第七讲-软件可靠性度量和测试.pptVIP

7.2.3 可靠性增长模型和指数模型 * 软件可靠性R(t)可定义为：在给定条件下，在时间[0,t]内，软件无故障运行的概率 若用T表示软件无故障运行的时间间隔，F(t)为T的累积分布函数，则软件可靠性可表示为： R(t)=1-F(t) t≥0 故障率函数λ(t)为： 其中，f(t)为F(t)的函数密度，即： * λ(t)Δt是在时间[0，t]内软件正常运行，在[t,t+Δt]内发生故障的条件概率，可得： 密度函数f(t)、累积分布函数F(t)、可靠性函数R(t)和故障率函数λ(t)紧密相关，一般可由任一个惟一地确定另外三个，例如若λ(t)给定，则： 根据f(t)或R(t)可计算平均失效时间函数MTTF，从而预测故障时间 Weibull分布 * Weibull是常用的分布，在许多工程领域的可靠性分析中都广泛应用，如轴承磨损、河流泛滥等 Weibull分布有两个参数α、β（β为1时变为指数函数） 函数密度为： 分布函数为： 故障率函数为： Weibull分布 * β1 β1 β=1 t Weibull分布 β=1时变为指数分布 β=2时为Rayleigh分布 研究表明，软件项目的生命周期模式、项目的缺陷移除模式等都很好地符合Rayleigh模型 指数分布 指数分布 密度函数为 分布函数为 故障率函数为 （常数） 具有指数寿命分布的软件产品（故障率为常数）没有老化现象，符合不需要维护的软件的运行情况 * 7.2.3 可靠性增长模型和指数模型 可靠性增长模型 时间间隔模型 故障数目模型 指数模型 　　 指数模型是Weibull系列（见表6-8 连续分布数学模型）的一个特例，其形状参数为1。适合于单一衰减速为渐进的统计过程。其累积分布函数CDF和概率分布函数PDF为： CDF: F(t) = 1-e-(t/c) = 1-eλt PDF : f(t) = (1/c) e-(t/c) * 7.2.3 可靠性增长模型和指数模型 周 缺陷数目 指数模型—密度分布 * 缺陷数目 指数模型—累计分布 数据收集和分析是度量软件可靠性的最重要的先决条件，任何可靠性度量的有效性都与数据收集的有效性直接相关，数据收集过程必须有计划、有组织地进行 与软件可靠性相关的数据包括： 缺陷数据 过程数据 产品数据：如规模、功能、性能等 软件可靠性数据收集过程 * * 软件可靠性数据收集过程 缺陷数据的收集常采用问答、报告形式，即发放问题报告表格要求有关人员填写，收集并分析问题报告表格形成统计数据 * 过程数据的收集 缺陷数据必须与过程融合才有价值，因而过程数据也需要收集。通常会将项目的持续时间作为主要关心的过程数据，但实际需要更细分。 与软件可靠性测试过程相关的数据包括： CPU时间：具有与人无关性，但易忽略人的工作（如评审等） 日历时间：优点是易于收集，但没有考虑阶段特征，如某些技术在某阶段更有效 运行时间：是为测试而运行软件的总时间，也未考虑阶段特征 其他数据：包括平均修复时间、完成每个过程活动的人数、软件生命期各阶段所用时间百分比、各阶段所消耗的资源数量、各阶段的开始、截止日期、各阶段修复一个缺陷所需的工作量、各功能模块的缺陷数，等等 7.３ 软件可靠性测试和评估 * 7.3.1 影响软件可靠性的因素 软件规模 软件规模越大，复杂度自然会增加，隐藏在软件当中的潜在问题可能就会更多，所以软件的规模是影响软件可靠性重要因素之一 运行剖面 运行剖面越多，潜伏在软件当中遗漏的考虑不周全的问题可能就越多 开发方法 结构化、面向对向、形式化… 开发人员素质 开发的支持环境 开发过程中的各阶段的模拟真实使用环境的拟合程度 可靠性设计 软件可靠性不完全是通过测试去发现的，也不完全是增强编码能力可以达到的，对软件的项目的前期进行可靠性设计也非常重要　 　 * 7.3.2 系统的运行剖面与可靠性的关系 软件的运行剖面是用来描述软件的实际可能发生的操作路径的集合。运行剖面是否能代表、刻画软件的实际使用取决于可靠性工程人员对软件的系统模式、功能、任务需求及相应的输入的分析，也取决于他们对用户使用这些系统模式、功能、任务的概率的了解。运行剖面构造的质量将对测试、分析的结果是否可信产生最直接影响。 * * 软件的运行剖面 软件可靠性建模需要具备三个条件： 软件运行时间基准（日历时间、运行时间、CPU时间） 软件运行过程收集的数据，是建模基础 软件功能和运行环境 软件运行剖面用于定量描述软件的用户运行环境，即软件的功能和各功能的使用概率 软件新系统的运行剖面 不同的运行模式下各功能的使用概率不同 不同运行模式的出现模式也不同