Understanding the Lifecycle of Flaky Tests and Identifying \nFlaky Failures
Notice bibliographique
Résumé
Software testing is a critical aspect of ensuring the quality of software. Ideally, tests should \nproduce consistent results when being executed repeatedly on the same version of the software. \nHowever, certain tests may exhibit non-deterministic behavior, commonly known as ªflaky testsº. \nThese tests can provide ambiguous signals to developers and make the test results unreliable. \nDespite being a recognized phenomenon for decades, academic attention towards test flakiness \nhas only recently increased. The current dissertation aims to contribute to the advancement of \nresearch in two directions. First, we focus on predicting the lifetime of a flaky test, an issue that \nhas been left unaddressed in the flaky tests research area. Secondly, we question the efficiency of \nprevious studies in discerning flaky failures from legitimate failures, focusing on the Chromium \nbuild result as our dataset. \nIn our investigation of the historical patterns of flaky tests in Chrome, we identified that 40% of \nflaky tests remain unresolved, while 38% are typically addressed within the initial 15 days of introduction. \nSubsequently, we developed a predictive model focused on identifying tests with quicker \nresolutions. Our model demonstrated a precision of 73% and a Matthews Correlation Coefficient \n(MCC) approaching 0.39 in forecasting the lifespan class of flaky tests. \nFurthermore, we discovered that current vocabulary-based flaky test detection approaches misclassify \n78% of legitimate failures as flaky failures when applied to the Chromium dataset. The \nresults also revealed that the source code of tests is not enough indicator for predicting flaky failures, \nand other execution-related features must be contributed for better performance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».