Ανάλυση οριακής τιμής και κατανομή ισοδυναμίας

⚡ Έξυπνη Σύνοψη

Η Διαμέριση Ισοδυναμίας και η Ανάλυση Οριακών Τιμών είναι τεχνικές δοκιμών μαύρου κουτιού που συμπιέζουν μεγάλα εύρη εισόδου σε κλάσεις ισοδυναμίας και ελέγχουν τις άκρες διαμέρισης, παρέχοντας ισχυρή ανίχνευση ελαττωμάτων με αποτελεσματική κάλυψη σε έγκυρες και μη έγκυρες εισόδους.

  • Είσοδοι διαμερισμάτων: Ομαδοποιήστε τις τιμές σε έγκυρες και μη έγκυρες κλάσεις για να αφαιρέσετε τον πλεονασμό.
  • Target Όρια: Δοκιμάστε ελάχιστες, σχεδόν ελάχιστες, ονομαστικές, σχεδόν μέγιστες και μέγιστες τιμές.
  • Συνδυάστε και τα δύο: Χρησιμοποιήστε πρώτα την Διαμέριση Ισοδυναμίας και, στη συνέχεια, την Ανάλυση Οριακών Τιμών για ελαττώματα ακμών.
  • Μεγιστοποίηση Κάλυψης: Μία τιμή ανά κλάση επικυρώνει τη συμπεριφορά για όλες τις ισοδύναμες εισόδους.
  • Χρησιμοποιήστε AI Generators: Τα εργαλεία τεχνητής νοημοσύνης αυτοματοποιούν την ανακάλυψη διαμερισμάτων και τη δημιουργία περιπτώσεων ορίων.

Ανάλυση Οριακών Τιμών - μοντέλο πέντε σημείων

Ο εξαντλητικός έλεγχος σπάνια είναι εφικτός λόγω χρονικών και συνδυαστικών περιορισμών. Η Διαμέριση Ισοδυναμίας και η Ανάλυση Οριακών Τιμών το λύνουν αυτό με βάση την ομάδα.ping παρόμοιες εισόδους και στοχεύοντας τα άκρα τους για ισχυρότερη κάλυψη με λιγότερες περιπτώσεις.

Τι είναι η Διαμέριση Ισοδυναμίας;

Διαμερισμός ισοδυναμίας (ονομάζεται επίσης Διαμέριση Κλάσης Ισοδυναμίας ή ECP) ​​είναι μια τεχνική μαύρου κουτιού που διαιρεί τα δεδομένα εισόδου σε ομάδες ισοδύναμων τιμών. Ο δοκιμαστής επιλέγει έναν εκπρόσωπο ανά κλάση, υποθέτοντας ότι το λογισμικό συμπεριφέρεται το ίδιο για κάθε μέλος.

  • Διαχωρίζει τον τομέα εισόδου σε έγκυρες και μη έγκυρες κλάσεις ισοδυναμίας.
  • Ισχύει καθόλου επίπεδα δοκιμών—μονάδα, ολοκλήρωση, σύστημα και αποδοχή.

Τι είναι η Ανάλυση Οριακών Τιμών;

Ανάλυση οριακής τιμής (BVA), που ονομάζεται επίσης έλεγχος εύρους, επικυρώνει τα ακραία άκρα κάθε κλάσης ισοδυναμίας. Επειδή τα ελαττώματα ομαδοποιούνται στα όρια εύρους, η BVA στοχεύει σε πέντε βασικά σημεία:

  1. Ελάχιστο
  2. Ακριβώς πάνω από το ελάχιστο
  3. Ονομαστική αξία
  4. Ακριβώς κάτω από το μέγιστο
  5. Ανώτατο όριο

Ανάλυση Οριακών Τιμών - μοντέλο πέντε σημείων

Το BVA συμπληρώνει την Διαμέριση Ισοδυναμίας: μόλις οριστούν οι κλάσεις, οι οριακές τους τιμές εμφανίζονται εκτός ορίων και σφάλματα ακμής.

Γιατί να χρησιμοποιήσουμε την Διαμέριση Ισοδυναμίας και την Ανάλυση Οριακών Τιμών;

Η έξυπνη επιλογή δοκιμών είναι απαραίτητη όταν οι συνδυασμοί είναι πολύ μεγάλοι για να δοκιμαστούν εξαντλητικά. Αυτές οι τεχνικές προσφέρουν τρία οφέλη:

  1. Συμπιέστε μεγάλους όγκους δοκιμαστικών περιπτώσεων σε διαχειρίσιμα κομμάτια.
  2. Παρέχετε σαφείς κανόνες για την επιλογή δεδομένων δοκιμών χωρίς να θυσιάζεται η αποτελεσματικότητα.
  3. Κατάλληλο για εφαρμογές που απαιτούν πολλούς υπολογισμούς και έχουν πολλές αριθμητικές μεταβλητές.

Πώς να εκτελέσετε διαμέριση ισοδυναμίας (Παράδειγμα)

  • Σκεφτείτε το πλαίσιο κειμένου Παραγγελία πίτσας παρακάτω.
  • Οι ποσότητες 1–10 είναι έγκυρες. Εμφανίζεται ένα μήνυμα επιτυχίας.
  • Οι ποσότητες 11–99 δεν είναι έγκυρες, ενεργοποιώντας “Μόνο 10 πίτσα μπορούν να παραγγελθούν”.
Παραγγείλετε πίτσα:

Συνθήκες δοκιμής:

  1. Οποιοσδήποτε αριθμός πάνω από το 10 είναι άκυρος.
  2. Οποιοσδήποτε αριθμός κάτω από το 1 είναι άκυρος.
  3. Numbers Τα 1–10 είναι έγκυρα.
  4. Οποιοσδήποτε τριψήφιος αριθμός όπως το -100 δεν είναι έγκυρος.

Ο έλεγχος κάθε τιμής παράγει 100+ περιπτώσεις. Η διαμέριση ισοδυναμίας ομαδοποιεί τον τομέα σε κλάσεις με πανομοιότυπη συμπεριφορά.

Ομάδες διαμέρισης ισοδυναμίας για είσοδο πίτσας

Αυτές οι ομάδες ονομάζονται Τάξεις ισοδυναμίαςΕπιλέξτε μία τιμή ανά κλάση—αν περάσει, όλες οι άλλες περνούν. αν αποτύχει, αποτυγχάνει ολόκληρη η κλάση.

Αντιπροσωπευτικές τιμές κλάσης ισοδυναμίας

Πώς να εκτελέσετε ανάλυση οριακών τιμών (Παράδειγμα)

Χρησιμοποιώντας το ίδιο πεδίο Pizza, το BVA ελέγχει τις άκρες των διαμερισμάτων αντί για τις ονομαστικές τιμές. Οι δοκιμαστές αξιολογούν τις τιμές 0, 1, 10 και 11—καλύπτοντας έγκυρα και μη έγκυρα όρια.

Ανάλυση Οριακών Τιμών σε Εισροές Πίτσας

Για μια είσοδο που δέχεται τιμές από 1 έως 10, οι περιπτώσεις οριακών δοκιμών είναι:

Σενάριο δοκιμής Descriptιόν Αναμενόμενο αποτέλεσμα
Οριακή τιμή = 0 Το σύστημα ΔΕΝ πρέπει να δέχεται
Οριακή τιμή = 1 Το σύστημα πρέπει να δέχεται
Οριακή τιμή = 2 Το σύστημα πρέπει να δέχεται
Οριακή τιμή = 9 Το σύστημα πρέπει να δέχεται
Οριακή τιμή = 10 Το σύστημα πρέπει να δέχεται
Οριακή τιμή = 11 Το σύστημα ΔΕΝ πρέπει να δέχεται

Διαμερισμός Ισοδυναμίας έναντι Ανάλυσης Οριακών Τιμών

Και τα δύο μειώνουν τον όγκο της εξέτασης, αλλά διαφέρουν ως προς την εστίαση και τον χρονισμό.

Άποψη Διαμερισμός ισοδυναμίας Ανάλυση οριακής τιμής
Συγκέντρωση Ομάδες ισοδύναμων εισροών Άκρες κάθε ομάδας
Επιλογή δεδομένων Μία τιμή ανά κλάση Ελάχιστο, σχεδόν ελάχιστο, ονομαστικό, σχεδόν μέγιστο, μέγιστο
καλυτερα for Μείωση περιττών υποθέσεων Εντοπίζοντας τα ελαττώματα ένα προς ένα
Order Εφαρμόστηκε πρώτα Εφαρμόστηκε στη συνέχεια

Παράδειγμα: Επικύρωση πεδίου κωδικού πρόσβασης

Ένα πεδίο κωδικού πρόσβασης που δέχεται 6 έως 10 χαρακτήρες σχηματίζει τρία διαμερίσματα—0-5, 6-10 και 11-14—με ισοδύναμα αποτελέσματα σε κάθε ένα.

Εισάγετε τον κωδικό πρόσβασης:
# Σενάριο δοκιμής Αναμενόμενο αποτέλεσμα
1 Εισαγάγετε 0 έως 5 χαρακτήρες Το σύστημα δεν πρέπει να δέχεται
2 Εισαγάγετε 6 έως 10 χαρακτήρες Το σύστημα πρέπει να δέχεται
3 Εισαγάγετε 11 έως 14 χαρακτήρες Το σύστημα δεν πρέπει να δέχεται

καλυτερα Practices for Equivalence Partitioning and BVA

Ακολουθήστε αυτές τις πρακτικές για να διατηρήσετε ισχυρή την κάλυψη, ελέγχοντας παράλληλα τον αριθμό των τεστ:

  • Αντιστοίχιση κάθε τομέα: Παραθέστε πρώτα τις έγκυρες, τις μη έγκυρες και τις ειδικές κατατμήσεις.
  • Ελέγξτε και τις δύο πλευρές κάθε ορίου: Συμπεριλάβετε τιμές μόνο εντός και εκτός για να εντοπίσετε σφάλματα που διαφέρουν μεταξύ τους.
  • Συνδυασμός τεχνικών: Συνδυασμός με πίνακες αποφάσεων ή δοκιμές μετάβασης κατάστασης για σύνθετη λογική.
  • Αυτοματοποιήστε τις θήκες ακμής: Παραμετροποιήστε τις οριακές τιμές έτσι ώστε οι σουίτες παλινδρόμησης να εκτελούνται με συνέπεια.

Βασικά Συμπεράσματα

  • Η διαμέριση ισοδυναμίας ομαδοποιεί παρόμοιες εισόδους· μία τιμή ανά κλάση είναι αρκετή.
  • Η Ανάλυση Οριακών Τιμών επικυρώνει τα όρια διαμέρισης και τις έγκυρες/μη έγκυρες ακμές.
  • Και οι δύο είναι τεχνικές μαύρου κουτιού για αριθμητικά πεδία ή πεδία που βασίζονται σε εύρος.
  • Ο συνδυασμός τους μειώνει τον όγκο των δοκιμών χωρίς να χάνεται η ποιότητα ανίχνευσης ελαττωμάτων.

Βίντεο δοκιμής ανάλυσης οριακής τιμής και κατανομής ισοδυναμίας

Πατήστε εδώ εάν το βίντεο δεν είναι προσβάσιμο

Συχνές Ερωτήσεις

Η Διαμέριση Ισοδυναμίας επιλέγει έναν εκπρόσωπο ανά κλάση. Η Ανάλυση Οριακών Τιμών στοχεύει σε ακραίες τιμές σε κάθε ακμή. Η Διαμέριση μειώνει τον όγκο και η ανάλυση ορίων εντοπίζει τα όρια ελαττωμάτων.

Η διαμέριση ισοδυναμίας είναι μια τεχνική μαύρου κουτιού επειδή εστιάζει στη συμπεριφορά εισόδου-εξόδου χωρίς πρόσβαση στον πηγαίο κώδικα. Οι δοκιμαστές αντλούν διαμερίσεις από τις προδιαγραφές, επομένως εφαρμόζεται σε επίπεδα μονάδας, ολοκλήρωσης, συστήματος και αποδοχής.

Ναι. Ισχύουν και τα δύο Δοκιμή API, όπου οι παράμετροι και τα πεδία ωφέλιμου φορτίου συχνά έχουν αριθμητικά εύρη ή όρια μήκους. Οι δοκιμαστές ορίζουν κατατμήσεις για έγκυρες, μη έγκυρες και ακραίες εισόδους.

Αποφύγετε την BVA όταν οι είσοδοι δεν είναι αριθμητικά εύρη—όπως μη διατεταγμένα σύνολα, λογικές σημαίες ή κατηγορικές τιμές. Οι πίνακες αποφάσεων ή οι δοκιμές μετάβασης κατάστασης λειτουργούν καλύτερα επειδή τα όρια δεν έχουν νόημα εκεί.

Το Robust BVA επεκτείνει την τυπική προσέγγιση προσθέτοντας τιμές ακριβώς εκτός του έγκυρου εύρους—μία κάτω από το ελάχιστο και μία πάνω από το μέγιστο—για να επαληθεύσει πώς το σύστημα απορρίπτει σαφώς μη έγκυρες εισόδους.

Ναι. Οι γεννήτριες τεχνητής νοημοσύνης αναλύουν απαιτήσεις και σχήματα για να προτείνουν κλάσεις ισοδυναμίας και οριακές τιμές. Εργαλεία όπως Testim Mabl μάθετε γρήγορα από το ιστορικό ελαττωμάτων και τις περιπτώσεις ακμών επιφάνειας.

Η τεχνητή νοημοσύνη ανιχνεύει επικαλύψειςping Οι δοκιμαστές παραβλέπουν τα partitions, τις περιττές περιπτώσεις και τις χαμένες άκρες. Η μηχανική μάθηση κατατάσσει τα όρια υψηλού κινδύνου από το ιστορικό ελαττωμάτων, επιτρέποντας την πιο έξυπνη επιλογή δοκιμών και την ταχύτερη ανίχνευση ανεπαίσθητων προβλημάτων.

Ναί. JUnit, TestNGκαι το pytest υποστηρίζουν παραμετροποιημένες δοκιμές, επιτρέποντας στους δοκιμαστές να ορίζουν κατατμήσεις και οριακές τιμές ως σύνολα δεδομένων εισόδου. Αυτό επιτρέπει τη συστηματική εκτέλεση περιπτώσεων ισοδυναμίας και ορίων σε αγωγούς CI.

Συνοψίστε αυτήν την ανάρτηση με: