过程感知信息系统（PAIS）是一种基于过程模型的软件系统，用于管理和执行业务过程，涉及人、应用程序和信息资源。PAIS的发展趋势是将业务模型与系统引擎相分离，通过配置的方式实现业务逻辑，以适应业务的持续变更需求，因此带有运行时数据的业务模型是PAIS系统引擎的典型负载。为了评价被测系统的性能和功能，需要大量符合特定特征的PAIS负载。本文针对PAIS负载生成技术进行研究，主要内容包括以下三部分。现有的针对DBMS等传统信息系统的测试方法大多以数据模型为中心，并未考虑业务流程因素；而针对PAIS的测试方法大多只关注过程模型，并未考虑数据因素。控制流维度和数据维度的孤立使得PAIS无法被全面客观的评价。为了解决上述问题，本文提出一个PAIS负载生成框架，可以基于模型驱动的思想（MDA）生成PAIS的平台无关业务模型（PIM）。此框架综合考虑PAIS的控制流维度和数据维度，将模型中的可控特征抽象为可定制的参数，用于生成符合特定应用场景的负载。PAIS负载生成框架本身不限定建模语言，本文使用着色Petri网（CPN）进行负载建模。若给定运行时参数，PAIS的构造时过程模型与其运行时实例存在映射关系，任务期望执行次数是能够体现此映射关系的重要指标，对PAIS负载生成有重要参考意义。现有的任务期望执行次数求解方法有其特定应用范围。为了处理更一般的情况，本文提出了三种方法：标记流平衡直接求解法，分而治之法以及控制流模式参考法，基于CPN模型对任务期望执行次数指标进行分析和求解。ETL工作流用于异构系统间数据的转换和集成，是PAIS的一类特定应用。本文基于PAIS负载生成框架，给出了特定于ETL工作流的负载自动生成方法。首先基于CPN给出ETL工作流的平台无关模型；随后研究了控制流的生成问题；通过对控制流中基本ETL活动的分析，基于属性数量约束关系给出数据模型的生成方法；最后基于符号测试思想，给出语义感知的测试数据集生成方法。本文针对PAIS负载生成技术进行研究，提出的负载生成方法具有开放、广泛适用以及特征可控等特点，可用于系统引擎及相关算法的功能、性能评测。本文中ETL过程模型生成算法的完备性得到了证明，负载生成方法的有效性也得到了实验验证。