Цель работы – разработка инструмента для проведения тестирования ios приложений на основе снимков. Внедрение нового подхода на основе кластерного анализа с реализацией на вычислительных шейдерах. Это даст разработчикам новый более производительный инструмент с гибкими настройками и новыми стратегиями в борьбе с выбросами. Задачи, которые решались в ходе работы: 1. Анализ существующих решений. 2. Проектирование архитектуры. 3. Разработка алгоритма кластерного анализа. 4. Создание тестов. 5. Оценка производительности созданного решения. Проведен анализ существующих решений для snapshot тестирования в индустрии iOS-разработки. Основной упор был сделан на особенности работы алгоритмов обработки выбросов и оценка их эффективности. Были выявлены недостатки имеющихся решений, такие как однотипность подходов, недостаток данных на выходе и ограниченные возможности параметризации тестирования. Разработанное решение предлагает новый способ борьбы с выбросами, а его реализация в виде параллельного алгоритма с использованием GPU Apple Metal превосходит по скорости существующее актуальное решение. Использование Metal при реализации алгоритма позволил без потери производительности повысить гибкость настраиваемых параметров теста.

The aim of the work is to develop a tool for testing iOS applications based on snapshots. Implementation of a new approach based on cluster analysis with implementation on computed shaders. This will provide developers with a new, more efficient tool with flexible settings and new strategies to deal with outliers. Tasks addressed during the work: 1. Analysis of existing solutions. 2. Architecture design. 3. Development of cluster analysis algorithm. 4. Test creation. 5. Performance evaluation of the developed solution. An analysis of existing solutions for snapshot testing in the iOS development industry was conducted. The main emphasis was placed on the features of outlier processing algorithms and the evaluation of their effectiveness. The drawbacks of existing solutions were identified, such as uniformity of approaches, lack of output data, and limited testing parameterization capabilities. The developed solution offers a new way to handle outliers, and its implementation as a parallel algorithm using Apple Metal GPU surpasses the speed of existing relevant solutions. Using Metal in the algorithm implementation allowed for increased flexibility of test parameters without sacrificing performance.