Automatizovaná detekce závislostí datových struktur

Abstract

Tato práce se zabývá problematikou automatizovaného získávání znalostí ze strukturovaných dat, konkrétně pak detekcí závislostí datových typů ve stromově strukturovaných datech. Práce je řešena v kontextu platformy Testos, která cílí na automatizaci softwarového testování. Cílem řešení je navrhnout a implementovat nástroj, jenž bude automatizovaně plánovat a spouštět dílčí detekce nad vzorky reálných datových struktur. Detekce budou vykonávány externími moduly označované jako detektory, se kterými bude nástroj spolupracovat. Vytvořené řešení je realizováno jako služba implementující algoritmus, jenž komunikuje s detektory prostřednictvím dobře definovaného protokolu a paralelně jim zadává požadavky na provádění dílčích detekcí, jejichž výsledky následně vyhodnocuje. Službu lze ovládat a úkolovat pomocí vytvořeného HTTP API. Výsledky detekcí, tj. zjištěné významy či závislosti ve vstupních datech, jsou využívány dalšími nástroji platformy Testos za účelem generovaní nových testovacích dat, jejichž struktura odpovídá vstupním vzorkům reálných dat.This thesis deals with automated knowledge acquisition from structured data, precisely it includes detections of relations of data types in tree-structured data. The thesis is a part of Testos platform, which aims at software testing automation. The goal was to design and implement a solution that would automatically plan and execute detections over samples of real data structures. Detections would be handled by external modules called detectors that would cooperate with the solution. The final tool is a service which implements a algorithm for communicating with detectors via well-defined protocol, sending them requests in parallel to perform detections and handling results of detections. The service can be managed and tasked via created HTTP API. The results of detections, i.e. meanings and relations of input data, are used by other tools of Testos platform for the purpose of generating new test data with structure corresponding to input samples of real data.