一种基于Jira的缺陷报告自动生成系统的制作方法

一种基于jira的缺陷报告自动生成系统
技术领域
1.本发明属于车联网软件开发及测试技术领域，具体涉及一种基于jira的缺陷报告自动生成系统。


背景技术：

2.车联网软件在正式上线前，需要对软件进行开发，在实施开发项目过程中，还需要对软件进行测试。在对软件开发项目进行测试过程中，会将测试涉及的各种类型信息在诸如项目与事务跟踪(jira)平台的管理应用程序开发项目系统上管理。
3.jira是atlassian公司出品的项目与事务跟踪工具，被广泛应用于缺陷跟踪、客户服务、需求收集、流程审批、任务跟踪、项目跟踪和敏捷管理等工作领域，由于其界面友好、功能强大等特点，在软件行业的项目管理中应用的尤其广泛。
4.但是jira工具主要针对通用型的缺陷管理，所以对于具体的项目需要进一步的个性化的算法分析才能得出我们需要的缺陷相关数据，并且jira本身没有导出缺陷报告的功能，需要使用者在导出数据的基础上经过加工处理方能输出可读性较高的对项目改进有积极作用的缺陷分析报告。
5.目前jira系统上有现有的图表生成工具，但是属于通用的图表工具，无法针对个性化的需要进行定制，而且无法预测未来的缺陷走势。
6.对于手动编写缺陷报告来说，操作的顺序是首先需要登录jira系统筛选相关的缺陷数据，再导出成表格文件利用表格工具中的功能进行数据透视表分析，进而把数据绘制成图表，最后将数据、图表组织到缺陷报告文件中去。整个处理的流程非常繁琐，尤其对于迭代频繁的项目来说重复性劳动多、费时费力。


技术实现要素：

7.为了解决现有技术存在的上述问题，本发明提供一种基于jira的缺陷报告自动生成系统，以jira软件为基础，通过二次开发，实现了一款可以实时分析、在线共享的web端缺陷报告系统。本发明打通jira与内部通信链路，结合python对jira任务进行数据建模，并对jira上的缺陷自动进行数据抓取和数据组装，并生成状态分析、团队分析、模块分析等多维度的分析图表。
8.本发明的目的是通过以下技术方案实现的：
9.一种基于jira的缺陷报告自动生成系统，采用mvc设计模式，包括表示层、控制层以及模型层；
10.所述模型层用于获取被测系统的缺陷数据，并将缺陷数据进行数据整理和数据组装；通过对组装好的缺陷数据进行算法分析，获得缺陷分析数据；并通过预测模型预测缺陷未来走势，生成缺陷预测数据；
11.所述控制层根据用户调取的服务地址选择待展示的缺陷分析数据和/或缺陷预测数据，将待展示的缺陷分析数据和/或缺陷预测数据进行代码渲染并传递给表示层；
12.所述表示层获取控制层传递的缺陷分析数据和/或缺陷预测数据，在网页端进行数据展示。
13.进一步地，所述缺陷报告自动生成系统为基于主流编程语言python的django框架搭建的web系统，采用b/s架构部署在服务器端。
14.进一步地，所述模型层包括数据获取模块、数据组装模块、算法分析模块以及数据预测模块；
15.所述数据获取模块通过调用python的jira模块以及jira本身的接口服务来获取被测系统的缺陷数据；
16.所述数据组装模块用于将数据获取模块获取的缺陷数据进行数据整理及数据组装；
17.所述数据预测模块用于根据缺陷预测模型对数据组装模块组装后的缺陷数据进行计算，获得缺陷预测数据；
18.所述算法分析模块用于对缺陷数据及缺陷预测数据进行算法分析，获得缺陷削减趋势，计算出每天需修复的缺陷数量。
19.更进一步地，所述数据组装模块包括：
20.reopen缺陷数量分析单元，其通过jira提供的restful api遍历每个缺陷的工作记录，获取其中有reopen的操作并进行记录，统计出reopen的缺陷数量；
21.缺陷严重级别分析单元，其按缺陷的严重级别对缺陷数据进行统计；
22.缺陷来源分析单元，其从jira的项目中实时获取缺陷来源的分类和对应数量；
23.开发团队缺陷比例分析单元，其按开发团队的缺陷数进行统计；
24.各模块缺陷分析单元，其按被测系统各个功能模块的缺陷数量进行统计；
25.各模块遗留缺陷分析单元，其按被测系统各功能模块的遗留缺陷进行统计；
26.缺陷状态分析单元，其按缺陷的状态进行统计。
27.更进一步地，所述数据预测模块根据现有缺陷数据，对现有缺陷数据进行整理计算并基于经验分析方式预测未来某一时间或时段的缺陷新增数量和关闭数量。
28.更进一步地，所述缺陷预测模型为：
29.未来某一天的缺陷数量＝前一天的缺陷数量+已测试阶段平均每天的缺陷数*所在轮次的预测系数；
30.令预测未来第n天的累计缺陷为bn，当前时间的前一天缺陷总数为s，已测试的时间为m天，第k轮的预测系数为ik，则：
31.已测试阶段平均每天新增的缺陷数b
平均
＝s/m
32.未来第0天(即今天)的预测累计缺陷数b0＝s+b
平均
*ik33.未来第1天(即明天)的预测累计缺陷数b1＝b0+b
平均
*ik34.…
35.未来第n-1天的预测累计缺陷数b
n-1
＝b
n-2
+b
平均
*ik36.未来第n天的预测累计缺陷数bn＝b
n-1
+b
平均
*ik37.进一步地，所述控制层包括路由转发模块、逻辑控制模块、代码渲染模块以及数据传递模块；
38.所述路由转发模块根据用户调取的服务地址来区分具体的服务；
39.所述逻辑控制模块根据路由转发模块的区分结果选择需要传递的缺陷数据；
40.所述代码渲染模块用于对待传递的缺陷数据进行代码渲染；
41.所述数据传递模块用于将代码渲染后的缺陷数据传递给表示层。
42.进一步地，所述表示层包括html模块、javascript模块、ajax模块以及echarts模块；
43.所述html模块将所需要表达的缺陷数据写成html文件；
44.所述javascript模块用于为网页添加动态显示功能；
45.所述ajax模块用于网页端缺陷数据的动态自动刷新；
46.所述echarts模块用于将缺陷数据渲染成图表使用的图表库，进而生成可视化图表。
47.本发明具有以下有益效果：
48.本发明提供一种基于jira的缺陷报告自动生成系统，以jira软件为基础，通过二次开发，实现了一款可以实时分析、在线共享的web端缺陷报告系统。本发明打通jira与内部通信链路，结合python对jira任务进行数据建模，并对jira上的缺陷自动进行数据抓取和数据组装，并生成状态分析、团队分析、模块分析等多维度的分析图表。
49.本系统不止于实时分析，还可以根据现有缺陷的数量和状态预测未来阶段的缺陷走势和指导开发每天应修复缺陷的数量，从而帮助项目组更科学的管理、跟踪、分析缺陷，以数据驱动的分析结果更有利于对开发团队进行进度调整、资源优化；最终通过自动化部署完成敏捷迭代分析，可节约质量团队90％缺陷整理分析时间。
50.此外，本系统还有如下优势：
51.1.系统复用性强，可以为任何使用jira管理缺陷的项目或团队使用；
52.2.系统响应块，数据具有实时性，几乎不存在和实际的数据差异(以往质量团队手工整理，只能第二天统计前一天的数据)；
53.3.前端采用echartsjs来渲染图表，样式美观，支持客户端的拖拽重计算，用户体验佳；
54.4.技术框架都为开源框架，不涉及商业版权和费用问题；
55.5.所有过程都是自动完成，节省了人工收集、整理数据的精力；
56.6.可以按照实际需要来个性化的定义所要展示的图表；
57.7.可以根据现有缺陷数据和项目时间计划来预测未来的缺陷走势；
58.8.展示的数据图表可以实时的反应项目真实数据。
附图说明
59.图1为本发明实施例所述的一种基于jira的缺陷报告自动生成系统架构图；
60.图2为本发明实施例所述缺陷预测及消减趋势分析报告图表示意图；
61.图3为本发明实施例所述reopen缺陷数量分析报告图表示意图；
62.图4为本发明实施例所述缺陷严重级别分析报告图表示意图；
63.图5为本发明实施例所述开发团队缺陷比例分析报告图表示意图；
64.图6为本发明实施例所述各模块缺陷数据分析报告图表示意图；
65.图7为本发明实施例所述各模块遗留缺陷分析报告图表示意图；
66.图8为本发明实施例所述缺陷状态分析报告图表示意图。
具体实施方式
67.以下结合附图及实施例进一步说明本发明的技术方案：
68.一种基于jira的缺陷报告自动生成系统，采用mvc设计模式，包括表示层、控制层以及模型层；
69.所述模型层用于获取被测系统的缺陷数据，并将缺陷数据进行数据整理和数据组装；通过对组装好的缺陷数据进行算法分析，获得缺陷分析数据；并通过预测模型预测缺陷未来走势，生成缺陷预测数据；
70.所述控制层根据用户调取的服务地址选择待展示的缺陷分析数据和/或缺陷预测数据，将待展示的缺陷分析数据和/或缺陷预测数据进行代码渲染并传递给表示层；
71.所述表示层获取控制层传递的缺陷分析数据和/或缺陷预测数据，在网页端进行数据展示。
72.进一步地，所述缺陷报告自动生成系统为基于主流编程语言python的django框架搭建的web系统，采用b/s架构部署在服务器端。
73.进一步地，所述模型层包括数据获取模块、数据组装模块、算法分析模块以及数据预测模块；
74.所述数据获取模块通过调用python的jira模块以及jira本身的接口服务来获取被测系统的缺陷数据；
75.所述数据组装模块用于将数据获取模块获取的缺陷数据进行数据整理及数据组装；
76.所述数据预测模块用于根据缺陷预测模型对数据组装模块组装后的缺陷数据进行计算，获得缺陷预测数据；
77.所述算法分析模块用于对缺陷数据及缺陷预测数据进行算法分析，获得缺陷削减趋势，计算出每天需修复的缺陷数量。
78.更进一步地，所述数据组装模块包括：
79.reopen缺陷数量分析单元，其通过jira提供的restful api遍历每个缺陷的工作记录，获取其中有reopen的操作并进行记录，统计出reopen的缺陷数量；
80.缺陷严重级别分析单元，其按缺陷的严重级别对缺陷数据进行统计；
81.缺陷来源分析单元，其从jira的项目中实时获取缺陷来源的分类和对应数量；
82.开发团队缺陷比例分析单元，其按开发团队的缺陷数进行统计；
83.各模块缺陷分析单元，其按被测系统各个功能模块的缺陷数量进行统计；
84.各模块遗留缺陷分析单元，其按被测系统各功能模块的遗留缺陷进行统计；
85.缺陷状态分析单元，其按缺陷的状态进行统计。
86.更进一步地，所述数据预测模块根据现有缺陷数据，对现有缺陷数据进行整理计算并基于经验分析方式预测未来某一时间或时段的缺陷新增数量和关闭数量。
87.更进一步地，所述缺陷预测模型为：
88.未来某一天的缺陷数量＝前一天的缺陷数量+已测试阶段平均每天的缺陷数*所在轮次的预测系数；
89.令预测未来第n天的累计缺陷为bn，当前时间的前一天缺陷总数为s，已测试的时间为m天，第k轮的预测系数为ik，则：
90.已测试阶段平均每天新增的缺陷数b
平均
＝s/m
91.未来第0天(即今天)的预测累计缺陷数b0＝s+b
平均
*ik92.未来第1天(即明天)的预测累计缺陷数b1＝b0+b
平均
*ik93.…
94.未来第n-1天的预测累计缺陷数b
n-1
＝b
n-2
+b
平均
*ik95.未来第n天的预测累计缺陷数bn＝b
n-1
+b
平均
*ik96.进一步地，所述控制层包括路由转发模块、逻辑控制模块、代码渲染模块以及数据传递模块；
97.所述路由转发模块根据用户调取的服务地址来区分具体的服务；
98.所述逻辑控制模块根据路由转发模块的区分结果选择需要传递的缺陷数据；
99.所述代码渲染模块用于对待传递的缺陷数据进行代码渲染；
100.所述数据传递模块用于将代码渲染后的缺陷数据传递给表示层。
101.进一步地，所述表示层包括html模块、javascript模块、ajax模块以及echarts模块；
102.所述html模块将所需要表达的缺陷数据写成html文件；
103.所述javascript模块用于为网页添加动态显示功能；
104.所述ajax模块用于网页端缺陷数据的动态自动刷新；
105.所述echarts模块用于将缺陷数据渲染成图表使用的图表库，进而生成可视化图表。
106.实施例
107.如图1所示，一种基于jira的缺陷报告自动生成系统，其为基于主流编程语言python的django框架搭建的web系统，采用b/s架构部署在服务器端，方便用户随时随地的通过浏览器访问。
108.本发明采用mvc设计模式，由上到下分别是表示层、控制层和模型层。
109.模型层：通过调用python的jira模块和jira本身的接口服务来获取被测车辆网软件的缺陷数据；将缺陷数据进行数据整理和数据组装；将组装好的数据进行算法分析，获得缺陷分析数据；或通过预测模型预测缺陷未来走势，生成缺陷预测数据。
110.控制层：根据用户调取的服务地址来区分具体的服务，通过逻辑控制选择需要传递的缺陷分析数据和/或缺陷预测数据，最后进行代码渲染并传递给表示层。
111.表示层：获取控制层传递的缺陷数据，在网页端进行数据展示。
112.所述表示层包括html模块、javascript模块、ajax模块以及echarts模块：
113.html的全称为超文本标记语言，其包括一系列标签，通过这些标签将网络上的文档格式统一，使分散的internet资源连接为一个逻辑整体。html文本是由html命令组成的描述性文本，html命令可以说明文字，图形、动画、声音、表格、链接等。
114.html模块将所需要表达的缺陷数据按某种规则写成html文件，通过专用的浏览器来识别，并将这些html文件“翻译”成可以识别的信息，即我们所见到的网页。
115.javascript模块用于为网页添加各式各样的动态功能，为用户提供更流畅美观的
浏览效果。javascript(简称“js”)是一种具有函数优先的轻量级，解释型或即时编译型的编程语言。通常javascript脚本是通过嵌入在html中来实现自身的功能的。
116.ajax模块做为前端页面和后台接口交互的操作语言，用于网页数据的动态自动刷新，可实时刷新显示缺陷数据，让用户打开网页后不用手动刷新，前端页面自动会刷新数据展现实时的数据。ajax即asynchronous javascript and xml(异步javascript和xml)包括html或xhtml,css,javascript,dom,xml,xslt,以及最重要的xmlhttprequest。使用ajax技术网页应用能够快速地将增量更新呈现在用户界面上，而不需要重载(刷新)整个页面，这使得程序能够更快地回应用户的操作。
117.echarts模块用于将缺陷数据渲染成图表使用的图表库，进而生成可视化图表。echarts是一款基于javascript的数据可视化图表库，提供直观，生动，可交互，可个性化定制的数据可视化图表。echarts提供了常规的折线图、柱状图、散点图、饼图、k线图，用于统计的盒形图，用于地理数据可视化的地图、热力图、线图，用于关系数据可视化的关系图、treemap、旭日图，多维数据可视化的平行坐标，还有用于bi的漏斗图，仪表盘，并且支持图与图之间的混搭。
118.本实施例可实现以下缺陷数据的分析及预测功能：
119.1.缺陷预测和削减趋势分析
120.车端网联应用的开发项目规模大，人员复杂且周期较长，如何监控开发对缺陷的修复进度、开发团队应该怎么平衡功能开发和缺陷修复的时间比例对项目管理人员来说是一个重要的痛点。缺陷削减趋势分析功能通过编写接口服务实时获取jira系统中所分析项目的现有缺陷数据，对数据进行整理计算并基于经验分析方式来预测未来一直到项目结束时每天的缺陷新增数量和关闭数量，并通过算法分析出每天开发应该修复的数量，再将数据渲染成堆叠图和折线图叠加的组合图表，帮助项目管理者快速、清晰的分析缺陷修复进度，从而达到基于数据支撑的科学管理和资源优化并降低项目缺陷修复进度延后而导致项目延期的进度风险。
121.每日累计缺陷预测模型的推导过程如下：
122.一般在车联网软件的系统测试阶段需要进行三轮测试，第一轮测试的缺陷较多，二轮次之，三轮较少。
123.未来某一天的缺陷数量＝前一天的缺陷数量+已测试阶段平均每天的缺陷数*所在轮次的预测系数。
124.令预测未来第n天的累计缺陷为bn，当前时间的前一天缺陷总数为s，已测试的时间为m天，第k轮的预测系数为ik，则：
125.已测试阶段平均每天新增的缺陷数b
平均
＝s/m
126.未来第0天(即今天)的预测累计缺陷数b0＝s+b
平均
*ik127.未来第1天(即明天)的预测累计缺陷数b1＝b0+b
平均
*ik128.…
129.未来第n-1天的预测累计缺陷数b
n-1
＝b
n-2
+b
平均
*ik130.未来第n天的预测累计缺陷数bn＝b
n-1
+b
平均
*ik131.例：
132.测试一共需要三轮，第一轮(共20天)的预测系数为1.0，第二轮(共10天)的预测系
数为0.5，第三轮(共10天)的预测系数为0.2，项目现在已测试了10天，截至第10天测试结束共提交缺陷100个。
133.则：
134.未来第5天测试时，预测的累计缺陷
135.b5＝b4+b
平均
*i1136.＝b3+b
平均
*i1+b
平均
*in137.＝b2+b
平均
*i1*3
138.…
139.＝b0+b
平均
*i1*(n1+1)
140.＝s+s/m*i1*(n1+1)
141.＝100+100/10*1*(5+1)
142.＝160
143.未来第15天测试时，处于测试第二轮的第6天，故预测的累计缺陷为
144.b
15
＝b
14
+b
平均
*i2145.＝b
13
+b
平均
*i2+b
平均
*i2146.…
147.＝b9+b
平均
*i2*6
148.＝b8+b
平均
*i1+b
平均
*i2*6
149.＝b7+b
平均
*i1*2+b
平均
*i2*6
150.＝b0+b
平均
*i1*10+b
平均
*i2*6
151.＝s+s/m*i1*10+s/m*i2*6
152.＝100+100/10*1*10+100/10*0.5*6
153.＝230
154.2.reopen缺陷数量分析
155.reopen缺陷数量是衡量开发团队缺陷修复质量的一个重要指标。reopen缺陷分析功能通过jira提供的restful api来遍历每个缺陷的工作记录，找到有reopen的操作并进行记录，最终统计出reopen的缺陷数量。由于调用api的频次较多会导致网络连接时间较长影响使用体验，为此进行了逻辑优化，将每次统计的结果进行存储，如果没有数据则采取全量统计的方式，有数据则按上次统计的时间进行增量统计的方式来大大提高了非首次访问的响应效率。
156.3.缺陷严重级别分析
157.按缺陷的严重级别对缺陷数据进行统计，并渲染成饼状图，添加数据标签数量和百分比。
158.4.缺陷来源分析
159.从jira的项目中实时获取缺陷来源的分类和对应数量，按比例配置渲染成饼状图。
160.5.开发团队缺陷比例分析
161.按开发团队的缺陷数进行统计，并进行图表渲染展示。
162.6.各模块缺陷分析
163.按车辆网软件各个功能模块的缺陷数量进行统计，并进行图表渲染展示。
164.7.各模块遗留缺陷分
165.按车辆网软件各功能模块的遗留缺陷进行统计，并进行饼状图的渲染展示。
166.8.缺陷状态分析
167.按缺陷的状态进行统计分析，并渲染成柱状图进行展示。

技术特征：
1.一种基于jira的缺陷报告自动生成系统，其特征在于，采用mvc设计模式，包括表示层、控制层以及模型层；所述模型层用于获取被测系统的缺陷数据，并将缺陷数据进行数据整理和数据组装；通过对组装好的缺陷数据进行算法分析，获得缺陷分析数据；并通过预测模型预测缺陷未来走势，生成缺陷预测数据；所述控制层根据用户调取的服务地址选择待展示的缺陷分析数据和/或缺陷预测数据，将待展示的缺陷分析数据和/或缺陷预测数据进行代码渲染并传递给表示层；所述表示层获取控制层传递的缺陷分析数据和/或缺陷预测数据，在网页端进行数据展示。2.如权利要求1所述的一种基于jira的缺陷报告自动生成系统，其特征在于，所述缺陷报告自动生成系统为基于主流编程语言python的django框架搭建的web系统，采用b/s架构部署在服务器端。3.如权利要求1所述的一种基于jira的缺陷报告自动生成系统，其特征在于，所述模型层包括数据获取模块、数据组装模块、算法分析模块以及数据预测模块；所述数据获取模块通过调用python的jira模块以及jira本身的接口服务来获取被测系统的缺陷数据；所述数据组装模块用于将数据获取模块获取的缺陷数据进行数据整理及数据组装；所述数据预测模块用于根据缺陷预测模型对数据组装模块组装后的缺陷数据进行计算，获得缺陷预测数据；所述算法分析模块用于对缺陷数据及缺陷预测数据进行算法分析，获得缺陷削减趋势，计算出每天需修复的缺陷数量。4.如权利要求3所述的一种基于jira的缺陷报告自动生成系统，其特征在于，所述数据组装模块包括：reopen缺陷数量分析单元，其通过jira提供的restful api遍历每个缺陷的工作记录，获取其中有reopen的操作并进行记录，统计出reopen的缺陷数量；缺陷严重级别分析单元，其按缺陷的严重级别对缺陷数据进行统计；缺陷来源分析单元，其从jira的项目中实时获取缺陷来源的分类和对应数量；开发团队缺陷比例分析单元，其按开发团队的缺陷数进行统计；各模块缺陷分析单元，其按被测系统各个功能模块的缺陷数量进行统计；各模块遗留缺陷分析单元，其按被测系统各功能模块的遗留缺陷进行统计；缺陷状态分析单元，其按缺陷的状态进行统计。5.如权利要求3所述的一种基于jira的缺陷报告自动生成系统，其特征在于，所述数据预测模块根据现有缺陷数据，对现有缺陷数据进行整理计算并基于经验分析方式预测未来某一时间或时段的缺陷新增数量和关闭数量。6.如权利要求3所述的一种基于jira的缺陷报告自动生成系统，其特征在于，所述缺陷预测模型为：未来某一天的缺陷数量＝前一天的缺陷数量+已测试阶段平均每天的缺陷数*所在轮次的预测系数；令预测未来第n天的累计缺陷为b
n
，当前时间的前一天缺陷总数为s，已测试的时间为m
天，第k轮的预测系数为i
k
，则：已测试阶段平均每天新增的缺陷数b
平均
＝s/m未来第0天(即今天)的预测累计缺陷数b0＝s+b
平均
*i
k
未来第1天(即明天)的预测累计缺陷数b1＝b0+b
平均
*i
k
…
未来第n-1天的预测累计缺陷数b
n-1
＝b
n-2
+b
平均
*i
k
未来第n天的预测累计缺陷数b
n
＝b
n-1
+b
平均
*i
k
。7.如权利要求1所述的一种基于jira的缺陷报告自动生成系统，其特征在于，所述控制层包括路由转发模块、逻辑控制模块、代码渲染模块以及数据传递模块；所述路由转发模块根据用户调取的服务地址来区分具体的服务；所述逻辑控制模块根据路由转发模块的区分结果选择需要传递的缺陷数据；所述代码渲染模块用于对待传递的缺陷数据进行代码渲染；所述数据传递模块用于将代码渲染后的缺陷数据传递给表示层。8.如权利要求1所述的一种基于jira的缺陷报告自动生成系统，其特征在于，所述表示层包括html模块、javascript模块、ajax模块以及echarts模块；所述html模块将所需要表达的缺陷数据写成html文件；所述javascript模块用于为网页添加动态显示功能；所述ajax模块用于网页端缺陷数据的动态自动刷新；所述echarts模块用于将缺陷数据渲染成图表使用的图表库，进而生成可视化图表。

技术总结
本发明公开了一种基于Jira的缺陷报告自动生成系统，包括表示层、控制层以及模型层；模型层用于获取被测系统的缺陷数据，并将缺陷数据进行数据整理和数据组装；通过对组装好的缺陷数据进行算法分析，获得缺陷分析数据；并通过预测模型预测缺陷未来走势，生成缺陷预测数据；控制层根据用户调取的服务地址选择待展示的缺陷分析数据和/或缺陷预测数据，将待展示的缺陷分析数据和/或缺陷预测数据进行代码渲染并传递给表示层；表示层获取控制层传递的缺陷分析数据和/或缺陷预测数据，在网页端进行数据展示。数据展示。数据展示。


技术研发人员：魏强 李振龙
受保护的技术使用者：一汽奔腾轿车有限公司
技术研发日：2023.03.27
技术公布日：2023/8/21