曾茂希　陸　璐

(華南理工大學(xué)計算機科學(xué)與工程學(xué)院　廣州　510006)

?

基于正交試驗設(shè)計的測試用例選擇方法

曾茂希陸璐

(華南理工大學(xué)計算機科學(xué)與工程學(xué)院廣州510006)

隨著傳感器技術(shù)的發(fā)展,運行在各種移動設(shè)備上的上下文感知應(yīng)用也迅速增加。這些應(yīng)用軟件不斷地捕獲移動設(shè)備周圍的環(huán)境信息作為上下文,然后自動地調(diào)整設(shè)備的狀態(tài)來適應(yīng)上下文的變化。然而它們適應(yīng)的過程中可能會由于觸發(fā)了錯誤的適應(yīng)規(guī)則而出錯,因此,對這些上下文感知應(yīng)用進行測試是保證其發(fā)展的至關(guān)重要的先決條件。由于上下文狀態(tài)的多樣性,在設(shè)計測試用例的時候可能會存在組合爆炸問題。論文了提出了一種基于正交試驗設(shè)計的測試用例選擇方法,并開發(fā)了一個普通的上下文感知應(yīng)用來證明該方法對測試用例選擇的有效性。此外,該文還對實驗數(shù)據(jù)進行分析來展現(xiàn)該方法所特有的錯誤定位能力。實驗結(jié)果表明,該方法不僅能夠有效地選擇出高效的測試用例,而且還能夠利用這些測試用例來定位一個上下文感知應(yīng)用的程序錯誤。

軟件測試; 上下文感知應(yīng)用; 測試用例選擇; 正交試驗設(shè)計

Class NumberTP311

1　引言

隨著智能手機、平板電腦、PDA等移動設(shè)備的迅速發(fā)展,上下文感知應(yīng)用變得越來越流行,典型產(chǎn)品主要包括天氣預(yù)報、導(dǎo)航定位等一些涉及底層傳感器的軟件。在2008年Google評選出十大優(yōu)秀安卓應(yīng)用中,有五個是上下文感知應(yīng)用[1]。上下文感知應(yīng)用一般通過移動設(shè)備內(nèi)置的傳感器來實現(xiàn)感知,并使用適應(yīng)規(guī)則來實現(xiàn)自適應(yīng),所以它們可以根據(jù)移動設(shè)備周圍的上下文環(huán)境來不斷地改變它們的配置和動作以適應(yīng)上下文的變化[2]。

大多數(shù)上下文感知應(yīng)用是通過中間件來處理收集到的上下文以及觸發(fā)適應(yīng)規(guī)則的,該中間件主要包含兩個組件:一個用于收集、處理和保存上下文信息的上下文管理器以及一個用于適配并執(zhí)行適應(yīng)規(guī)則的適應(yīng)規(guī)則管理器[3～4]。適應(yīng)規(guī)則集是中間件中最重要的一部分,因為它們決定了當上下文狀態(tài)改變的時候要執(zhí)行什么動作[5]。然而現(xiàn)有的適應(yīng)規(guī)則一般都存在一些類似的缺陷,如非確定性(當上下文狀態(tài)改變的時候存在兩條以上的規(guī)則可以觸發(fā)),不穩(wěn)定性(是否觸發(fā)一條規(guī)則依賴于上下文狀態(tài)維持的時間)[6]。這些適應(yīng)規(guī)則的缺陷會直接導(dǎo)致應(yīng)用程序在運行過程中發(fā)生崩潰或者停止運行,所以對上下文感知應(yīng)用的測試是必不可少的。

所有應(yīng)用發(fā)布前都必須經(jīng)過嚴謹且規(guī)范的軟件測試,因為軟件測試能夠檢測應(yīng)用存在的缺陷和漏洞。在軟件測試中,測試用例是非常重要的,它們決定了測試的效率。在上下文感知應(yīng)用中,上下文是測試用例的基本組成單元,它們通常由多個屬性構(gòu)成,不同的環(huán)境屬性值代表不同的測試用例。因此,很明顯由不同屬性值組合而成的測試用例集是很龐大的。實際上,當環(huán)境屬性的數(shù)量呈線性增長的時候,測試用例的數(shù)量會呈現(xiàn)指數(shù)增長,這就會導(dǎo)致組合爆炸問題的發(fā)生。

目前,主要有兩種接近測試套件過大的解決方法:測試套件規(guī)約和測試用例選擇。測試套件規(guī)約的目標是移除測試套件中冗余的測試用例,移除后的測試套件子集仍能滿足測試需求;測試用例選擇是從測試套件中選擇測試效率高的測試用例組成一個較小的測試套件,但新的測試套件不一定能滿足所有的測試需求。

正交設(shè)計是一類試驗設(shè)計方法,它通過從全因素試驗中選擇少數(shù)的幾個試驗來代表全局,并能夠得到相近的試驗效果。正交設(shè)計已經(jīng)被應(yīng)用到各個領(lǐng)域中,但是還沒有應(yīng)用到上下文感知應(yīng)用測試的測試用例選擇中。本文根據(jù)上下文感知應(yīng)用的特點,提出一種基于正交設(shè)計的測試用例選擇方法,并通過實驗驗證其有效性。

2　相關(guān)工作

本文的主要工作是研究上下文感知應(yīng)用的測試技術(shù)。與傳統(tǒng)的應(yīng)用不同,上下文具有廣泛分布和高度動態(tài)的特性,因此收集分布式的上下文來生成測試用例是一件很困難的事。為此,Satoh[7]提出利用移動代理技術(shù)來幫助測試人員收集上下文信息,從而避免了測試人員收集上下文信息的任務(wù)。另一種用于上下文感知應(yīng)用的測試方法就是蛻變測試[8],這種方法利用上下文的同質(zhì)屬性作為變質(zhì)關(guān)系,并定義了變質(zhì)屬性作為預(yù)測,如果一個測試的輸出違反了其中一個變質(zhì)關(guān)系,就意味著這個應(yīng)用含有錯誤。Wang[9]提出利用上下文多態(tài)性作為指標來度量上下文數(shù)據(jù)的變換,并結(jié)合上下文多態(tài)性提出了一種用于上下文感知應(yīng)用測試的測試套件構(gòu)造方法。

理論上,測試用例選擇問題是一個NP完全問題,只能依靠一些啟發(fā)式方法解決。傳統(tǒng)的測試用例選擇方法包括貪婪算法[10],基于啟發(fā)式技術(shù)[11],基于整數(shù)線性規(guī)劃的方法[12]。這些方法可以簡單地劃分為兩類:基于覆蓋的測試用例選擇方法以及基于相似性的測試用例選擇方法[13]?；诟采w的方法的理念是“對模塊或代碼的覆蓋率越大的測試套件越有可能檢查出錯誤”,而基于相似性的方法的理念是“測試套件中的測試用例的相似性越少,測試套件的測試能力越高”。然而,傳統(tǒng)的測試用例選擇方法并不適用于上下文感知應(yīng)用,因為它們沒有考慮到上下文感知應(yīng)用的基于規(guī)則,上下文感知以及自適應(yīng)的特性。

上下文信息一般是涉及到多個環(huán)境屬性的,由于時間和成本的限制,不可能把所有的屬性組合考慮到,此時就可以利用正交試驗設(shè)計來解決空間組合爆炸的問題。正交試驗設(shè)計在減少了試驗的數(shù)量的同時還能保證取得與全因素分析相同或相近的結(jié)果[14]。目前,正交設(shè)計已經(jīng)被應(yīng)用到很多領(lǐng)域中,包括工程科學(xué)、生物學(xué)和計算機視覺等。在軟件測試方面,有學(xué)者對基于正交設(shè)計技術(shù)的軟件測試中的參數(shù)學(xué)習(xí)進行研究[15],并提出了一種帶有兩個參數(shù)以上的基于正交矩陣的測試用例生成方法。此外,也有學(xué)者證明了利用正交設(shè)計生成測試用例比基于遺傳算法和形式規(guī)約方法簡單很多[16]。

3　上下文感知應(yīng)用模型

如上文所述,大部分上下文感知應(yīng)用使用上下文感知中間件來實現(xiàn)其功能,中間件的一般模型框架如圖1所示。

圖1　上下文感知中間件的模型框架

它由兩個主要的組件構(gòu)成:

· Context manager(上下文管理器):主要用于控制移動設(shè)備的傳感器,如位置傳感器,溫度傳感器,重力傳感器和光傳感器等。不同的上下文感知應(yīng)用使用到不同的傳感器,當用戶移動到不同的地理位置時,應(yīng)用相關(guān)的傳感器會自動收集用戶所處環(huán)境的相關(guān)信息并在上下文管理器的控制下組成一個上下文。然而,由各式各樣傳感器收集到的上下文信息往往具有高復(fù)雜性,不完整性和不確定性等特征,所以這些上下文信息必須經(jīng)過上下文管理的數(shù)據(jù)融合技術(shù)處理后才能使用。

· Adaptation rule manager(適應(yīng)規(guī)則管理器):經(jīng)過數(shù)據(jù)融合技術(shù)處理后生成標準的上下文信息會被轉(zhuǎn)移到適應(yīng)規(guī)則管理器中,管理器會將上下文信息適配適應(yīng)規(guī)則集中的每一條規(guī)則,如果找到合適的規(guī)則,適應(yīng)規(guī)則管理器會出發(fā)相應(yīng)的動作。然而,由于適應(yīng)規(guī)則的復(fù)雜性以及上下文信息的實時更新能力,這些適應(yīng)規(guī)則往往是存在缺陷的。

4　方法描述

正交表是正交設(shè)計中安排試驗,并對試驗結(jié)果進行統(tǒng)計分析的重要工具,它實際上是一個N*M的矩陣。每一列代表一個上下文的屬性,每一行代表一組特定的屬性值組合,在正交設(shè)計中一般使用因素來表示屬性,水平表示屬性值。一個正交表通?？梢杂肔n(r1×r2×…×rm)表示,其中L是正交表的代號,ri(i=1,2,…,m)是第i個因素的水平個數(shù)。特別地,如果r1=r2=…=rm=r,那么正交表就可以簡單地表示為Ln(rm)。

正交設(shè)計通過巧妙地安排試驗,不僅大大降低了試驗次數(shù)而且基本上能達到同樣的統(tǒng)計效果,因此,正交設(shè)計毫無疑問可以應(yīng)用于測試用例選擇中。此外,因為通過使用正交設(shè)計所選擇出的測試用例在整個測試用例集中式均勻分布的,所以可以代表整個測試套件的全局情形。例如,一個上下文感知應(yīng)用的上下文信息由3個屬性組成,每個屬性有2個屬性值。如果使用全局測試,測試套件將會包含23=8個測試用例,而通過使用正交設(shè)計并選擇合適的正交表,僅僅4個測試用例就可以達到相同的測試效果。

基于正交設(shè)計的測試用例選擇之所以可以使用較少的測試用例來達到與全局測試相同或相近的效果的主要原因是:均勻分布性與綜合可比性。從表1和圖2可以看出,各個因素的不同水平值都出現(xiàn)了兩次,而且每兩個因素的不同水平值組合都出現(xiàn)了一次,因此可以取得與全局試驗同樣的效果。此外,在評估一個特定的因素的影響程度時,可以通過正交設(shè)計來消除其它因素的干擾,因而可以通過對不同的因素分別評估得到它們對統(tǒng)計數(shù)據(jù)的影響程度。

表1　正交表L4(23)

圖2　L4(23)所選出來的測試用例分布圖

5　實驗及結(jié)果分析

本節(jié)中,首先開發(fā)了一個基于Android平臺的上下文感知應(yīng)用,應(yīng)用名為AndroidAdapter;然后有目的地向AndroidAdapter中注入一些典型的上下文感知應(yīng)用所特有的錯誤;最后利用AndroidAdapter來證明基于正交設(shè)計的測試用例選擇的高效性以及其錯誤定位能力。

5.1AndroidAdapter和SensorSimulator的介紹

AndroidAdapter是一個根據(jù)上下文信息來改變移動設(shè)備狀態(tài)的上下文感知應(yīng)用,它主要利用移動設(shè)備底層的方向傳感器、溫度傳感器、電池監(jiān)控器以及系統(tǒng)時間實現(xiàn)的。當AndroidAdapter感知到移動設(shè)備的環(huán)境發(fā)生變化的時候會利用傳感器收集相關(guān)的信息并觸發(fā)相應(yīng)的適應(yīng)規(guī)則來調(diào)整移動設(shè)備的狀態(tài)。

為了模擬產(chǎn)生上下文信息,本實驗開發(fā)了一個傳感器模擬器應(yīng)用SensorSimulator,它能夠模擬各種類型的傳感器,包括:加速傳感器、重力傳感器、溫度傳感器、磁場傳感器以及電量設(shè)置器等。SensorSimulator的主界面如圖3所示。

例如,可以通過拖拽左上角的模擬手機來改變手機的朝向,通過設(shè)置右上角的電量控制條來設(shè)置模擬設(shè)備的電量等。這樣就可以將AndroidAdapter安裝在Android模擬器(AVD)上,并使用SensorSimulator來模擬改變移動設(shè)備的上下文狀態(tài),從而避免了收集上下文信息艱巨且繁瑣的工作。

圖3　SensorSimulator的主界面

圖4(a)　上下文收集結(jié)果

圖4(b)　動作觸發(fā)結(jié)果

圖4(a)顯示了AndroidAdapter所收集到的上下文信息,這些信息是通過SensorSimulator來設(shè)置的。當點擊屏幕中“invoke corresponding actions”的按鈕時會顯示圖4(b)的信息并根據(jù)適應(yīng)規(guī)則來調(diào)整移動設(shè)備的狀態(tài)。在實際的上下文感知應(yīng)用中,以上兩個界面一般都是不存在的,應(yīng)用只會簡單的收集信息并自動地做出調(diào)整,而不會顯示所收集到的信息,這里提供這兩個界面只是為了解釋AndroidAdapter的工作原理。

5.2實驗設(shè)計

本實驗所用到的上下文包含4個屬性值:時間、電量、Roll值和Pitch值(Roll值和Pitch值一起確定了移動設(shè)備的朝向,可以通過改變圖3中部的Roll和Pitch值來設(shè)置)。根據(jù)時間可以判斷移動設(shè)備用戶的狀態(tài)(睡覺時間0:00～8:00,開會時間8:01～9:00,上班時間9:01～17:00,空閑時間17:01～23:59),從而自動改變設(shè)備的情景模式以及調(diào)整屏幕亮度;通過電量監(jiān)控來適時提供提醒消息;根據(jù)方向來改變屏幕的顯示模式(橫向或者縱向)。

AndroidAdapter所用到的上下文的4個因素的各個水平如下表2所示。

從表2可以看出,因素Roll、Pitch各有3個水平,時間、電量各有4個水平。而且它們影響了移動設(shè)備的4個方面的狀態(tài):屏幕模式,屏幕亮度,情景模式,電量提醒。因此,在這個上下文感知應(yīng)用的適應(yīng)規(guī)則集中需要定義3*3*4*4=144條,每條規(guī)則觸發(fā)不同的動作。而在全局測試中的測試套件也必須包含這144個相應(yīng)的測試用例?？梢?為一個簡單的移動應(yīng)用測試需要執(zhí)行如此多的測試用例無疑是一個艱巨而又枯燥的任務(wù)。

表2　AndroidAdapter的因素及其水平表

使用基于正交設(shè)計的測試用例選擇方法首先要選擇合適的正交表Ln(rm)。其中r=max(ri)=4,m等于因素的個數(shù)加1(包括一列用于分析誤差的空列),故m=5,n是試驗的次數(shù),為m×(max(ri)-1)+1,所以n=5×(4-1)+1=16。因此,根據(jù)本實驗中因素和水平的個數(shù),此處選擇的正交表為L16(45),所選出的測試用例的詳細信息如表3所示。在本實驗中,僅僅選出了16個測試用例,減少了1-16/144=88.9%的測試負擔(dān),證明了該基于正交設(shè)計的測試用例選擇的高效性。

表3　測試用例安排表

5.3結(jié)果分析

正交設(shè)計在上下文感知應(yīng)用的測試方面有著強大的優(yōu)勢,除了能夠選擇高效的測試用例外,還可以對測試結(jié)果進行方差分析從而定位應(yīng)用的錯誤。因為正交設(shè)計允許在隔離其他因素的影響下對一個特定的因素進行研究,所以可以分別評估每個因素對測試結(jié)果的影響程度,從而定位錯誤。

前文已經(jīng)介紹過,上下文感知應(yīng)用的錯誤本質(zhì)上是適應(yīng)規(guī)則的邏輯錯誤,錯誤類型包括:不精確性,不確定性,不穩(wěn)定性等。本實驗中通過有目的地向AndroidAdapter中注入24個漏洞,以使其表現(xiàn)出以上三種錯誤。例如,通過把休息時間從0:00～8:00修改為0:00～9:00,那么在8:00～9:00這個時間段內(nèi)就會有兩個可選的觸發(fā)規(guī)則,從而表現(xiàn)出不確定性。本實驗所注入的24個錯誤中有12個與Roll相關(guān),8個與時間相關(guān),4個與電量相關(guān),而Pitch相關(guān)的適應(yīng)規(guī)則是不含有錯誤的。

通過執(zhí)行表3中的16個測試用例,記錄每個測試用例執(zhí)行時表現(xiàn)出錯誤的個數(shù),計算得到每個測試用例的錯誤檢測率如表3中的最后一列所示。由于錯誤定位是基于對測試結(jié)果的方差分析的,所以首先要計算每個因素的方差。表3中的統(tǒng)計量K是用來輔助計算方差S2的中間統(tǒng)計量,Kjl代表第j列中水平值為l的測試用例的錯誤檢測率的總和,如K11=y1+y2+y3+y4,K23=y3+y7+y11+y15,其中yi是第i個測試用例的錯誤檢測率。最后可以根據(jù)以下的公式計算各個因素的方差,計算結(jié)果如表3最后一行所示。

根據(jù)計算結(jié)果得到如表4所示的方差分析表。

表4　方差分析表

表4中最后一列的‘(*)’,‘*’,‘**’的符號代表各個因素在顯著性水平分別為α=0.10,0.05,0.01時對測試結(jié)果的影響程度。根據(jù)查詢F分布分位數(shù)表知:

F0.90(3,3)=5.39,F0.95(3,3)=9.28,F0.99(3,3)=29.46

當F值不超過5.39時可視為在誤差范圍內(nèi),此因素對測試結(jié)果沒有影響,否則根據(jù)F值與5.39,9.28,29.46進行比較,判斷其對應(yīng)的因素對測試結(jié)果的影響程度。F值越大,影響程度越高,意味著與該因素相關(guān)的適應(yīng)規(guī)則包含的錯誤越多。

根據(jù)表4的結(jié)果,可以得到如下結(jié)論:Roll因素對測試結(jié)果的影響程度最高,時間和電量因素對測試結(jié)果的影響程度一般,而Pitch因素對測試結(jié)果的影響可以忽略。分析結(jié)果可以表明,AndroidAdapter中的大部分錯誤存在于與Roll因素相關(guān)的適應(yīng)規(guī)則中,有一定數(shù)量的錯誤存在于與時間和電量因素相關(guān)的適應(yīng)規(guī)則中,而與Pitch因素相關(guān)的適應(yīng)規(guī)則是幾乎不存在錯誤的。這個結(jié)果與最初的錯誤注入的位置相符,從而證明了正交設(shè)計在上下文感知應(yīng)用測試中的錯誤定位能力。

6　結(jié)語

上下文感知應(yīng)用是一類上下文驅(qū)動應(yīng)用,它們通過移動設(shè)備內(nèi)置的傳感器收集設(shè)備的上下文信息,并根據(jù)上下文信息自動地調(diào)整設(shè)備的狀態(tài)。上下文信息是組成測試用例的基本單元,一般涉及到多個屬性,所以測試用例的選擇實際上是一個多因素分析的過程。

本文根據(jù)上下文感知應(yīng)用的特點,提出了一種基于正交試驗設(shè)計的測試用例選擇方法。由于正交設(shè)計所選出來的測試用例具有均勻分布和綜合可比的特性,因而可以通過適當?shù)匕才旁囼?在降低試驗次數(shù)的同時達到同樣的統(tǒng)計效果。此外,正交設(shè)計允許在隔離其他因素的影響下對一個特定的因素進行研究,因而具有錯誤定位的能力。

實驗表明,基于正交試驗設(shè)計的測試用例選擇方法應(yīng)用于上下文感知應(yīng)用不僅可以有效地選擇高效的測試用例,而且可以通過結(jié)果分析定位應(yīng)用的錯誤。

[1] Sama M, Elbaum S, et al. Context-aware adaptive applications: fault patterns and their automated identification[J]. IEEE Trans Software Eng,2010,36(5):644-661.

[2] Yau SS, Wang Y, Karim F. Development of situation-aware application software for ubiquitous computing environments[C]//Proc IEEE Comput Soc Int Comput Software Appl Conf, Oxford, United kingdom,2002:233-238.

[3] Fashy P, Clarke S. CASS-Middleware for Mobile Context-Aware Applications[C]//Proc. MobiSys Workshop Context Awareness,2004:304-308.

[4] Gu T, Pung HK, Zhang DQ. A Middleware for Building Context-Aware Mobile Services[C]//Proc. IEEE Veh Technol Conf. Milan, Italy,2004:2656-2660.

[5] Biegel G, Cahill V. A framework for developing mobile, context-aware applications[C]//Proc. 2nd IEEE Annu. Conf. Pervasive Comput. Commun. PerCom, Orlando, FL, United states,2004:361-365.

[6] Gao CS, Wei J, Xu C, et al. Sequential Event Pattern Based Context-aware Adaptation[C]//Proc. Asia-Pac. Symp. Internetware, Internetware, Suzhou, China,2010:3-10.

[7] Satoh I: Software testing for wireless mobile computing[J]. IEEE Wirel Commun,2004,11(5):58-64.

[8] Tse TH, Yau SS,etal. Testing context-sensitive middleware-based software applications[C]//Comput Software Appl Conf, Hong Kong, China,2004:458-466.

[9] Wang H, Chan WK. Weaving context sensitivity into test suite construction. ASE - IEEE/ACM Int. Conf. Autom. Softw. Eng. Auckland, New Zealand,2009:610-614.

[10] Chen TY, Lau MF. Simulation study on some heuristics for test suite reduction[J]. Inf Softw Technol,1998,40(13):777-787.

[11] Harrold MJ, Gupta R, Soffa ML. A methodology for controlling the size of a test suite[J]. Conf Software Maint,1990,12(1):302-310.

[12] McMaster S, Memon A. Call stack coverage for GUI test-suite reduction[C]//Symp. Softw. Reliab. Eng. Raleigh, NC, United states,2006:33-42.

[13] Hemmati H, Briand L. An industrial investigation of similarity measures for model-based test case selection[C]//Symp. Softw. Reliab. Eng. San Jose, CA, United states,2010:141-150.

[14] Franek L, Jiang XY. Orthogonal design of experiments for parameter learning in image segmentation[J]. Signal Process,2013,93(6):1694-1704.

[15] Maity S, Nayak A. Improved test generation algorithms for pair-wise testing[C]//Symp. Softw. Reliab. Eng.Chicago, IL, United states,2005:235-244.

[16] Wang LL, Li RT. The research of orthogonal experiment applied in mobile phone’s software test case generation[C]//Forum Inf. Technol. Appl., IFITA, Kunming, China,2010:345-348.

Test Case Selection Method Based on Orthogonal Experiment Design

ZENG MaoxiLU Lu

(Department of Computer Science and Engineering, South China University of Technology, Guangzhou510006)

Context-aware applications(CAAs) running on mobile devices are now developing quite rapidly due to the advanced built-in sensor technologies. These applications constantly capture environmental information as contexts and then adapt to the contextual changes. However, their adaptations may contain errors when erroneous adaptation rules are triggered. Hence, testing these applications becomes a vital prerequisite for their development. Due to the diversity of contexts, there may be a combinatorial explosion problem during test case generating. This paper proposes a new optimization method for selecting efficient test cases from the perspective of orthogonal experiment design (OED). A common context-aware application is developed to prove the effectiveness of this method. Additionally, an analysis of the fault localization capabilities is presented. Experiment results show that our method can not only significantly select out efficient test cases but also find out the factors that cause the faults of a CAA.

software testing, context-aware application, test case selection, orthogonal experiment design

2016年2月11日,

2016年3月17日

國家自然科學(xué)基金(編號:61370103);廣東省科技計劃項目(編號:2015B010107001);廣州市產(chǎn)學(xué)研基金項目(編號:201508010034);武漢大學(xué)軟件工程重點實驗室開放基金聯(lián)合資助。

曾茂希,男,碩士,研究軟件:自動化測試。陸璐,男,博士后,教授,研究方向:軟件架構(gòu)設(shè)計與優(yōu)化,軟件自動化測試,基于Web的遠程監(jiān)控、網(wǎng)絡(luò)傳輸服務(wù)質(zhì)量管理等。

TP311

10.3969/j.issn.1672-9722.2016.08.016