High-Level Synthesis用户验证流程中的便携式激励建模

Ｈ　ｉｇｈ—Ｌｅｖｅｌ　Ｓｙｎｔｈｅｓｉｓ用户　

验证流程中的便携式激励建模　

Ｍｉｋｅ　Ａｎｄｒｅｗｓ，Ｍｉｋｅ　Ｆｉｎｇｅｒｏｆｆ　

（Ｍｅｎｔｏｒ，Ａ　Ｓｉｅｍｅｎｓ　Ｂｕｓｉｎｅｓｓ）　

摘要：在过去一两年中，“便携式激励”已经成为验证领域的热门话题，但是像诸多“新”概念一样，它　

也是在一些既有工具和方法基础上演变而来的。例如，凭借基于图形的激励自动化工具（如Ｑｕｅｓｔａ　

ｉｎＦａｃｔ），让不同设计抽象层次之间拥有共同的激励模型在多年前就已成为现实。Ｈｉ　一Ｌｅｖｅ１　Ｓｙｎ—　

ｔｈｅｓ　ｉ　ｓ（ＨＬＳ）可将Ｓｙｓ　ｔｅｍＣ／Ｃ＋＋综合到ＲＴＬ，这已经存在许多年。在ｃ级使用混合内部开发环境或定　

向ｃ测试进行功能验证的大多数用户均可采用该技术。然而，随着ＨＬＳ现在支持超大规模的分层设计，　

对新验证方法的需求越来越突出，它需要支持符合高性能和高生产价值约束的ＳｙｓｔｅｍＣ／Ｃ＋＋随机激　

励，以便在ｃ级实现覆盖率收敛，而后还可以精确再现激励以测试综合ＲＴＬ，确保万无一失。本文介绍了　

一

种方法，可用于定义（和改进）激励模型以帮助达到１　Ｏ０％的ｃ＋＋ＨＬＳ　ＤＵＴ代码覆盖率，然后再在使用　

综合ＲＴＬ的Ｓｙ　ｓｔｅｍＶｅｒｉ１０ｇ或ＵＶＭ测试平台中重复使用。如果拥有一个真正通用的模型，还可以在两　

个环境之间保持随机的稳定性，如此一来，在一个域中发现某些问题时，便可在另一个域中调试。　

简介　

在卜多年前，ＥＳＬ（电子系统级）方法曾风靡一　

时，当时有许多语言选项承诺会提高设计和验证的　

抽象级别，其中主要有Ｃ／Ｃ＋＋、ＳｙｓｔｅｍＣ以及Ｓｙｓ—　

与此同时，许多用户一直在寻求更有效的方式　

来描述激励，特别是寻找方法来扩大可通过简要描　

述来自动化的验证场景数量，并且提高生成过程中　

的效率。　

Ｑｕｅｓｔａ　ｉｎＦａｃｔ已经能够提供这种能力，它采用　

ｔｅｍＶｅｒｉｌｏｇ。虽然Ｃ／ＳｙｓｔｅｍＣ是抽象硬件和系统建模　

中最流行的语言，但ＳｙｓｔｅｍＶｅｒｉｌｏｇ已经对高级验证　

（例如，随机约束激励和功能覆盖率）所需的必要功　

能进行标准化。　

基于规则／图形的方法，既借鉴了软件测试技术，又　

针对硬件验证进行了增强。由于该基于规则的模型　

独立于目标语言（已应用于至少７种不同的ＨＶＬ　

环境），因此一直被作为便携式激励解决方案。　

ｈｔｔｐ：／／ｗｗｗ．ｃｉｃｍａｇ．ｃｏｍ　

川　Ｓ用户经常表示，他们改用Ｃ＋＋／ＳｙｓｔｅｍＣ进　

行设计所获得的主要好处是验证性能，这样他们能　

够运行更多的测试。然而，Ｃ环境中没有任何标准能　

实现类似ＳｙｓｔｅｍＶｅｒｉｌｏｇ对随机／自动化激励建模等　

为ｔｅｓｔ—ｄａｔａ—ｓＶ的ＳＶ类，ｊ｝ｌＩ　个　鄙将定ｌ＿义·个　

规则图形模型ｔｅｓｔ＿‘ｔａｔａ—ｇｅｎ、　

通过两个顶层规则文件，　人实际定义仃　

的规则段文件的公共层次结构、通过将所仃埘姚则　

高级验证功能的支持。便携式激励解决方案可提供　

这种强大功能，而且还可以保留在创建激励模型方　

面的投资，在用ＳｙｓｔｅｍＶｅｒｉｌｏｇ封装ＲＴＬ时可以在下　

游利用基于Ｃ的仿真环境，反之亦然。　

层次结构的定义都保留在公共文件中，编泽的『皋ｌ彤　

模型会有完全相同的表现。　

ｔｅｓｔ

—

ｄａｔａ

Ｃ．ｒｕｌｅｓ文件有一个额外的结构，是一　

个用于指定所生成代码的语　特定　求的　

这种情况下，它指定ｒ…生成的Ｃａ＋　定义史什涂　

常用激励模型　

正如您所预想的，基于规则的激励模型是从丰　

要顶层规则文件（通常　ｊ默认模板相差很小）以及　

一

加ｉｎｃｌｕｄｅ语／ｕｊ所需的代码　、该　．　艾仆『ｔ川ＪＪ　ｒ１定　

义生成的ＨＶＩ　义件的其他　ｆ。　，ｆｌｆ这　

图形模型没有影响　

ｔｅｓｔ

—

刈’Ｊ，ｋ－．￣ｉ［ｔ｛　

ｄａｔａ

—

ｇｅｎ．ｒｓｅｇ义件定义ｒＩ冬Ｉ彤ＩＩ『以　成的　

个或多个模块化规则段文件分层创建的。顶级规　

场景的规则，在这种情况Ｆ，就足迎过　２所　的　

ｔｅｓｔ

则文件声明主ｒｕｌｅ—ｇｒａｐｈ，为图形模型命名，并且根　

据所选代码架构，除导人用于定义待应用激励细节　

的必要规则段文件的语句之外，可能不需要包含任　

ｄａｔａ对象的随机内容循环、　

ｔｅｓＬｄａｔＬＣ镕　

ｔｅｓｔ

ｄａｔａ

ｇｅｎ　

．．．．

ｔｅｓｔ

ｄａｔａ

Ｃ：ｔｄ　

——

ｔｄ　

何其他内容．　

图１中的示例显示了四个单独的文件，其中两　

个（ｔｅｓｔ—ｄａｔａ—Ｃ．ｒｕｌｅｓ和ｔｅｓｔ—ｄａｔ．ｄ＿ｓＶ．ｒｌｌ｜ｅｓ）都定义　

了一个名为ｔｅｓｔ—ｄａｔａ＿ｇｅｎ的　形对象　这两个顶层　

规则文件对应于特定图形组件，即用于实际激励模　

型的语高‘特定封装器　、换言之，ｉｎＦａｅｔ自动牛成器将　

分别创建一个名为ｔｅｓｔ—ｄａｔａ—Ｃ的Ｃ＋＋类和一个名　

ｔｅｓｔｄａｔａｃ　

ｌ　

图２　ｔｅｓｔ—ｄａｔａ　ｇｅｎ规则图形　

５≈　

函ｔｅｓｔ＿ｄａｔａ　ＳＶ￣ｓ　

’ｔ　ｊａ　ａ　ｒ＿１＿１　ｅ’　

’　ｒ　㈦ａ　ａ　—ｉ　

注：场景规则【ＩＪ’以也　多个刈象，【！ＩＪ　

‘　

相同对象类　的实例或多个／ｆ　川　）　的　

实例．以及其他ｌ刘形拓扑　构，｛＝『Ｉ＝ｊ　将　

要介绍　

ｒ．１ｅ

ｇｒ￣ｔ　ｔ—ｄ．ｔ｜－口啊｛　

ｔ“ｔｅｓｔ

ｒｕｔｍ

ｇｒ￣ｈ　ｔｅｓｔ

ｄａｔａ￣｛　

ｍｔｔ　ｒ　

￣ｔａ　ｐ．｛　

、。ｔｅ　￣．ｃｔｕｄａ．＿‘＃１．ｃｔｕｄａｄａｔａ　ｈ、”．　

ｔ－Ｐｏ　ｔ’ｔｅｓｔ

ｄａｔａ

口ｅｎ　ｒｓｅｇ‘　

ｔＢｔ

ｎ｜－口忡＝ｔｅ　

ｄａ伯

ｇｅｎ—　ｔｅ．　

，　

Ｊ　

’　

ｉａｐ，ｏｒｔ　ｔｅｓｔｄａｔａ

一　

ｒｓｅｇ‘．　

ｔ　ｔ

ｄ－ｔ－－９酮

—

＝ｔｅｓｔ　ｄａｔａ　ｇｅ．

ｒｕ　ｒｅ；　

｝　

在ｔｕＦａｅｔ规则　。　‘『ｆ】，Ｉｔ＋ｓｔ—ｄａｔ　ｌ埘象　

璃翮　蛳　№．　一　

１‘　

●…………●………●…

ｆ　Ｐ　ｔ　

●●……

一　

…

…

●●　

∞ｔｅｓｔｄａｔａ．９∞州

‘　

≈　

ｔ　ｓｔ　ｄａｔａ　ｇｅ．ｒｓｅｇ　

本身被声日』】为一个　构，它徵定ｌ义　·个　

Ｉ　

’　Ｉｌ＿ｔ●　伸ｔ（　

ｓｔｒｕｃｔ　ｐａｃｋｅｄａｒｒａｙｅ｛　

单独的规则段文件ＩｌＩ以支持模块化ｆｌ１　

用。该结构　有额外的Ｊ　次结构，定义Ｊ　

名为ｐａｅｋｅｄＡｒｒａｙＯ　ｆ１Ｉｌ　ｔ　ｋｅｄＡ，Ｔｍ　Ｉ的ｊ　

｛　ａｅｔａ

＿

ｅｔｔｉｏａ　ｄ．ｔ＿Ｉ　ｕｎｓＡｇｎ￣ｌ　９　０Ｉｌ８　

ｒｕｔＬ．ｔｌｌｍ￣ｔ｛　

＊ｔｉ∞ｊｍｔ　ｆａｃｔ　Ｃｈｅｃｋ［ｏｒ．　

，　

）　

￣ｔｒｕｃｔ　ｃ＾ｅｄ—ｒ　ｙｊ｛　

¨ｔ｜－ｘｔ　帅血ｆ｜【ｕａｓＡｇａ￣ｄ　６　０ＩＩ　８　

）　

ｊ　

１ｌｐｏｒｔ。ｔｅｓｔ　ｄａｔａ　ｒｓｅｇ‘．　

ｉａｔｅｒｆａｃｅ　ｆｌＵｌｔｅｓｔ　ｄａｔａＩ　

ｔｅｓｔ

ｄａｔａ　ｔｄ：　

｛　

ｊ

。

￥１￣ｒｏｃｔ　ｔｅｓｔ一由ｆｊ｛　

ｐａｃｋｅｄＡｒｒａ　ａｔ＋ｄ

．　

ｓｙｍｂｏｔ　ｔｅｓｔ

ｄａｔａ

ｇ卟　ｅ．　

’ｐ￣ｃｋｅｇ４ｒｒｓｙｌ　ｃｏ．，ｒＩ　

ｔｅｓｔ＿ｄ８ｔａ一口ｅｎ一　ｔｅ　

ｆｌｔＬｌｔｄＩ　

ｊ　，４Ｃｔ　ｃ￣ｅｃｋｃｏｖ　

ｎｎ　ｒ·ｐ¨ｔ｛　

；　

１　

：　

！　

－·　｜＿＿ｔｈｍ　ｍ‘－－ｃｏｌ【ｔＩｎ‘ｉ　·ｄ　０　

ｃｏｅｓｔｔａ￣．ｔ　ｎｕ·一ｃｏｌ—ｃ　ｔ　

Ｊ　

他结构，它们对应Ｃａ＋ｆｉＪ！』ｌ试　台ｌｌｌ定义ｊｉ：　

用于ＤＵＴ激励的Ｃａ＋结构　

这是该力‘法的　·个天键　隶，【！』】规　

ｏｕｏ＿ｃｏｔ　Ｌｎ＝￣ｄａ【Ｌ　８】．　

）：　

）　

ｉ　Ｈ　

图１分层规则代码架构　

则同形引用具有相『州名称ｆ¨Ｊ　次的埘象，　

并使用可映射到相应ｃ＋＋和ＳＶ类型的数据类型。　

由于ｉｎＦａｃｔ语言允许为所有变量定义位宽，因此我　

ｃ＋＋类是通过公共规则模型自动创建的，该类具有　

对应于以规则语言定义的接口的内置方法。ｔｅｓｔ＿　

ｄａｔａ

＿

们可以定位Ｍｅｎｔｏｒ算法的位精确数据类型和Ｓｙｓ—　

ｌｅｍＣ数据类型。　

在本例中，测试数据对象的形式源自围绕ｃ模　

型的Ｃ＋＋测试平台，该模型执行可配置的向量乘积　

ｇｅｎ．ｒｓｅｇ文件声明了一个名为６ｕ的接口，可在　

任何类型为ｔｅｓｔ　ｄａｔａ的实例上运行。这会在生成的　

ＨＶＬ对象（名为ｉｆｃ』ｌｌ，只是加上前缀　一）中产生　

ｔ　ｄ　ｔ　ｉ　Ｆ　／　ａ　Ｓ　ｅ　ｅ　．　　一

一

｛ｔ　９　ｅ　ｔ　１　ｒ　ｆ　ｄ　Ｃ　Ｕ　ｒ　ｔ　ｒ　Ｓ　ｂ　Ａ　ｅ　ｐ　ｙ　】　ｅ　ｄ　ｋ　ｙ　ｅ　Ｃ　ａ　ｐ　．　｛ｆ　ｄ　ｔ　６　１　ｔ　ｌ　ｒ　Ｓ　ｂ　Ａ　Ｃ　Ｏ　Ｕ　ｒ　ｔ　ｒ　ｅ　ｐ　ｙ　ｌ　：ｋ　ｄ　ｙ　ｅ　Ｃ　ａ　ｐ　，　ｄ　ｔ　ｌ　；　ｅ　Ｓ　ａ　—　Ａ　Ａｋ　ｋ　ａ　ａ　ｒ　ｒｒ　ｒ　ｅ　ｅ　ｅ　Ｃ　Ｃ　ｔ　ａ　ａｐ　ｐ】３　．ｂ　１　：　　ｄ　Ｓ　ａ　Ｃ　ｎ　

个方法、任务或函数。　

该方法、任务或函数将采用一个参数，即对应的　

累加。因此，实现该方法的第一步是确定哪些ＤＵＴ　

输入将通过图形模型随机化，它们的位宽度是多少，　

并将其收集到测试数据结构或类中。在这种情况下，　

同名ＨＶＬ对象的句柄——之前显示的ｔｅｓｔ—ｄａｔａ类　

或结构。　

Ｓ　

Ｖ　

ｄ　

ａ　

ｄ　

ａ　

ｙ　ｙ　ｎ　

ｅ　１　

ｈ　ｔ　ａ　

【　

ｔ　ａ　

】　８　

－，　

ｄ　Ｃ　ｍ　　—

ａ　Ｏ　Ｃ　

ｐａｃｋｅｄＡｒｒａｙＯ包含１０位值的８元素固定大小数组，　

因此，集成机制只是构造一个包含便携式激励　

】　８　

．●　

ｔａ　ｅ　ａ　ｆ　

．●｝　

ｐａｃｋｅｄＡｒｒａｙｌ包含一个类似的７位值数组。与其相　

加的是一个名为ｈｕｍ＿ｃｏｌ的４位数值。用于这些结　

构的数据类型使用Ｍｅｎｔｏｒ　ＡｌｇｏｒｉｔｈｍｉｃＣ位精确数据　

类型定义，支持以任意精度进行设计建模。　

尽管这始于Ｃ＋＋测试平台，但在ＳｙｓｔｅｍＶｅｒｉｌｏｇ　

Ｓ　

模型的类的实例，然后使用带有句柄的测试平台　

ｔｅｓｔ

＿

ｄａｔａ容器调用其ｉｆｃｌ』Ｉｌ方法。图４所示为摘录　

自Ｃ＋＋测试平台的代码，其中创建了一个用于　

ｔｅｓｔ　ｄａｔａ结构的句柄（ｔｄ—ｈ），以及一个用于包含　

ｉｎＦａｃｔ模型的类的句柄（ｔｄ＿ｇｅｎ—ｈ），后者的构造函　

域中也需要一个类似的对象。该对象的ＳｙｓｔｅｍＶｅｒ—　

ｉｌｏｇ和Ｃ＋＋版本如图３所示。　

ＳｙｓｌｅｍＶｅｒｉｌｏｇ模型与ｉｎＦａｃｔ模型相似，可以包　

数调用将ｉｎＦａｃｔ的实例名称定义为内部使用。这个　

ｉｎＦａｃｔ实例名称很重要，稍后将会讨论。　

含代数约束，如果准备　

使用传统的Ｓｙｓ—　

ａ舡　

俪　邱　

”　

“　

ｔｅｍＶｅｒｉｌｏｇ　．ｒａｎｄｏｍｉｚｅ　

（）调用来随机化，则　

往往应该包含代数约　

柬。如果始终由ｉｎＦａｃｔ　

图形进行随机化，则没　

有此必要。　

ｍ呲　

吖　ｍ幡　ｍ　　

小¨兰　

订～　

｛４　

图３　ＳＶ和Ｃ＋＋的测试数据类型　

／／Ｆ０　ｒ　ｉｎ　Ｆａｃｔ：ｉｎ　ｓｔａｎｃｅ　ｏｆ　ｔｅｓｔｄａｔａ＆ｇｒａｐｈ　

—

注：这个简单示例　

中的单个约束将ｈｕｍ＿ｃｏｌ的值限制在１到８之间，　

但是ｉｎＦａｃｔ语言支持ＳｙｓｔｅｍＶｅｒｉｌｏｇ中使用的所有常　

见约束运算符，并存在部分较小的语法差异。作为　

～

ｄａｔａ　ｔｄ．ｈ：　

ｔｅｓｔ

ｄａｔａＣ＊ｔｄ

ｇｅｎ－ｈ：　

ｔｄ

ｇｅｎ－ｈ＝ｎ　ｔｅｓｔ—ｄａｔａ—Ｃ（。ｔｄ＿ｇｅｎ—ｈ。）；　

ｔｅｓｔ

＿

——

＿

—

项优势，熟悉ＳｙｓｔｅｍＶｅｒｉｌｏｇ的用户可以采用提供　

Ｐｒｉｎｔｆ（。ＳＴＡＲＴ＼ｎ。ｌ：　

ｆｏｒ（ｉｎｔ　ｔ　：ｔ＜ＳＯＢ；ｔ＋＋）ｔ　

／／Ｃａ　Ｌ　Ｌ　ｔｈｅ　ｉｎＦａｃｔ　ｆｉｌＬ　ｉｎｔｅ　ｒｆａｃｅ　

ｔｄ

ｇｅｎ—ｈ。＞ｉｆｃ

ｆｉｌｌ（＆ｔｄ

ｈ）；　

＿

的小工具来产生或者更新ｉｎＦａｃｔ图形模型。　

—＿

ｎｕｍ

＿

ｃｏｌ＝ｔｄ　ｈ　ｈＵｍ

ＣＯｌ；　

＿

在０测试平台中运行　

定义测试数据对象之后，将便携式激励模型集　

成到ｃ测试平台的工作就相当简单了。如前所述，　

ｆｏｒ（ｉｎｔ　ｊ卸；ｊ￣ｎｕｍｃｏｌ；ｊ＋＋ｌ‘　

｛Ｉ　Ａｓ　ｓｉｇｎ　ｔｅｓｔｄａｔａ　ｃｏｎｔｅｎｔｓ　ｔｏ　ＤＵＴ　ｉｎｐｕｔ　ｖａ　ｒｓ　

ｄａｔａ

ｉｎ．ｄａｔａ【ｊ】＝ｔｄ—ｈ．ｄａｔａ．ｄａｔａ【ｊ】：　

ｃｏｅｆｆｓ

ｉｎ．ｄａｔａ【ｊ】＝ｔｄ＿ｈ．ｃｏｅｆｆｓ．ｄａｔａ［ｊ】；　

—

—

—

Ｐｒｉｎｔｆ（。Ｄａｔａ＝韧．ｃｏｅｆｆｓ＝　＼ｎ。．（￣ｎｔ　Ｊｄａｔａ

ｉｎ．ｄａｔａ【ｊ】　

—

图４　ｃ＋＋测试平台的代码片段　

在（：＋＋测试中的ｆｆ１ｒ循环内部，可以看到对　

数组中每组７位元素的所有　ｔ＞ｅｆｔ值都将被覆盖．　如　

果需要，可以添加不同的边缘容器（位于范　顶部　

ｉｆ（：』】ｌ疗法的调用，而后ｔｄ—ｈ结构实例的内容被分　

配给将应用于作为此Ｔ作平台中ＤＵＴ的Ｃ函数的　

局部变量　．　

此架构与使用ＳｙｓｌｅｍＶｅｒｉｌｏｇ随机类或序列项　

和底部的各个值），在这种情７兄下，较大的数挝（１０　

位数据值）会在两个极端各创建两个单值容器　、　

正如所希望的，完成自动化策略之后，代码覆盖　

率非常好（参见图５），达到１００％（初始纯随机测　

试方法的结果低２０％）。　

：　

以及．ｒａｎｄｏｍｉｚｅ（）或者ＳｙｓｔｅｍＣ／ＳＣＶ类及其“ｎｅｘｔ”　

力‘法没有任何区别．．唯一的区别是进行随机化的模　

是ｉｎＦａｃｔ图形模型。　

Ｃｏｖｅｒａｇｅ　Ｓｕｍｍａｒｙ　ｂｙ　ＳｔｒｅｃｔｕＦｅ：Ｃｏｖｅｒａｇｅ　Ｓｕｍｍａｒｙ　ｂｙ　１　

在此阶段，ｉｎＦａｅｔ便携式激励模　所带来的价　

簟圈瞄曩誓蠢薯　簟鞠Ｔｏｔａｌ。口帅ｇ曹＝（Ｆｄ￣ｎｎｇ　ｗｅｌ　

Ｓ　ｔｏｍｅ￣　

Ｂｒａｏｃｈｅｓ　

１００　００％　

０　

０　

６　

６　

６　

６　

ｌ　１Ｏ０　００％　

ｌ　１００　００％　

值是随机化多个数值的能力，同时符合所有口丁能针　

对这些值或其关系定义的代数约束　

图５代码覆盖率结果　

往：能够在ｃ＋＋源卜实现ｌ００％的代码缀盖牢　

考虑覆盖　

ｉｎＦａ＜·ｔ模型的额外价值在于可以在激励模型上　

覆盖另一种类型的输入，这被称为覆盖策略。在某　

种程度卜，町以认为该策略类似于ＳｙｓｔｅｍＶｅｒｉｌｏｇ覆　

对于使用相同的激励在来自ＨＩ　Ｓ的综合ＲｒｒＩＪｆ　轻　

松实现覆盖率至关重要　这是凶为调试ｃ＋＋槌盖Ｍ　

题远比调试ＨＬＳ的ＲＴＩ　输Ｉｔ｛　容易、、　

具有随机稳定性的便携式激励　

虽然获得高代码覆盖率魁好的，但本文的晕点　

是介绍如何为一个域开发激励模　以及一个或多　

个相关的覆盖策略，然后在另一个域中再次运ｉ　、　

ｉｎＦａｅｔ激励模型的种子　以Ｉｆ１　Ｊ１＿】户定义，或者直接　

通过原始运行输出到文件　

该模型的ＳｙｓｔｅｍＶｍ，ｉｌｏｇ封装版本町以放入ｓＶ　

盖组，因为它定义了相关的变量、这些值的所需容器　

以及这　变量的交叉点。不同之处在于这是随机化　

过程的输入，町改变随机分布以有效地覆盖策略中　

的目标　

在这种情况下，所测量的覆盖率指标不是功能　

覆盖率覆盖点／交义点，而是代码覆盖率．后者在　

Ｃ／Ｃ＋＋环境中更常见（尽管也可以实现功能覆盖　

率）。闪此顾名思义，在覆盖策略中定义的日标应该　

测试平台中，以与Ｃ版水相同的方式驱动｝汀Ｉ　

ＤＵＴ，即简单地实例调用包　它的ＳＶ类对象，然　

是编码的一项或多项策略能够实现高代码覆盖率，　

或者钊对其他策略未包括的特定领域。　

为本示例中的ＤＩＩＴ（乘数）非常简单，所以　

一

使用其内置任务ｉ　—ｒｉＩｌ来随机化ＳｙｓｔｅｍＶｍ．ｉ１　，ｇ　

ｔｅｓｔ

—

ｄａｔａ类的内容．如图６所示　

个很简单的策略就足够ｒ。ｉｎＦａｅｔ工具集包含可　

在这种情况下，需要重新格式化ｔｅｓｔ—ｄａｔａ类中　

使用的封装数组，以适应ｌ奉例叶Ｊ作为ＤＵＴ输入的宽　

ａｌｗａｙｓ曩《ｐＯｓｅｄｇｅ　ｃ　ｋ　Ｊ　

ｂｅｇｚｎ　

ｉｆ（ｒｓｔ＝＝ｌ’ｂ６ｌｌ　

ｂｅｇｉｎ　

ｓｔａｔｉｃ　ｔｅｓｔ

通过各种输入创建覆盖策略的实用程序，其中包括　

预定义类　的自动化策略，使用ＣＳＶ文件或电子表　

格定义的自定义策略，以及图形编辑器。在该示例　

中，可以使用自动化策略来分别针对每个激励变量，　

即兀交义。刈‘于ｔｅｓｔ—ｄａｔａ层次结构中的每个变量　

ｄａｔａ　ｔｄ』＝ｎｅⅥ　

ｓｔａｒ１ｃ　ｔｅｓｔ

ｄａｔａ

ＳＶ　ｔｄ

ｇｅｎ—ｈ＝ｎｅｗ（’ｔｄ

ｇｅｎ　ｈ’】　

—

】ｆ（１ｔｄ

ｇｅｎ—ｈ　ｍ　ｆｉｅｔｄｓ

ｃｏｖ　ａＩ１．ＣｏｖｅｒａｇｅＧｏａｌｓＨａｖｅＢｅｅｎＭｅｔｆ））　

—

ｂｅｇＩｎ　

ｔｄ

—

ｇｅｎ．ｈ　１ｆ￣一ｆｉｌ．１ｌｔｄ』）：　

ｄａｔａ

ｄａｔａ

（包括每个数组元素），实用程序将采用约束分析确　

定所有合法值，并将它们划分为一定数量的容器。　

对于ｌ奉　例，共指定了１２８个容器，因为这意味着该　

ｒｓｃ

ｚ＝｛ｔｄ—ｈ　ｄａｔａ　ｄａｔａ【７１．ｔｄ

ｈ　ｄａｔａ　ｄａｔａ【６１．ｔｄ—ｈ　ｄａｔａ　ｃ　

ｔｄＪ　ｄａｔａ　ｄａｔａ【３１．ｔｄ　ｄａｔａ　ｄａｔａｆ２１　ｔｄ　ｈ　ｄａｔａ　ｄａｔａ【ｌ　Ｊ．ｔｄ—ｈ　ｄａｔａ　

ｃｏｅｆｆｓｄａｔａ

ｒｓｃ

ｚ＝｛ｔｄ—ｈ　ｃｏｅｆｆ　ｓ　ｄａｔａ（７】，ｔｄ—ｈ　ｃｏｅｆｆｓ　ｄａｔａ【６】．ｔｄ—ｈ　

ｔｄ＿ｈ　ｃｏｅｆｆｓ　ｄａｔａ【３】ｌｔｄ—ｈ　ｃｏｅｆｆｓ　ｄａｔａ【２Ｉ．ｔｄ—ｈ　

—

——

ａｕｒａ

ｃｏｔ

ｒＳＣ

—

ｚ　ｔｄｈ　ｆｌＵｍ　ＣＯ１．：　

—

ｅｎｄ　

图６　ＳｙｓｔｅｍＶｅｒ　ｉ　Ｉ　ｏｇ测试平台代码摘录　

…ｌ　Ｈ【ｌ】国集成电路　

Ｃｈｉｎａ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ　

■—■　一　

ｍ　

ｌ　

【　

’　

ｒｅｇ对象，但是使用级联运算符｛ａｒｒＥｌ［Ｏ］…．，ａｒｒＥｌ［Ｎ］ｌ　

来实现这一点则非常简单。　

在这个示例中，覆盖策略的状态可通过策略的　

另一个内置函数ａｌｌＣｏｖｅｒａｇｅＧｏａｌｓＨａｖｅＢｅｅｎＭｅｔ（）　

进行查询，并可用作生成新输入的限定条件，或者为　

测试定义循环退出条件。　

该方法的另一个优点是不需要改变Ｃ和Ｓｙｓ—