随着Web应用结构与环境的日益复杂,为了确保Web应用软件设计达到预期的功能需求,需要对Web应用进行充分的测试,而Web统计测试可以在一定的时间和投入内有效地确保Web应用的质量。然而传统的统计测试在测试过程中仍存在一些不足。首先,传统统计测试对Web日志中用户行为的量化不够明确。如何从Web服务器日志中提取、分离更有价值的用户信息是Web应用统计测试的一项重要内容。其次,统计测试的测试重点不突出,Web应用站点页面众多,如何从中去除访问次数少,关联性不强,兴趣度低的页面。特别是面对大数据量的Web日志,如何能更有效的挖掘频繁项集。此外,传统的统计测试生成的测试用例无法较好的模拟用户行为。针对以上问题,本文提出了一种基于关联规则的Web统计测试的测试用例生成方法及可靠性度量方法。针对Web日志中用户行为的量化不够明确,本文首先从Web服务器日志提取相应字段,如Referrer和URL等字段,基于哈希保存在自定义的数据结构note中,生成note list,提高查询和对比效率以及更详细记录用户的每一次行为。为了从Web站点的众多页面中去掉访问次数少、兴趣度低的网页页面,对Web应用进行更有针对性的测试,本文提出基于note_tree结构的Apriori算法,对note list进行挖掘得到用户的频繁访问序列,并统计网页的访问频率与转换概率等信息作为构建统计测试使用模型的基础。在Web统计测试中一般使用马尔科夫模型进行系统建模,生成的马尔科夫模型采用轮盘赌算法生成测试用例。本文实现了基于轮盘赌算法的Web统计测试测试用例生成算法,既兼顾马尔科夫模型中转移概率的大小,又兼顾选择的随机性,以更接近真实的用户行为,进一步提高测试用例的鲁棒性。依据生成的测试用例,采用Nelson模型进行系统可靠性评估,选择MTBF作为系统可靠性评估指标。最后论文基于三个较为全面的问题进行相关实验。实验证明,基于note_tree结构的Apriori算法与Apirori算法相比,算法运行时间更短,产生的频繁2项集L2数量更少,基于note_tree结构的Apriori算法在挖掘大数据量的Web日志时更有效率。基于关联规则的Web应用统计测试方法能够更为准确的衡量Web应用的可靠性,通过执行测试用例计算得到的Web应用MTBF值与真实环境下MTBF值相似,验证了该方法的有效性。