FLAST——测试是否flaky的快速静态预测方法

本周阅读论文《Know You Neighbor: Fast Static Prediction of Test Flakiness》，主要了解了FLAST方法的思想和flaky tests的概念。

Flaky Tests：

指在被测对象和测试条件都不变的情况下，有时失败、有时成功的测试。

本文提出了FLAST方法，使用k-Nearest Neighbor分类器来预测测试是否flaky。

本文贡献：

1. Idea：一种基于测试代码静态分析的基于相似性的flakiness检测方法。

2. Evaluation：对13个项目的研究，包括总计超过28K种测试方法，其中1400个是flaky的。

3. Replication package：相关实验的复制包

步骤：

1. 向量空间建模：使用词袋模型对测试用例建模

2. 向量cosine距离

3. 降维：【关注点】sparse random projection：稀疏随机投影（降维技术，样本有限，但描述样本的维度过大？）

4. 预测是否flaky：k-Nearest Neighbor分类器

FLAST步骤：

未知测试用例s映射到向量空间，根据向量距离使用k--Nearest Neighbor搜索距离s最近的一组Nk，计算s的φs和ψs（flakiness / non-flakiness度量），并以此判断s与Nk的相似性。

本质思想：检查每个未知测试的邻域，根据邻域的性质来预测未知测试是否flaky。