Nástroj pro generování unit testů pomocí model checkingu pro .net

Abstract

Jednotkové testy slouží jako základ testování softwaru a zdroj informací o fungování testovaného kódu, což je důležité pro jeho další rozvoj a vylepšování. Manuální formulace testů, které plně pokryjí testovanou metodu a ukáží všechny její vlastnosti je náročná a k~chybám náchylná práce. Nástroj dnWalker využívá konkolickou exekuci - kombinaci symbolické a konkrétní exekuce - k automatickému nalezení testovacích případů pro kód napsaný v .NET jazycích. Z testovacích případů vygeneruje soubor testů, který zajistí vysoké pokrytí kódu. Pro procházení a odhalení podmínek pro všechny cesty v kódu využívá dnWalker kombinaci teorií splnitelnosti a separační logiky. Kromě konkrétních dat je dnWalker schopný pracovat i s abstraktními objekty. Pro izolaci jednotkových testů pak používá vygenerované testové dvojníky, přičemž uživatel může specifikovat konkrétní izolační framework. Třebaže dnWalker je nástroj s omezenou funkcionalitou, experimentální výsledky ukazují, že při práci s jak primitivními tak i komplexními daty dosahuje srovnatelných anebo lepších výsledků než zavedené a komerční nástroje.Unit tests are the base of software testing, part of the software verification and validation process, and a source of information about functionality of the code under test, an important element for its refactorization. Manual formulation of test cases which cover the software under test and demonstrate all of its properties is hard and error-prone work. The tool dnWalker uses concolic execution - a combination of symbolic and concrete execution - for automatic test cases discovery for code written in .NET languages. From these test cases it generates a test suite which ensures high code coverage. In order to test and discover all conditions for all paths through the code, dnWalker uses a combination of satisfiability modulo theories and separation logic. Apart from concrete data dnWalker is capable of working with abstract objects. Isolation of the unit tests is achieved using generated test doubles while using concrete isolation framework provided by the user. Although dnWalker isn't a full-featured tool, experimental results show that when working with both primitive and dynamic data dnWalker achieves comparable or better results than matured and commercial tools.