên biến sai), tương tự như kiểm thử câu lệnh cho thấy tính hiệu quả của

dữ liệu thử bằng cách đảm bảo rằng mọi dòng lệnh đã được thực hiện Tuy nhiên,

bộ dữ liệu thử có khả năng sẽ không thể xác định được tất cả các lỗi Trong trường hợp như vậy, tiêu chuẩn chất lượng đột biến cung cấp một thước đo để xác định việc cải tiến bằng cách lựa chọn một bộ dữ liệu thử mới Ví dụ, một bộ

dữ liệu thử phát hiện 80% lỗi sẽ cho phép tạo ra dữ liệu thử tập trung vào 20% còn lại Thước đo này cho phép kiểm soát, đánh giá và cải tiến dữ liệu thử lặp đi

lặp lại dựa trên cơ sở kiểm thử đột biến (mutation testing) [7]

2.2 Khái niệm kiểm thử đột biến

Kiểm thử đột biến được đề xuất đầu tiên vào năm 1979 bởi DeMillo và đồng nghiệp [7] Nó cung cấp một phương tiện để đánh giá và cải tiến chất lượng dữ liệu thử cho chương trình được kiểm thử (PUT)

Kiểm thử đột biến bao gồm việc chèn các lỗi vào trong PUT để tạo ra các phiên bản lỗi của chương trình, mỗi phiên bản chỉ chứa đúng một lỗi Mỗi phiên

bản lỗi của PUT được gọi là một đột biến (mutant) Mỗi đột biến được tạo ra bởi

chỉ một sự thay đổi cú pháp trong PUT, mỗi sự thay đổi cú pháp là một luật hay

được gọi là một toán tử đột biến (mutation operator) Các toán tử đột biến được

định nghĩa sẵn để tạo ra sự thay đổi cú pháp dựa trên các lỗi mà các lập trình viên thường phạm phải

Ví dụ: Toán tử đột biến toán tử quan hệ sẽ tạo ra một số các đột biến trong

đó mỗi đột biến có sự xuất hiện của một toán tử quan hệ được thay thế bởi toán

tử quan hệ khác Hình 2.1 là một ví dụ về hai đột biến của PUT được tạo ra bởi toán tử đột biến toán tử quan hệ

Hình 2.1 – Ví dụ về đột biến

Dựa trên tiêu chuẩn chất lượng đột biến, các đột biến được thực hiện với một bộ dữ liệu thử để xác định có bao nhiêu đột biến thất bại (tức là cung cấp đầu ra không đúng cho đầu vào kiểm thử đó) Thất bại càng nhiều, càng lớn thì

bộ dữ liệu thử càng chất lượng Mục đích của kiểm thử viên là tạo ra dữ liệu thử mới để cải tiến chất lượng của các dữ liệu thử hiện có Một kết quả khá hữu ích của phương pháp này là việc cải tiến chất lượng của dữ liệu thử sẽ cải thiện sự tin tưởng của kiểm thử viên vào tính đúng đắn của PUT Có thể nói rằng, sự tin tưởng của kiểm thử viên vào chương trình cành nhiều, thì càng nhiều kiểm thử tốt hơn sẽ được sử dụng

Ngoài ra, kiểm thử đột biến là phương pháp để cải tiến chất lượng dữ liệu thử cung cấp nhiều hỗ trợ quan trọng Nếu một lỗi làm cho đột biến của PUT thất bại khi thực hiện với một số dữ liệu thử và PUT thành công, thì chính PUT không thể chứa lỗi đó (tức là PUT là phiên bản đúng của chương trình đối với lỗi đó) Kiểm thử mọi đột biến có thể có giúp kiểm thử biết rằng không có các lỗi đó xuất hiện trong PUT Phát triển dữ liệu thử theo cách này cho phép kiểm thử viên tăng sự tin tưởng của họ vào tính đúng đắn của PUT

2.3 Cơ sở của kiểm thử đột biến

Kiểm thử đột biến được xây dựng dựa trên ba giả thuyết cơ bản [18] như sau:

 Giả thuyết đầu tiên là giả thuyết lập trình viên giỏi, trong đó giả thuyết rằng lập trình viên giỏi tạo ra các chương trình nếu không đúng thì cũng gần đúng [7, 8] Các lập trình viên như vậy có ý tưởng về các chương trình mong muốn như thế nào và phấn đấu để đạt được điều đó

 Giả thuyết thứ hai là hiệu ứng liên kết cho rằng dữ liệu thử có khả năng xác định các lỗi đơn giản (ví dụ: sự khác biệt một từ đơn) thì cũng có thể xác định các lỗi phức tạp hơn [7, 20] Hiệu ứng này được hỗ trợ bởi bằng chứng thực nghiệm [20] và cho phép kiểm thử đột biến thực hiện hạn chế trên một tập các phiên bản PUT đơn giản, trong khi đó tạo ra các kiểm thử hiệu quả xác định các lỗi phức tạp

 Giả thuyết thứ ba là dựa vào dự đoán (Oracle) để xác định kết quả đầu

ra khi thực hiện kiểm thử là đúng hay không

Những giả thuyết trên làm nền tảng cho các cơ sở kiểm thử đột biến và cung cấp những giới hạn cho việc sử dụng của kiểm thử đột biến

2.4 Toán tử đột biến

Phần lớn các nghiên cứu về kiểm thử đột biến chủ yếu dựa trên các chương trình Fortran do tính sẵn có và dễ sử dụng của hệ thống đột biến Mothra [18] Mothra (hệ thống đột biến cho Fortran) sử dụng 22 toán tử đột biến để tạo ra các

đột biến cho 77 chương trình Fortran [11], được biểu diễn bảng 2.1 Các toán tử này đã được phát triển và chọn lọc cách đây hơn 20 năm, ngày nay vẫn còn nhiều toán tử được sử dụng dưới một số hình thức chẳng hạn như sử dụng toán

tử thay thế toán tử logic và một số toán tử tương tự như các toán tử LCR và SDL của Mothra, MuJava (hệ thống đột biến cho Java) vẫn sử dụng các toán tử ABS, AOR, LCR, ROR và UOI [15]

AAR Thay thế tham chiếu mảng cho tham chiếu mảng

ABS Thêm giá trị tuyệt đối

ACR Thay thế tham chiếu mảng cho hằng số

AOR Thay thế toán tử số học

ASR Thay thế tham chiếu mảng cho biến vô hướng

CAR Thay thế hằng số cho tham chiếu mảng

CNR Thay thế tên mảng tương đương

CSR Thay thế hằng cho biến vô hướng

DER Thay thế kết thúc câu lệnh DO

DSA Thay đổi câu lệnh DATA

LCR Thay thế kết nối logic

ROR Thay thế toán tử logic

RSR Thay thế câu lệnh RETURN

SAN Phân tích câu lệnh

SAR Thay thế biến vô hướng cho tham chiếu mảng

SCR Thay thế vô hướng cho hằng

SRC Thay thế hằng số nguồn

SVR Thay thế biến vô hướng

UOI Thêm toán tử nhị nguyên

Bảng 2.1- 22 toán tử đột biến chuẩn được sử dụng trong Mothra

Các toán tử đột biến được thiết kế để làm lộ ra các lỗi trong PUT khi thực

hiện Ví dụ, toán tử thay thế toán tử quan hệ ROR Đột biến tạo ra từ toán tử này

sẽ giống với PUT ngoại trừ một toán tử quan hệ đơn được thay thế bằng một toán tử quan hệ khác, chẳng hạn như câu lệnh x < y sẽ được thay thế bằng

x <= y với mục đích để kiểm tra xem trong trường hợp < này, toán tử quan hệ có

sử dụng đúng hay không

Nếu PUT thực sự là đúng thì nó có thể tìm thấy các dữ liệu thử tạo ra các kết quả đầu ra không đúng cho tất cả các phiên bản toán tử quan hệ không tương đương, do đó loại bỏ những đột biến đó để được phiên bản đúng của chương trình Tuy nhiên, trước khi kiểm thử, chúng ta không biết được liệu PUT là đúng hay không Thay vào đó, PUT phải được giả sử là đúng, trừ khi một dữ liệu thử

có thể chứng minh khác Trong tình huống đó, tỷ lệ các đột biến không tương đương bị diệt bởi bộ dữ liệu thử là thước đo cho chất lượng của bộ dữ liệu thử

và thước đo của sự tin tưởng vào tính đúng đắn của PUT

Gần đây, nghiên cứu về kiểm thử đột biến đã tập trung phát triển các toán tử đột biến mới, đặc biệt cho các môi trường hướng đối tượng, cụ thể tập trung vào Java [5, 14, 15, 16] Các ngôn ngữ lập trình hướng đối tượng khác với các chương trình truyền thống rất nhiều, đặc biệt trong cấu trúc và trong mô hình như tính kế thừa và tính đa hình Các khác biệt này gây ra nhiều tiềm năng xuất hiện các lỗi mới, mà cần phải được biểu diễn trong các hệ thống kiểm thử đột biến hướng đối tượng để có hiệu quả Tuy nhiên, nghiên cứu này tập trung kiểm thử các chương trình đơn giản, nhưng hầu hết các toán tử đột biến truyền thống vẫn còn hiệu quả

2.5 Quy trình kiểm thử đột biến

Kiểm thử đột biến là một quy trình được lặp đi lặp lại để cải tiến dữ liệu thử đối với một chương trình, như ở hình 2.2 Các thông số ban đầu để xử lý là PUT (chương trình được kiểm thử) và bộ dữ liệu thử T

Trước tiên, bằng cách sử dụng Oracle, PUT phải được hiển thị để cung cấp các đầu ra mong muốn khi thực hiện với các dữ liệu thử trong T Nếu có bất kỳ kết quả đầu ra nào là không đúng thì T đã chứng minh rằng PUT chứa lỗi Các lỗi này nên được sửa chữa trước khi tiếp tục quá trình

Khi đã xác định được tất cả các dữ liệu thử trong T cung cấp các đầu ra chính xác, công đoạn tiếp theo là tạo ra một tập M – các đột biến của PUT Sau khi tạo ra tập M chứa tất cả các đột biến Các đột biến này được thực hiện với T

và các kết quả đầu ra của chúng được so sánh với các kết quả đầu ra của PUT

Nếu kết quả đầu ra của đột biến khác so với kết quả đầu ra của PUT thì chứng tỏ lỗi đó (lỗi mà đột biến sửa chữa từ PUT) không xảy ra trong PUT Khi đó, sẽ làm tăng sự tin tưởng của kiểm thử viên rằng PUT là đúng Các đột biến như vậy trở nên không cần thiết vì dữ liệu thử hiện có đã phân biệt được chúng, và

do đó chúng đã bị biệt (bị loại bỏ) từ tập đột biến M

Hình 2.2 – Quy trình kiểm thử đột biến

( Lưu ý: Các bước biểu diễn trong hộp liền nét được thực hiện tự động Còn các bước biểu diễn trong hộp nét dứt được thực hiện bằng tay)

Một khi tất cả các dữ liệu thử trong T đã được thực hiện trên tất cả các đột biến trong M, các đột biến đó vẫn còn sống (vẫn còn tồn tại trong M) cho đến lúc này vẫn không thể phân biệt chúng với chương trình gốc (PUT) Nói cách khác, không tồn tại dữ liệu thử trong T làm cho những đột biến còn sống tính toán kết quả đầu ra khác so với PUT Những đột biến này trở thành mục tiêu cho

Tất cả các đột biến

Chạy T trên P

P(T) đúng ? Sửa P

Chạy test cases trên từng đột biến còn sống

Phân tích và đánh dấu các đột biến tương đương

đột biến

lần lặp tiếp theo, trong đó dữ liệu thử mới sẽ được tạo ra với nỗ lực để phân biệt được chúng

Quá trình này tiếp tục cho đến khi tất cả các đột biến trong M bị diệt Tuy nhiên, để diệt được các đột biến không phải là một công việc dễ dàng vì một số

đột biến có thể có ngữ nghĩa giống với PUT Những đột biến này được gọi là đột biến tương đương [18] và sẽ luôn luôn tạo ra kết quả đầu ra giống với PUT

không quan tâm đến dữ liệu thử được áp dụng, ví dụ ở hình 2.3 sẽ minh họa cho điều này

(Đột biến P’ là đột biến tương đương của PUT vì dữ liệu thử sẽ không thể phát hiện ra lỗi trong chương trình P do giá trị của z luôn luôn bằng 4)

Như vậy, M không bao giờ rỗng hoàn toàn khi đột biến tương đương tồn tại Điều này ảnh hưởng không tốt đối với kiểm thử đột biến vì kiểm thử viên không biết liệu các đột biến còn lại trong M là tương đương hay không Nếu chúng là tương đương thì không có dữ liệu thử nào diệt được chúng, còn nếu chúng không là tương đương thì sẽ có dữ liệu thử có thể phát hiện được chúng nhưng cho đến lúc này vẫn chưa tìm ra Hơn nữa, việc xác định liệu một đột biến là tương đương hay không là vấn đề không giải được [4], và vì vậy, kiểm thử viên phải xác định một cách thủ công

Việc giảm tập M xuống còn tập rỗng cung cấp một thước đo hữu ích cho việc đánh giá chất lượng của T đối với PUT Nếu T diệt được tất cả các đột biến không tương đương thì các dữ liệu thử có khả năng xác định rằng không lỗi nào (lỗi mà các đột biến cố gắng sửa chữa từ PUT) xuất hiện trong PUT Tuy nhiên, trước khi T đạt được chất lượng này, nó chỉ phân biệt một phần các đột biến được thể hiện bởi số lượng các đột biến không tương đương bị diệt từ M Phần

này được gọi là tỷ lệ đột biến (MS) và được định nghĩa như sau:

100

* )

D MS

if (x = = 2 && y = = 2)

z = x * y;

-

Hình 2.3 – Ví dụ về đột biến tương đương

Trong đó, D là số đột biến đã bị diệt; N là tổng số các đột biến; E là số đột

biến tương đương Khi tỷ lệ này tăng (nghĩa là đột biến không tương đương bị diệt nhiều hơn) thì chất lượng của dữ liệu thử và sự tin tưởng của kiểm thử viên vào tính đúng đắn của PUT cũng tăng Sau đó, lặp lại công việc tạo ra các dữ liệu thử mới để cải tiến chất lượng của T

2.6 Một số vấn đề của kiểm thử đột biến

Mặc dù được xem là một kỹ thuật kiểm thử đơn vị mạnh [11, 26, 29], kiểm thử đột biến gặp phải một số vấn đề khó khăn trong ngành công nghiệp phần

mềm Các vần đề này có thể được phân loại thành hai nhóm: chi phí tính toán – tốn rất nhiều thời gian và công sức để thực hiện kiểm thử đột biến, và tự động hóa – tốn bao nhiêu công sức của kiểm thử viên

Kiểm thử đột biến thì tốn kém vì số lượng lớn các chương trình đột biến cần được tạo ra và thực hiện Do đó, các nhà nghiên cứu tiến hành nghiên cứu bằng thực nghiệm với kiểm thử đột biến thường chỉ sử dụng chương trình nhỏ

để hạn chế số lượng đột biến được tạo ra Trong khi đó, hạn chế này là chấp nhận được ở các trường (đại học, học viện, …), nó không dành cho công nghiệp thường mong muốn được kiểm thử các chương trình lớn hơn, phức tạp hơn Vì tính phức tạp gia tăng, do thời gian thực hiện cho một chương trình và các phiên bản đột biến của nó, do đó làm tăng toàn bộ thời gian chạy cho kiểm thử đột biến

Các vấn đề trầm trọng hơn nữa là rất khó khăn trong việc tự động hoá toàn

bộ quá trình kiểm thử đột biến Mặc dù, một phần lớn quá trình có khả năng tự động được dễ dàng, các công việc như xác định các đột biến tương đương và kiểm tra tính đúng đắn của kết quả đầu ra thường được thực hiện một cách thử công Mặc dù, việc thực hiện những công việc này bằng thủ công cho phép chương trình được xem xét kỹ lưỡng hơn, nhưng nó rất là tẻ nhạt và dễ bị lỗi Vì vậy, làm tăng thời gian kiểm thử ở một giai đoạn trong vòng đời phát triển phần mềm, khi thời gian kiểm thử thường là rất quan trọng

2.7 Kết luận

Kiểm thử đột biến được giới thiệu để cung cấp một phương tiện để đánh giá và cải tiến chất lượng các bộ dữ liệu thử Nó được xây dựng dựa trên ba giả thuyết cơ bản: giả thuyết lập trình viên giỏi, hiệu ứng liên kết, và dựa vào dự đoán Do đó, kiểm thử đột biến chỉ tập trung vào các lỗi đơn giản của chương trình (ví dụ: sự khác biệt một từ đơn hoặc thay thế tên biến sai) Nếu một lỗi làm cho đột biến của PUT thất bại khi thực hiện với một số dữ liệu thử và PUT thành

công, thì chính PUT không thể chứa lỗi đó (tức là PUT là phiên bản đúng của chương trình đối với lỗi đó) Kiểm thử mọi đột biến có thể có giúp kiểm thử biết rằng không có các lỗi đó xuất hiện trong PUT Phát triển dữ liệu thử theo cách này cho phép kiểm thử viên tăng sự tin tưởng của họ vào tính đúng đắn của PUT Tuy nhiên, kiểm thử đột biến không được sử dụng rộng rãi trong thực tế do chi phí tính toán quá cao vì một số lượng lớn các chương trình đột biến cần phải được thực hiện bởi ít nhất một dữ liệu thử và khó khăn để tự động hóa vì các dữ liệu thử mạnh cần phải được tạo ra, đột biến tương đương cần được loại bỏ, và kết quả đầu ra của PUT cần được kiểm thử tính đúng đắn Vì vậy, chương 3 sẽ

đề cập đến các phương pháp cải tiến kỹ thuật kiểm thử đột biến để khắc phục các vần đề trên

CHƯƠNG 3 - CÁC CẢI TIẾN KỸ THUẬT KIỂM THỬ

ĐỘT BIẾN 3.1 Giảm chi phí tính toán

Các hệ thống kiểm thử đột biến truyền thống tạo ra số lượng lớn các chương trình đột biến Ví dụ, có 385 đột biến được tạo ra cho thủ tục tìm nghiệm theo phương pháp NiuTơn gồm 18 dòng lệnh [29] Phân tích cho thấy rằng số lượng các đột biến tạo ra xấp xỉ bằng tích của số các tham chiếu dữ liệu và số các đối tượng dữ liệu [18] Do đó, số lượng đột biến sẽ làm tăng tính phức tạp của chương trình Điều này làm tăng chi phí thực thi do mỗi đột biến phải thực thi với ít nhất một trường hợp kiểm thử Như vậy, chi phí là chấp nhận được cho nghiên cứu ở các trường (đại học, học viện, …) với các ràng buộc về thời gian

có thể linh hoạt, nhưng trong công nghiệp nói chung không thể lãng phí như thế được

Hơn thế nữa, vì các hệ thống truyền thống phải thông dịch các chương trình đột biến nên thực tế thời gian chạy sẽ lâu hơn Điều này gây ra nhiều bất tiện, nó làm cho các hệ thống thực hiện chậm và rất khó để mô phỏng môi trường hoạt động Để khắc phục những chi phí liên quan với đột biến, nghiên cứu hầu hết đã

tập trung vào một trong ba lĩnh vực: làm ít hơn, làm nhanh hơn, hoặc làm thông minh hơn [26]

không làm giảm các khả năng tìm kiếm lỗi

3.1.1.1 Lấy mẫu đột biến

Lấy mẫu đột biến là một phương pháp đơn giản lựa chọn ngẫu nhiên một tập con nhỏ các đột biến từ tập toàn bộ các đột biến Ý tưởng này được đề xuất đầu tiên bởi Acree và Budd [30] Trong phương pháp lấy mẫu đột biến, đầu tiên tất cả các đột biến có thể có được tạo ra như trong kiểm thử đột biến truyền thống Sau đó, x% của những đột biến này được lựa chọn ngẫu nhiên để phân tích đột biến và các đột biến còn lại được bỏ đi

Đã có nhiều nghiên cứu thực nghiệm về phương pháp này Vấn đề chính là

về việc chọn tỷ lệ lựa chọn ngẫu nhiên (x) còn được gọi là tỷ lệ lấy mẫu x% Các nghiên cứu của Acree và Budd đề nghị rằng tỷ lệ lấy mẫu 10% có thể xác định trên 99% tất cả đột biến không tương đương trong khi cung cấp tiết kiệm chi phí đáng kể Wong [18] tiếp tục nghiên cứu các lợi ích về chi phí của lấy mẫu đột biến bằng cách thay đổi tỷ lệ lấy mẫu từ 10% đến 40% Ngay cả ở mức thấp nhất, các kết quả của Wong cho thấy lẫy mẫu đột biến là một chiến lược cắt giảm chi phí hiệu quả cung cấp các tập dữ liệu thử có khả năng xác định ít nhất 96,14% tất cả các đột biến nhưng chỉ phải kiểm tra 9,8% đột biến

Một điểm nổi bật hơn nữa trong [18] là đối với các tập dữ liệu thử chất lượng dựa vào lấy mẫu, một tỷ lệ lấy mẫu cao không có nghĩa là sẽ tạo ra tỷ lệ đột biến cao hơn tỷ lệ lấy mẫu thấp Ban đầu, điều này có vẻ không hợp lý Một trong những mong chờ đó là các dữ liệu thử được tạo ra từ tỷ lệ lấy mẫu lớn thì

sẽ chất lượng hơn trong việc xác định đột biến còn lại so với từ tỷ lệ lấy mẫu nhỏ Tuy nhiên, các kết quả của Wong cho thấy; đối với hàm TEXTFMT, tỷ lệ lấy mẫu 25% đạt được tỷ lệ đột biến 98,92% so với 99,01% cho tỷ lệ lấy mẫu 10% Các kết quả này cho thấy rằng số lượng đột biến được kiểm tra không phải

là chỉ báo rõ ràng về tỷ lệ đột biến (ngoại trừ kiểm tra tất cả các đột biến), nhưng thay vào đó, dấu hiệu là các dữ liệu thử có khả năng xác định đột biến nhiều hơn

những dấu hiệu khác Trong trường hợp này, việc lựa chọn các đột biến cho kiểm thử có ảnh hưởng đến các dữ liệu thử được tạo ra và tỷ lệ đột biến không?

Các đột biến có thể được phân loại dựa trên tập các dữ liệu thử diệt chúng Đột biến mạnh là rất khó phát hiện, đòi hỏi dữ liệu thử đặc biệt để diệt nó Ngược lại, đột biến yếu có thể dễ dàng phát hiện bởi bất kỳ dữ liệu thử nào Do

đó, cần có các tập dữ liệu thử khác nhau để diệt chúng Các tập dữ liệu thử này nói chung là không được biết trước khi (và thường sau khi) kiểm thử Tuy nhiên, tập dữ liệu thử đó phải được tạo ra để diệt đột biến Hãy xem xét tình huống, chọn W là đột biến yếu và chọn S là đột biến mạnh, W sẽ có tập dữ liệu thử để diệt nó - TW và S chưa có dữ liệu thử diệt được nó - TS Có ba tình huống có thể xảy ra được minh họa ở hình 3.1:

Hình 3.1- Ba kịch bản có thể có cho quan hệ giữa các tập

dữ liệu thử diệt đột biến yếu và mạnh

(b)

1 TS TW Tập dữ liệu thử diệt đột biến mạnh hơn là tập con của tập dữ

liệu thử diệt các đột biến yếu hơn– hình 3.1(a).

2 (TS  TW)  (TS TW ) TS không phải là tập con của TW nhưng hai

tập giao nhau – hình3.1 (b).

3 TS TW = Hai tập dữ liệu thử rời nhau – hình3.1 (c)

Nếu tình huống 1 xảy ra, thì chọn đột biến mạnh hơn trong quá trình lấy mẫu sẽ đảm bảo dữ liệu thử được tạo ra diệt đột biến yếu hơn- tức là dữ liệu thử được tạo ra trong cả TS và TW Tuy nhiên, nếu đột biến yếu hơn được lựa chọn, thì cơ hội dữ liệu thử được tạo ra diệt được đột biến mạnh hơn sẽ bị giảm - tức là

dữ liệu thử ở trong TW nhưng có thể hoặc không thể ở trong TS Nếu tình huống

3 xảy ra, thì việc lựa chọn đột biến trong lấy mẫu sẽ chỉ tạo ra dữ liệu thử có khả năng diệt đột biến đặc biệt Tình huống 2 là sự kết hợp của hai loại Lựa chọn đột biến mạnh hơn sẽ tạo ra dữ liệu thử có thể hoặc không thể diệt được đột biến yếu hơn và ngược lại Nói chung, kích thước của TW có thể sẽ lớn hơn kích thước của TS, dữ liệu thử từ TW giao nhau với TS có thể sẽ nhỏ hơn so với dữ liệu thử từ TS giao nhau với TW Ví dụ, cho một dữ liệu thử x là giao với hai tập

|TW|= 20 và |TS|= 5 Nếu dữ liệu thử được tạo ra để diệt đột biến yếu hơn (nghĩa

là dữ liệu thử thuộc TW) thì tỷ lệ của x là 1/20 Nếu dữ liệu thử được tạo ra để diệt đột biến mạnh hơn (nghĩa là dữ liệu thử thuộc TS) thì tỷ lệ của x là 1/5

Ba tình huống trên cho thấy rằng, đột biến được chọn trong quá trình lấy mẫu sẽ ảnh hưởng đến các dữ liệu thử được tạo ra Hơn nữa, chúng cho thấy rằng lựa chọn các đột biến mạnh hơn cải thiện cơ hội diệt các đột biến yếu hơn

và vì vậy kích thước của lấy mẫu đột biến là không quan trọng, nhưng đó vẫn là

sự lựa chọn đột biến Lấy mẫu từ đột biến mạnh hơn với tỷ lệ thấp hơn có thể tạo ra tỷ lệ đột biến cao hơn lấy mẫu từ đột biến yếu hơn với tỷ lệ cao hơn

3.1.1.2 Đột biến ràng buộc

Giảm số lượng các đột biến cũng có thể đạt được bằng cách giảm số lượng các toán tử đột biến được áp dụng Đây là ý tưởng cơ bản làm nền tảng cho đột biến ràng buộc được đề xuất bởi Mathur [30], bằng cách lựa chọn một tập con các toán tử đột biến tạo ra một tập con tất cả các đột biến có thể có mà không mất tính hiệu quả của kiểm thử đột biến

Các kiểm tra dựa trên kinh nghiệm thu được các kết quả khá thuyết phục khi sử dụng đột biến ràng buộc Nhìn chung, các kết quả của Wong cho thấy rằng các tỷ lệ đột biến trung bình từ các tập dữ liệu thử chất lượng dựa trên ràng buộc bằng cách sử dụng chỉ hai toán tử ABS và ROR đạt trên 95% trong số bốn

chương trình kiểm tra và giảm số lượng đột biến từ 14.39% đến 19.94% của tổng số đột biến [18] Trong khi đó, tiết kiệm chi phí không lớn bằng tỷ lệ lấy mẫu 10% (thực hiện từ 9,8% cho đến 10,98% tổng số đột biến), tỷ lệ đột biến trung bình là xấp xỉ bằng 97,56% với tỷ lệ lấy mẫu 10% và 97,18% với đột biến ràng buộc ABS / ROR Các nghiên cứu của Mathur và đồng nghiệp cũng cho ra kết quả tương tự, kết quả này thu được 7 trong số 10 thí nghiệm, đột biến ràng buộc ABS / ROR đạt hiệu quả ít nhất bằng tỷ lệ lấy mẫu 10% trong việc phát hiện có lỗi Hơn nữa, còn lại 3 thí nghiệm đều được thực hiện trên cùng một chương trình không được sử dụng trong 7 thí nghiệm khác [17]

3.1.1.3 N - đột biến lựa chọn

Offutt và đồng nghiệp [22, 25] mở rộng nghiên cứu đột biến ràng buộc của Mathur bằng cách sử dụng tất cả các toán tử đột biến trừ đi hai toán tử tạo ra hầu

hết các đột biến (được gọi là phương pháp 2 - đột biến lựa chọn)

Offutt và đồng nghiệp đưa ra giả thuyết phương pháp N – đột biến lựa chọn, trong đó N là số toán tử đột biến tạo ra nhiều đột biến nhất được loại bỏ Ban đầu, 28 chương trình đã được kiểm tra để xác định tỷ lệ đột biến được tạo ra bởi mỗi toán tử đột biến, như thể hiện trong hình 3.2 Dựa trên đó, họ đề xuất loại bỏ hai toán tử SVR và ASR cho 2 - đột biến lựa chọn, cùng với SCR và CSR cho

4 - đột biến lựa chọn, kết hợp với ACR và SRC cho 6 - đột biến lựa chọn

Đối với mỗi phương pháp lựa chọn, bộ tạo dữ liệu thử tự động Godzilla [28] được dùng để tạo ra dữ liệu thử chất lượng dựa trên đột biến lựa chọn Sau

đó, các tập dữ liệu thử này được thực hiện với tất cả các đột biến để xác định hiệu quả của chúng đối với tất cả các đột biến - tức là tỷ lệ đột biến của chúng Các kết quả mang lại nhiều hứa hẹn Phương pháp 2 - đột biến lựa chọn cho kết quả tỷ lệ đột biến 99,99% và tiết kiệm 23,98% số lượng đột biến không phải kiểm tra Đối với 4 - đột biến lựa chọn thu được những số liệu tương ứng này là 99,84% và 41,36%, và 6 - đột biến lựa chọn là 99,71% và 60,56%

Như vậy, các tỷ lệ đột biến cao thu được từ các tập dữ liệu thử chất lượng dựa trên lựa chọn cho thấy rằng các dữ liệu thử được thiết kế để diệt đột biến từ các toán tử đột biến tạo ra ít đột biến cũng có khả năng diệt các đột biến từ các toán tử đột biến tạo ra nhiều đột biến

Offutt và đồng nghiệp tiếp tục nghiên cứu để loại bỏ thêm các đột biến nhằm tiết kiệm thêm chi phí mà không ảnh hưởng nhiều đến hiệu quả của các tập dữ liệu thử được tạo ra [22] 22 toán tử đột biến chuẩn được sử dụng trong Mothra được chia thành ba nhóm:

 Các toán tử thay thế toán hạng - thay thế từng toán hạng của chương trình bằng toán hạng hợp lý khác

 Các toán tử thay đổi biểu thức của chương trình - thay thế các toán tử của chương trình và thêm các toán tử mới

 Các toán tử thay đổi câu lệnh - thay đổi các câu lệnh hoàn toàn

Offutt và đồng nghiệp thực hiện ba thí nghiệm để tạo ra dữ liệu thử chất lượng, loại trừ một nhóm các toán tử đột biến trong từng thí nghiệm Khi so sánh với tất cả các đột biến, kết quả thu được 5 toán tử biểu thức (ABS, AOR, LCR, ROR, UOI) là hữu ích nhất Các thí nghiệm đã chứng minh rằng các tập

dữ liệu thử chất lượng tạo ra từ 5 toán tử này đạt tỷ lệ đột biến trung bình là 99,51% và tiết kiệm 77,56% số lượng các đột biến phải kiểm tra Các kết quả này tương tự như các tỷ lệ đột biến trung bình thu được bằng cách sử dụng lấy mẫu đột biến với tỷ lệ lấy mẫu 25% (tiết kiệm 75%): từ 98,27% đến 99,01%

Tuy nhiên, không giống như lấy mẫu đột biến, phương pháp này đã tập trung vào lớp đột biến phải kiểm tra, cung cấp độ tin cậy vào các toán tử đột biến giúp tạo ra dữ liệu thử mạnh hơn (tức là chúng có thể diệt nhiều đột biến hơn)

3.1.2 Làm nhanh hơn

Các kỹ thuật làm nhanh hơn nhằm mục đích tạo ra và chạy các chương trình đột biến nhanh hơn các hệ thống chuẩn Hầu hết các hệ thống đột biến truyền thống thông dịch các đột biến của chúng, nó thì thuận tiện nhưng chậm hơn so với thực hiện biên dịch chương trình

Proteum (hệ thống đột biến cho C) [6] tạo ra và biên dịch từng đột biến

trước khi thực hiện, gọi là kỹ thuật biên dịch riêng rẽ Điều này sẽ làm tăng tốc

độ chạy từ 15-20 lần so với hệ thống truyền thống [26] Tuy nhiên, nếu thời gian biên dịch lớn hơn nhiều so với thời gian chạy thì tắc nghẽn biên dịch có thể xảy