随着测试规模的不断提升、测试场景的日趋复杂,如何快速完成测试环境的规划,依据测试需求合理分配各类测试资源成为了云测试所面临的挑战之一。本课题开展了面向测试需求的环境规划技术研究,首先对测试中的资源进行分析,并设计脚本以形式化描述测试资源。而后研究协同过滤技术,提出了基于协同过滤的测试基础设施推荐算法(Test Facility Recommendation based on Collaborative Filtering,TFR-CF)。该算法充分考虑了节点的拓扑关系和用户的历史习惯,据此为用户推荐适合的规划方案,并支持基于反馈的在线学习,根据用户反馈及时更新知识库,极大节省了手工选择资源的时间成本和人力成本,为测试环境开设提供了有力的支持。云测试所面临的另一个挑战是测试执行中的负载均衡和容错技术。针对这两个问题,本课题提出了一种基于遗传算法的虚拟机资源调度技术,其调度策略充分考虑了历史因素的影响,并结合当下状态进行虚拟机调配,从而减少了因虚拟机迁移而带来的测试数据扰动,提升了测试系统的容错能力,使该系统能够在部分资源发生异常时,仍能提供具备足够数量和精度的测试数据。此外,本课题还开展了应用Spark Streaming技术提高测试系统容错能力的研究,利用Spark Streaming技术的预写日志机制,极大便利了业务现场恢复和数据维护。最后,本文研究内容已经集成到某工程的试验规划软件和试验管理软件中,从而帮助规划软件提高了测试环境构设的效率,帮助管理软件提高了虚拟机调度的效果,以及测试执行的容错能力。