大数据实时流模型的测试方法、平台、电子设备及介质与流程

1.本技术涉及软件测试技术领域，特别是涉及一种大数据实时流模型的测试方法、平台、电子设备及可读存储介质。

背景技术：

2.ailpha大数据平台通过各类探针采集各种日志，将日志格式解析后发送到大数据平台，大数据平台会自发对这些日志数据在实时流上进行计算，并且与预先构建好的大数据实时流模型进行匹配碰撞，若碰撞成功则产生对应的告警。随着大数据平台的不断迭代更新，需要对大数据实时流模型进行实时修改，而大数据实时流模型在每次修改之后，均需重新进行大规模的回归测试，这是需要大量复杂并且重复的测试工作的。
3.鉴于此，如何有效提高大数据实时流模型的测试效率，是所属领域技术人员需要解决的技术问题。

技术实现要素：

4.本技术提供了一种大数据实时流模型的测试方法、平台、电子设备及可读存储介质，可以有效提高大数据实时流模型的测试效率。
5.为解决上述技术问题，本发明实施例提供以下技术方案：
6.本发明实施例一方面提供了一种大数据实时流模型的测试平台，包括模型拆分组件、样例构造组件与数据发送组件；
7.所述模型拆分组件，用于将从大数据实时流模型数据库中主动读取的各待测试实时流模型的表达式进行拆分，得到各待测试实时流模型的每一个组成元素；
8.所述样例构造组件，用于对每个待测试实时流模型，将当前待测试实时流模型的各组成元素进行重新组合以及字段数值改写，以构造得到满足和不满足所述待测试实时流模型的多个样例数据；
9.所述数据发送组件，用于将所有样例数据发送至大数据平台的实时流。
10.可选的，还包括：
11.测试组件，用于根据预匹配结果和实际匹配结果是否一致生成测试结果；若所述预匹配结果和所述实际匹配结果一致，则测试成功；所述预匹配结果和所述实际匹配结果不一致，则测试失败；
12.其中，所述预匹配结果为各样例数据与相应的待测试实时流模型的匹配结果，所述实际匹配结果为各样例数据与所述大数据平台的大数据实时流模型的匹配结果。
13.可选的，还包括：
14.测试结果存储组件，用于将所述测试结果及对应的样例数据存储至本地。
15.可选的，还包括：
16.人机交互组件，用于接收用户输入的测试数据关键字；所述测试数据关键字用于唯一指向目标样例数据；
17.测试结果查询组件，用于根据所述测试数据关键字和待查询实时流模型的模型名称，获取所述待查询实时流模型的目标样例数据的实际匹配结果。
18.可选的，所述模型拆分组件进一步还用于：
19.按照运算符对各待测试实时流模型的表达式进行拆分；
20.对拆分后各元素，再按照各种判断条件进行拆分，得到每个字段对应的匹配条件。
21.本发明实施例另一方面提供了一种大数据实时流模型的测试方法，包括：
22.将从大数据实时流模型数据库中主动读取的各待测试实时流模型的表达式进行拆分，得到各待测试实时流模型的每一个组成元素；
23.对每个待测试实时流模型，将当前待测试实时流模型的各组成元素进行重新组合以及字段数值改写，以构造得到满足和不满足所述待测试实时流模型的多个样例数据；
24.将所有样例数据发送至大数据平台的实时流。
25.可选的，所述将所有样例数据发送至大数据平台的实时流之后，还包括：
26.根据预匹配结果和实际匹配结果是否一致生成测试结果；
27.若所述预匹配结果和所述实际匹配结果一致，则测试成功；所述预匹配结果和所述实际匹配结果不一致，则测试失败；
28.其中，所述预匹配结果为各样例数据与相应的待测试实时流模型的匹配结果，所述实际匹配结果为各样例数据与所述大数据平台的大数据实时流模型的匹配结果。
29.可选的，所述将从大数据实时流模型数据库中主动读取的各待测试实时流模型的表达式进行拆分，包括：
30.按照运算符对各待测试实时流模型的表达式进行拆分；
31.对拆分后各元素，再按照各种判断条件进行拆分，得到每个字段对应的匹配条件。
32.本发明实施例还提供了一种电子设备，包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如前任一项所述大数据实时流模型的测试方法的步骤。
33.本发明实施例最后还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前任一项所述大数据实时流模型的测试方法的步骤。
34.本技术提供的技术方案的优点在于，主动从数据库中读取大数据实时流模型，并自动拆分模型的表达式，将每个拆分结果都进行数据的构造，在实际运用过程中会导致产生的日志样例会很多，即同一个模型，会有多个不同的测试数据，可以覆盖表达式的所有分支，尽可能覆盖各种条件的测试数据，从而可以对表达式进行充分的分支测试，实现实时流与模型碰撞的校验测试的自动化，进而有效提高大数据实时流模型的测试效率。
35.此外，本发明实施例还针对大数据实时流模型的测试平台提供了相应的实现方法、电子设备及可读存储介质，进一步使得所述方法更具有实用性，所述方法、电子设备及可读存储介质具有相应的优点。
36.应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本技术。
附图说明
37.为了更清楚的说明本发明实施例或相关技术的技术方案，下面将对实施例或相关
技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
38.图1为本发明实施例提供的大数据实时流模型的测试平台的一种具体实施方式结构图；
39.图2为本发明实施例提供的一种大数据实时流模型的测试方法的流程示意图；
40.图3为本发明实施例提供的另一种大数据实时流模型的测试方法的流程示意图；
41.图4为本发明实施例提供的电子设备的一种具体实施方式结构图。
具体实施方式
42.为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
43.本技术的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及二者的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。在介绍了本发明实施例的技术方案后，下面详细的说明本技术的各种非限制性实施方式。
44.首先参见图1，图1为本发明实施例提供的一种大数据实时流模型的测试平台的一种实施方式下的结构框架示意图，本发明实施例可包括以下内容：
45.本实施例的大数据实时流模型的测试平台可以单独以app和网页的形式存在，也可作为大数据平台的一个内置工具或者是内置功能模块的形式存在。大数据实时流模型的测试平台可包括模型拆分组件1、样例构造组件2与数据发送组件3。
46.其中，模型拆分组件1可用于将从大数据实时流模型数据库中主动读取的各待测试实时流模型的表达式进行拆分，得到各待测试实时流模型的每一个组成元素。大数据平台的大数据实时流模型均存储至大数据实时流模型数据库中，可预先设置触发读取操作，如用户下发自动化测试指令，或者是检测到大数据实时流模型数据库中产生新数据时，例如某一个实时流模型，在原数据的基础上，对某些字段进行增加或修改或删除，形成新的实时流模型，可主动从大数据实时流模型数据库中读取实时流模型以作为待测试实时流模型。当检测到从大数据实时流模型数据库中读取到待测试实时流模型之后，模型拆分组件1对读取的待测试实时流模型进行模型拆分。当所有待测试实时流模型的表达式均拆分完成，然后调用样例构造组件2对各待测试实时流模型进行相应的处理。当然，也可以每拆分完成一个待测试实时流模型之后，便调用样例构造组件2对该待测试实时流模型进行相应的处理。
47.本实施例的样例构造组件2用于将每一个待测试实时流模型作为当前待测试实时流模型，对当前待测试实时流模型的各组成元素进行重新组合，每个组合对应一种构造表达式，得到满足条件以及不满足条件的多个数据，例如模型表达式为a and b，将其拆分为a、b和and三个组成元素，基于这三个组成元素可以构造出四条数据，即只满足a的数据、只满足b的数据、a跟b都不满足的数据、a跟b都满足的数据，然后将这些满足与不满足的数据
进行拼接组装或者是说排列组合，便可得到多条数据。又例如模型表达式为a＝测试值and b！＝测试值，将其拆分为a＝测试值1和b！＝测试值2，然后根据运算符左边为字段名称，运算符右边为字段值，通过对数据对应的字段进行修改也即进行字段数值改写，构造出满足整体表达式的数据以及不满足整体表达式的四条样例数据。为了便于描述，可将这多条数据称为多个样例数据，每个待测试实时流模型均包括多个样例数据，这多个样例数据可以覆盖待测试模型的表达式的所有分支，尽可能覆盖各种条件的测试数据。
48.可以理解的是，大数据平台如ailpha大数据平台在收到数据后，会将该样例数据与一定条件的实时流模型进行匹配碰撞，只要收到的数据满足设定的条件，就会产生告警、异常记录。所以在实现对待测试实时流模型的测试过程中，还需要将构造的样例数据放入在大数据平台上进行实际测试。在本实施例中，数据发送组件3，用于将所有样例数据发送至大数据平台的实时流。
49.由此，通过拆分组件1、样例构造组件2和数据发送组件3，便可使得系统能自动读取所有的实时流模型，根据实时流模型的条件对表达式进行拆分，并根据拆分结果构造数据。由于会将拆分出来的每个数据条件都能构造出满足与不满足的数据，这样可以做到对表达式的全覆盖。全过程由程序进行处理，自动执行测试，不需要人为去判断表达式、构造数据、对数据结果进行查询，从而减少大量的复杂、重复的工作。
50.上述实施例对如何进行测试并不做任何限定，基于上述实施例，本技术还提供了另外一个实施例，可包括：
51.上述大数据实时流模型的测试平台还可包括测试组件，测试组件用于根据预匹配结果和实际匹配结果是否一致生成测试结果；若预匹配结果和实际匹配结果一致，则测试成功；预匹配结果和实际匹配结果不一致，则测试失败。
52.其中，预匹配结果为各样例数据与相应的待测试实时流模型的匹配结果，也就是说在得到各样例数据之后，对每个样例数据先于其对应的待测试实时流模型进行预匹配，预匹配所得到的预匹配结果为测试的期望结果。在将各样例数据发送至大数据平台之后，各样例数据作为大数据平台接收到的实时数据，会将该样例数据与各实时流模型进行匹配碰撞，生成实际匹配结果，也即实际匹配结果为各样例数据与大数据平台的大数据实时流模型的匹配结果。将测试的期望结果与实际的执行结果也即实际匹配结果进行比对，实际的执行结果与预匹配结果是否一致，一致则标记测试通过，失败则标记测试失败，从而达到自动测试的目的。
53.进一步的，为了便于溯源，上述大数据实时流模型的测试平台还可包括测试结果存储组件，测试结果存储组件用于将测试结果及对应的样例数据存储至本地。将每个测试数据以及对应的实际的测试结果进行存储，方便出问题的时候进行排查或者数据的回放。
54.进一步的，获取实际匹配结果可通过查询功能实现，也即根据发送的样例数据到大数据平台进行数据查询，相应的，大数据实时流模型的测试平台还可包括人机交互组件和测试结果查询组件。人机交互组件用于接收用户输入的测试数据关键字；测试数据关键字用于唯一指向目标样例数据。测试结果查询组件用于根据测试数据关键字和待查询实时流模型的模型名称，获取待查询实时流模型的目标样例数据的实际匹配结果。
55.上述实施例对如何进行拆分并不做任何限定，基于上述实施例，本技术还提供了一种可选的实施方式，在本实施例中，模型拆分组件1可先按照运算符对各待测试实时流模
型的表达式进行拆分；然后对拆分后各元素，再按照各种判断条件进行拆分，得到每个字段对应的匹配条件。
56.在本实施例中，可预先定义表达式的语法，如运算符包括：and、or以及括号等；表达式包括：包含(in)、不包含(not in)、正则匹配(～)、正则不匹配(～！)等。按照这些特定的符号，先拆分运算符，方便后续对每个运算符的左右两边内容进行生成数据；再拆分各种判断条件，得到每个字段对应的匹配条件。
57.基于上述实施例，本实施例还提供的一种大数据实时流模型的测试方法，下文描述的大数据实时流模型的测试方法与上文描述的大数据实时流模型的测试平台可相互对应参照。与上述实施例相同的描述，可参阅上述实施例所记载的实现方式，本实施例便不再赘述。首先参见图2，图2为本发明实施例提供的一种大数据实时流模型的测试方法的流程示意图，本发明实施例可包括以下内容：
58.s201：将从大数据实时流模型数据库中主动读取的各待测试实时流模型的表达式进行拆分，得到各待测试实时流模型的每一个组成元素。
59.s202：对每个待测试实时流模型，将当前待测试实时流模型的各组成元素进行重新组合以及字段数值改写，以构造得到满足和不满足待测试实时流模型的多个样例数据。
60.s203：将所有样例数据发送至大数据平台的实时流。
61.基于上述实施例中，在将所有样例数据发送至大数据平台的实时流之后，如图3所示，还可包括：
62.根据预匹配结果和实际匹配结果是否一致生成测试结果；
63.若预匹配结果和实际匹配结果一致，则测试成功；预匹配结果和实际匹配结果不一致，则测试失败；
64.其中，预匹配结果为各样例数据与相应的待测试实时流模型的匹配结果，实际匹配结果为各样例数据与大数据平台的大数据实时流模型的匹配结果。
65.作为上述实施例的一种可选的实施方式，在得到测试结果之后，还可将测试结果及对应的样例数据存储至本地。
66.作为上述实施例的另一种可选的实施方式，在生成测试结果前，还可先查询获取实际匹配结果，可包括下述内容：
67.接收用户输入的测试数据关键字；测试数据关键字用于唯一指向目标样例数据；
68.根据测试数据关键字和待查询实时流模型的模型名称，获取待查询实时流模型的目标样例数据的实际匹配结果。
69.对于如何执行步骤s201并不做限定，本实施例中给出一种实施方式，可包括：
70.按照运算符对各待测试实时流模型的表达式进行拆分；
71.对拆分后各元素，再按照各种判断条件进行拆分，得到每个字段对应的匹配条件。
72.在本发明实施例提供的技术方案中，主动从数据库中读取大数据实时流模型，并自动拆分模型的表达式，将每个拆分结果都进行数据的构造，在实际运用过程中会导致产生的日志样例会很多，即同一个模型，会有多个不同的测试数据，可以覆盖表达式的所有分支，尽可能覆盖各种条件的测试数据，从而可以对表达式进行充分的分支测试，实现实时流与模型碰撞的校验测试的自动化，进而有效提高大数据实时流模型的测试效率。
73.需要说明的是，本技术中各步骤之间没有严格的先后执行顺序，只要符合逻辑上
的顺序，则这些步骤可以同时执行，也可按照某种预设顺序执行，图2-图3只是一种示意方式，并不代表只能是这样的执行顺序。
74.上述实施例针对大数据实时流模型的测试平台提供了相应的实现方法，该大数据实时流模型的测试方法对应实现的计算机程序即为支持大数据实时流模型的测试平台运行的程序。上文中提到的大数据实时流模型的测试平台是从功能模块的角度描述，进一步的，本技术还提供一种电子设备，是从硬件角度描述。图4为本技术实施例提供的电子设备在一种实施方式下的结构示意图。如图4所示，该电子设备包括存储器40，用于存储计算机程序；处理器41，用于执行计算机程序时实现如上述任一实施例提到的大数据实时流模型的测试方法的步骤。
75.其中，处理器41可以包括一个或多个处理核心，比如4核心处理器、8核心处理器，处理器41还可为控制器、微控制器、微处理器或其他数据处理芯片等。处理器41可以采用dsp(digital signal processing，数字信号处理)、fpga(field－programmable gate array，现场可编程门阵列)、pla(programmable logic array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器41也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(central processing unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器41可以集成有gpu(graphics processing unit，图像处理器)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器41还可以包括ai(artificial intelligence，人工智能)处理器，该ai处理器用于处理有关机器学习的计算操作。
76.存储器40可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器40还可包括高速随机存取存储器以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。存储器40在一些实施例中可以是电子设备的内部存储单元，例如服务器的硬盘。存储器40在另一些实施例中也可以是电子设备的外部存储设备，例如服务器上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，存储器40还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器40不仅可以用于存储安装于电子设备的应用软件及各类数据，例如：执行大数据实时流模型的测试方法过程中的程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。本实施例中，存储器40至少用于存储以下计算机程序401，其中，该计算机程序被处理器41加载并执行之后，能够实现前述任一实施例公开的大数据实时流模型的测试方法的相关步骤。另外，存储器40所存储的资源还可以包括操作系统402和数据403等，存储方式可以是短暂存储或者永久存储。其中，操作系统402可以包括windows、unix、linux等。数据403可以包括但不限于大数据实时流模型的测试结果对应的数据等。
77.在一些实施例中，上述电子设备还可包括有显示屏42、输入输出接口43、通信接口44或者称为网络接口、电源45以及通信总线46。其中，显示屏42、输入输出接口43比如键盘(keyboard)属于用户接口，可选的用户接口还可以包括标准的有线接口、无线接口等。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
通信接口44可选的可以包括有线接口和/或无线接口，如wi-fi接口、蓝牙接口等，通常用于在电子设备与其他电子设备之间建立通信连接。通信总线46可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
78.本领域技术人员可以理解，图4中示出的结构并不构成对该电子设备的限定，可以包括比图示更多或更少的组件，例如还可包括实现各类功能的传感器47。
79.本发明实施例所述电子设备的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
80.由上可知，本发明实施例可以有效提高大数据实时流模型的测试效率。
81.可以理解的是，如果上述实施例中的大数据实时流模型的测试方法以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本技术各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、电可擦除可编程rom、寄存器、硬盘、多媒体卡、卡型存储器(例如sd或dx存储器等)、磁性存储器、可移动磁盘、cd-rom、磁碟或者光盘等各种可以存储程序代码的介质。
82.基于此，本发明实施例还提供了一种可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时如上任意一实施例所述大数据实时流模型的测试方法的步骤。
83.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的平台硬件包括平台及电子设备而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
84.专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
85.以上对本技术所提供的一种大数据实时流模型的测试方法、平台、电子设备及可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本技术进行若干改进和修饰，这些改进和修饰也落入本技术权利要求的保护范围内。

技术特征：

1.一种大数据实时流模型的测试平台，其特征在于，包括模型拆分组件、样例构造组件与数据发送组件；所述模型拆分组件，用于将从大数据实时流模型数据库中主动读取的各待测试实时流模型的表达式进行拆分，得到各待测试实时流模型的每一个组成元素；所述样例构造组件，用于对每个待测试实时流模型，将当前待测试实时流模型的各组成元素进行重新组合以及字段数值改写，以构造得到满足和不满足所述待测试实时流模型的多个样例数据；所述数据发送组件，用于将所有样例数据发送至大数据平台的实时流。2.根据权利要求1所述的大数据实时流模型的测试平台，其特征在于，还包括：测试组件，用于根据预匹配结果和实际匹配结果是否一致生成测试结果；若所述预匹配结果和所述实际匹配结果一致，则测试成功；所述预匹配结果和所述实际匹配结果不一致，则测试失败；其中，所述预匹配结果为各样例数据与相应的待测试实时流模型的匹配结果，所述实际匹配结果为各样例数据与所述大数据平台的大数据实时流模型的匹配结果。3.根据权利要求2所述的大数据实时流模型的测试平台，其特征在于，还包括：测试结果存储组件，用于将所述测试结果及对应的样例数据存储至本地。4.根据权利要求1所述的大数据实时流模型的测试平台，其特征在于，还包括：人机交互组件，用于接收用户输入的测试数据关键字；所述测试数据关键字用于唯一指向目标样例数据；测试结果查询组件，用于根据所述测试数据关键字和待查询实时流模型的模型名称，获取所述待查询实时流模型的目标样例数据的实际匹配结果。5.根据权利要求1至4任意一项所述的大数据实时流模型的测试平台，其特征在于，所述模型拆分组件进一步还用于：按照运算符对各待测试实时流模型的表达式进行拆分；对拆分后各元素，再按照各种判断条件进行拆分，得到每个字段对应的匹配条件。6.一种大数据实时流模型的测试方法，其特征在于，包括：将从大数据实时流模型数据库中主动读取的各待测试实时流模型的表达式进行拆分，得到各待测试实时流模型的每一个组成元素；对每个待测试实时流模型，将当前待测试实时流模型的各组成元素进行重新组合以及字段数值改写，以构造得到满足和不满足所述待测试实时流模型的多个样例数据；将所有样例数据发送至大数据平台的实时流。7.根据权利要求6所述的大数据实时流模型的测试方法，其特征在于，所述将所有样例数据发送至大数据平台的实时流之后，还包括：根据预匹配结果和实际匹配结果是否一致生成测试结果；若所述预匹配结果和所述实际匹配结果一致，则测试成功；所述预匹配结果和所述实际匹配结果不一致，则测试失败；其中，所述预匹配结果为各样例数据与相应的待测试实时流模型的匹配结果，所述实际匹配结果为各样例数据与所述大数据平台的大数据实时流模型的匹配结果。8.根据权利要求6所述的大数据实时流模型的测试方法，其特征在于，所述将从大数据
实时流模型数据库中主动读取的各待测试实时流模型的表达式进行拆分，包括：按照运算符对各待测试实时流模型的表达式进行拆分；对拆分后各元素，再按照各种判断条件进行拆分，得到每个字段对应的匹配条件。9.一种电子设备，其特征在于，包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求5至8任一项所述大数据实时流模型的测试方法的步骤。10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求5至8任一项所述大数据实时流模型的测试方法的步骤。

技术总结

本申请公开了一种大数据实时流模型的测试方法、平台、电子设备及可读存储介质，应用于软件测试技术领域。其中，该平台包括模型拆分组件、样例构造组件与数据发送组件。模型拆分组件将从大数据实时流模型数据库中主动读取的各待测试实时流模型的表达式进行拆分，得到各待测试实时流模型的每一个组成元素。样例构造组件用于对每个待测试实时流模型各组成元素进行重新组合以及字段数值改写，构造得到满足和不满足待测试实时流模型的多个样例数据。数据发送组件将所有样例数据发送至大数据平台的实时流，从而可以有效提高大数据实时流模型的测试效率。型的测试效率。型的测试效率。