大型分布式服务系统如何进行精准测试？保证测试质量的前提下，最大化减少测试无效工作

背景：
目前分布式服务系统比较多，比如一个柜面、网银渠道系统，涉及几十个乃至上百个下游系统，每次增量版本提测后，开发往往会说，影响范围比较大，做个主链路或者全量回归吧，可是由于每次版本时间测试时间都很紧张，工作量大，如果只改了几行代码，还要要回归这么长时间？对于测试人员来说说，要保证测试用例全部执行到位，很难做到。
因此代码改动后的 影响范围评估，以及测试完成后的 覆盖面评估 是个难题，目前大部分是依靠个人经验和业务熟悉度判断大概的范围。这种评估方式以主观判断为主，缺乏数据支撑，目前是想在我们测试管理系统有系统工具提供客观数据，基于数据进行量化评估。支持精准测试，在迭代版本的测试中最小化测试化最大化保证质量，只覆盖修改的内容，用有限的操作发现全部的问题。
难点所在
如果要实现精准测试，就需要建立代码与用例的映射关系， 当代码发生改动时推荐出关联的用例，能让测试精准地回归，降低成本，提高效率。大家在以往的实践过程有没有好的总结；可以拿出来分享的？目前这块我们正在逐步展开。