Предиктивный Выбор Тестов: ИИ-Оптимизация Тестирования

class МапперКодТест:
    def __init__(self):
        self.карта_код_тест = defaultdict(set)
        self.покрытие_тестов = {}

    def анализировать_покрытие(self, данные_запуска_тестов):
        """Построить маппинг из данных покрытия"""
        for имя_теста, данные_покрытия in данные_запуска_тестов.items():
            покрытые_файлы = данные_покрытия['файлы']

            for путь_файла in покрытые_файлы:
                self.карта_код_тест[путь_файла].add(имя_теста)

    def получить_затронутые_тесты(self, измененные_файлы):
        """Получить тесты, затронутые изменениями кода"""
        затронутые = set()

        for путь_файла in измененные_файлы:
            затронутые.update(self.карта_код_тест.get(путь_файла, set()))

        return list(затронутые)

from sklearn.ensemble import RandomForestClassifier

class ПредсказательСбоевТестов:
    def __init__(self):
        self.модель = RandomForestClassifier(n_estimators=100)

    def извлечь_признаки(self, коммит, тест):
        """Извлечь признаки для предсказания"""
        return {
            'файлов_изменено': len(коммит['файлы']),
            'строк_добавлено': коммит['добавления'],
            'строк_удалено': коммит['удаления'],
            'время_выполнения_теста_мс': тест['средняя_длительность'],
            'оценка_нестабильности_теста': тест['нестабильность'],
            'процент_сбоев_30д': тест['сбои_за_последние_30_дней'] / тест['запуски_за_последние_30_дней']
        }

    def предсказать_вероятность_сбоя(self, коммит, тест):
        """Предсказать вероятность сбоя теста"""
        признаки = self.извлечь_признаки(коммит, тест)
        вектор_признаков = [list(признаки.values())]

        вероятность = self.модель.predict_proba(вектор_признаков)[0][1]

        return {
            'тест': тест['название'],
            'вероятность_сбоя': вероятность
        }

class ПриоритизаторТестов:
    def рассчитать_ценность_теста(self, тест, коммит):
        """Рассчитать оценку ценности для теста"""
        вероятность_сбоя = self.предсказатель.предсказать_вероятность_сбоя(коммит, тест)['вероятность_сбоя']
        покрытие_кода = тест['покрытие_строк'] / всего_строк
        история_обнаружения_багов = тест['багов_поймано_за_последний_год']
        стоимость_выполнения = тест['средняя_длительность_мс'] / 1000

        # Ценность = (Риск Сбоя × Покрытие × История Багов) / Стоимость
        оценка_ценности = (вероятность_сбоя * покрытие_кода * история_обнаружения_багов) / max(стоимость_выполнения, 1)

        return оценка_ценности

    def приоритизировать(self, коммит, бюджет_времени_секунды):
        """Выбрать тесты для максимизации ценности в пределах бюджета времени"""
        все_тесты = self.маппер.получить_каталог_тестов()

        # Рассчитать ценность для каждого теста
        оценки_тестов = [
            {
                'тест': тест,
                'ценность': self.рассчитать_ценность_теста(тест, коммит),
                'длительность': тест['средняя_длительность_мс'] / 1000
            }
            for тест in все_тесты
        ]

        # Сортировать по ценности (по убыванию)
        оценки_тестов.sort(key=lambda x: x['ценность'], reverse=True)

        # Жадный выбор в пределах бюджета
        выбранные_тесты = []
        общее_время = 0

        for элемент in оценки_тестов:
            if общее_время + элемент['длительность'] <= бюджет_времени_секунды:
                выбранные_тесты.append(элемент['тест'])
                общее_время += элемент['длительность']

        return {
            'выбранные_тесты': выбранные_тесты,
            'оценочная_длительность': общее_время,
            'покрытие': len(выбранные_тесты) / len(все_тесты)
        }

name: Интеллектуальный Выбор Тестов

on: [push, pull_request]

jobs:
  test:
    runs-on: ubuntu-latest

    steps:
    - uses: actions/checkout@v3
      with:
        fetch-depth: 0

    - name: Анализ Изменений Кода
      id: changes
      run: |
        CHANGED_FILES=$(git diff --name-only ${{ github.event.before }} ${{ github.sha }})
        echo "files=$CHANGED_FILES" >> $GITHUB_OUTPUT

    - name: Предсказание Выбора Тестов
      id: selection
      run: |
        python предсказать_тесты.py \
          --измененные-файлы "$CHANGED_FILES" \
          --бюджет-времени 600

    - name: Запуск Выбранных Тестов
      run: |
        pytest $(cat выбранные_тесты.json | jq -r '.tests[]')

class АнализаторВоздействияТестов:
    def __init__(self):
        self.граф_воздействия = nx.DiGraph()

    def построить_граф_воздействия(self, кодовая_база):
        """Построить граф зависимостей"""
        for файл in кодовая_база.файлы:
            self.граф_воздействия.add_node(файл.путь, тип='код')

        for тест in кодовая_база.тесты:
            self.граф_воздействия.add_node(тест.название, тип='тест')
            for покрытый_файл in тест.покрытие:
                self.граф_воздействия.add_edge(покрытый_файл, тест.название)

    def получить_затронутые_тесты(self, измененные_файлы):
        """Найти все транзитивно затронутые тесты"""
        затронутые = set()

        for измененный_файл in измененные_файлы:
            достижимые = nx.descendants(self.граф_воздействия, измененный_файл)

            for узел in достижимые:
                if self.граф_воздействия.nodes[узел]['тип'] == 'тест':
                    затронутые.add(узел)

        return list(затронутые)

class МетрикиВыбора:
    def записать_выбор(self, коммит, выбранные, пропущенные, результаты):
        """Записать эффективность выбора"""
        сбои_выбранных = [т for т in выбранные if результаты[т] == 'упал']
        сбои_пропущенных = [т for т in пропущенные if результаты[т] == 'упал']

        self.метрики.append({
            'коммит': коммит,
            'тестов_выбрано': len(выбранные),
            'тестов_пропущено': len(пропущенные),
            'время_сэкономлено_процент': len(пропущенные) / (len(выбранные) + len(пропущенные)),
            'поймано_сбоев': len(сбои_выбранных),
            'пропущено_сбоев': len(сбои_пропущенных),
            'точность': len(сбои_выбранных) / len(выбранные) if выбранные else 0,
            'полнота': len(сбои_выбранных) / (len(сбои_выбранных) + len(сбои_пропущенных)) if (сбои_выбранных or сбои_пропущенных) else 1.0
        })