Δοκιμή ορθογωνικών συστοιχιών
Το Orthogonal Array Testing (OAT) είναι μια τεχνική δοκιμών λογισμικού που χρησιμοποιεί ορθογώνιες συστοιχίες για τη δημιουργία δοκιμαστικών περιπτώσεων. Είναι μια προσέγγιση στατιστικών δοκιμών ιδιαίτερα χρήσιμη όταν το προς δοκιμή σύστημα έχει τεράστιες εισόδους δεδομένων. Ο έλεγχος ορθογωνικής συστοιχίας συμβάλλει στη μεγιστοποίηση της κάλυψης των δοκιμών με σύζευξη και συνδυασμό των εισόδων και δοκιμή του συστήματος με συγκριτικά μικρότερο αριθμό δοκιμαστικών περιπτώσεων για εξοικονόμηση χρόνου.
Για παράδειγμα, όταν ένα εισιτήριο τρένου πρέπει να επαληθευτεί, παράγοντες όπως - ο αριθμός επιβατών, ο αριθμός εισιτηρίου, οι αριθμοί θέσεων και οι αριθμοί τρένων πρέπει να δοκιμαστούν. Ένας προς ένας έλεγχος για κάθε παράγοντα / είσοδο είναι δυσκίνητος. Είναι πιο αποτελεσματικό όταν ο μηχανικός QA συνδυάζει περισσότερες εισόδους μαζί και κάνει δοκιμές. Σε τέτοιες περιπτώσεις, μπορούμε να χρησιμοποιήσουμε τη μέθοδο δοκιμής Orthogonal Array.
Αυτός ο τύπος ζεύξης ή συνδυασμού εισόδων και δοκιμής του συστήματος για εξοικονόμηση χρόνου ονομάζεται Pairwise testing. Η τεχνική OATS χρησιμοποιείται για δοκιμή κατά ζεύγη.
Σε αυτό το σεμινάριο, θα μάθετε-
- Τι είναι το OAT (Orthogonal Array Testing);
- Γιατί το OAT (Orthogonal Array Testing);
- Πώς αντιπροσωπεύεται το OAT
- Τρόπος διεξαγωγής δοκιμών ορθογωνικής σειράς: Παραδείγματα
- Τα πλεονεκτήματα του OAT
- Μειονεκτήματα OAT
- Λάθη ή σφάλματα κατά την εκτέλεση του OAT
Γιατί το OAT (Orthogonal Array Testing);
Στο παρόν σενάριο, η παράδοση ενός ποιοτικού προϊόντος λογισμικού στον πελάτη έχει γίνει δύσκολη λόγω της πολυπλοκότητας του κώδικα.
Στη συμβατική μέθοδο, οι δοκιμαστικές σουίτες περιλαμβάνουν δοκιμαστικές περιπτώσεις που προέρχονται από όλους τους συνδυασμούς τιμών εισαγωγής και προϋποθέσεων. Ως αποτέλεσμα, πρέπει να καλυφθεί ο αριθμός δοκιμαστικών περιπτώσεων.
Αλλά σε ένα πραγματικό σενάριο, οι υπεύθυνοι δοκιμών δεν θα έχουν τον ελεύθερο χρόνο να εκτελέσουν όλες τις δοκιμαστικές περιπτώσεις για να αποκαλύψουν τα ελαττώματα, καθώς υπάρχουν άλλες διαδικασίες όπως τεκμηρίωση, προτάσεις και σχόλια από τον πελάτη που πρέπει να ληφθούν υπόψη κατά τη διάρκεια της φάση δοκιμής.
Ως εκ τούτου, οι διαχειριστές δοκιμών ήθελαν να βελτιστοποιήσουν τον αριθμό και την ποιότητα των περιπτώσεων δοκιμής για να διασφαλίσουν τη μέγιστη κάλυψη δοκιμών με ελάχιστη προσπάθεια. Αυτή η προσπάθεια ονομάζεται Test Case Optimization.
- Συστηματικός και Στατιστικός τρόπος δοκιμής αλληλεπιδράσεων κατά ζεύγη
- Τα σημεία αλληλεπίδρασης και ολοκλήρωσης αποτελούν σημαντική πηγή ελαττωμάτων.
- Εκτελέστε μια σαφώς καθορισμένη, συνοπτική δοκιμαστική περίπτωση που είναι πιθανό να αποκαλύψει τα περισσότερα (όχι όλα) σφάλματα.
- Η ορθογώνια προσέγγιση εγγυάται τη ζεύγη κάλυψη όλων των μεταβλητών.
Πώς αντιπροσωπεύεται το OAT
Ο τύπος για τον υπολογισμό του OAT
- Runs (N) - Αριθμός σειρών στον πίνακα, ο οποίος μεταφράζεται σε έναν αριθμό δοκιμαστικών περιπτώσεων που θα δημιουργηθούν.
- Παράγοντες (K) - Αριθμός στηλών στον πίνακα, ο οποίος μεταφράζεται σε μέγιστο αριθμό μεταβλητών που μπορούν να αντιμετωπιστούν.
- Επίπεδα (V) - Μέγιστος αριθμός τιμών που μπορούν να ληφθούν σε οποιονδήποτε παράγοντα.
Ένας μεμονωμένος παράγοντας έχει 2 έως 3 εισόδους για δοκιμή. Αυτός ο μέγιστος αριθμός εισόδων αποφασίζει τα επίπεδα.
Τρόπος διεξαγωγής δοκιμών ορθογωνικής σειράς: Παραδείγματα
- Προσδιορίστε την ανεξάρτητη μεταβλητή για το σενάριο.
- Βρείτε τον μικρότερο πίνακα με τον αριθμό των διαδρομών.
- Αντιστοιχίστε τους παράγοντες στον πίνακα.
- Επιλέξτε τις τιμές για τυχόν επίπεδα "υπολειμμάτων"
- Μεταγράψτε τα Runs σε δοκιμαστικές περιπτώσεις, προσθέτοντας τυχόν ύποπτους συνδυασμούς που δεν δημιουργούνται.
Παράδειγμα 1
Μια ιστοσελίδα έχει τρεις ξεχωριστές ενότητες (Κορυφή, Μέση, Κάτω) που μπορούν να εμφανίζονται μεμονωμένα ή να αποκρύπτονται από έναν χρήστη
- Αριθμός παραγόντων = 3 (Κορυφή, Μέση, Κάτω)
- Αριθμός επιπέδων (Ορατότητα) = 2 (Κρυφό ή εμφανιζόμενο)
- Τύπος συστοιχίας = L4 (23)
(4 είναι ο αριθμός των διαδρομών που έφτασαν μετά τη δημιουργία του πίνακα OAT)
Αν ακολουθήσουμε συμβατική τεχνική δοκιμών, χρειαζόμαστε δοκιμαστικές περιπτώσεις όπως 2 X 3 = 6 Test Case
| Θήκες δοκιμής | Σενάρια | Τιμές προς δοκιμή |
|---|---|---|
| Δοκιμή # 1 | ΚΡΥΜΜΕΝΟΣ | Μπλουζα |
| Δοκιμή # 2 | ΑΠΕΙΚΟΝΙΖΕΤΑΙ | Μπλουζα |
| Δοκιμή # 3 | ΚΡΥΜΜΕΝΟΣ | Κάτω μέρος |
| Δοκιμή # 4 | ΑΠΕΙΚΟΝΙΖΕΤΑΙ | Κάτω μέρος |
| Δοκιμή # 5 | ΚΡΥΜΜΕΝΟΣ | Μέσης |
| Δοκιμή # 6 | ΑΠΕΙΚΟΝΙΖΕΤΑΙ | Μέσης |
Αν πάμε για OAT Testing χρειαζόμαστε 4 δοκιμές όπως φαίνεται παρακάτω:
| Θήκες δοκιμής | ΜΠΛΟΥΖΑ | Μέσης | Κάτω μέρος |
|---|---|---|---|
| Δοκιμή # 1 | Κρυμμένος | Κρυμμένος | Κρυμμένος |
| Δοκιμή # 2 | Κρυμμένος | Ορατός | Ορατός |
| Δοκιμή # 3 | Ορατός | Κρυμμένος | Ορατός |
| Δοκιμή # 4 | Ορατός | Ορατός | Κρυμμένος |
Παράδειγμα 2:
Πρέπει να δοκιμαστεί η λειτουργικότητα ενός μικροεπεξεργαστή:
- Θερμοκρασία: 100C, 150C και 200C.
- Πίεση: 2 psi, 5psi και 8psi
- Ποσό ντόπινγκ: 4%, 6% και 8%
- Ρυθμός απόθεσης: 0,1 mg / s, 0,2 mg / s και 0,3 mg / s
Χρησιμοποιώντας τη συμβατική μέθοδο χρειαζόμαστε = 81 δοκιμαστικές περιπτώσεις για να καλύψουμε όλες τις εισόδους. Ας εργαστούμε με τη μέθοδο OATS:
Αριθμός παραγόντων = 4 (θερμοκρασία, πίεση, ποσότητα ντόπινγκ και ρυθμός απόθεσης)
Επίπεδα = 3 επίπεδα ανά παράγοντα (η θερμοκρασία έχει 3 επίπεδα-100C, 150C και 200C και, επίσης, και άλλοι παράγοντες έχουν επίπεδα)
Δημιουργήστε έναν πίνακα όπως παρακάτω:
1. Στήλες με τον αριθμό παραγόντων
| Θήκη # | Θερμοκρασία | Πίεση | Ποσό ντόπινγκ | Ποσοστό απόθεσης |
|---|---|---|---|---|
2. Εισαγάγετε τον αριθμό των σειρών είναι ίσος με τα επίπεδα ανά παράγοντα. δηλαδή η θερμοκρασία έχει 3 επίπεδα. Ως εκ τούτου, εισάγετε 3 σειρές για κάθε επίπεδο για θερμοκρασία,
| Θήκη # | Θερμοκρασία | Πίεση | Ποσό ντόπινγκ | Ποσοστό απόθεσης |
|---|---|---|---|---|
| 1 | 100C | |||
| 2 | 100C | |||
| 3 | 100C | |||
| 4 | 150C | |||
| 5 | 150C | |||
| 6 | 150C | |||
| 7 | 200C | |||
| 8 | 200C | |||
| 9 | 200C |
3. Τώρα χωρίστε την πίεση, το ποσό ντόπινγκ και τα ποσοστά απόθεσης στις στήλες.
Για παράδειγμα: Εισαγάγετε 2 psi σε θερμοκρασίες 100C, 150C και 200C, εισαγάγετε επίσης ποσότητα ντόπινγκ 4% για 100C, 150C και 200C και ούτω καθεξής.
| Θήκη # | Θερμοκρασία | Πίεση | Ποσό ντόπινγκ | Ποσοστό απόθεσης |
|---|---|---|---|---|
| 1 | 100C | 2 psi | 4% | 0,1 mg / s |
| 2 | 100C | 5 psi | 6% | 0,2 mg / s |
| 3 | 100C | 8 psi | 8% | 0,3 mg / s |
| 4 | 150C | 2 psi | 4% | 0,1 mg / s |
| 5 | 150C | 5 psi | 6% | 0,2 mg / s |
| 6 | 150C | 8 psi | 8% | 0,3 mg / s |
| 7 | 200C | 2 psi | 4% | 0,1 mg / s |
| 8 | 200C | 5 psi | 6% | 0,2 mg / s |
| 9 | 200C | 8 psi | 8% | 0,3 mg / s |
Ως εκ τούτου, στις ΟΑ, χρειαζόμαστε 9 δοκιμές για να καλύψουμε.
Πλεονεκτήματα OAT
- Εγγυάται τον έλεγχο των συνδυαστικών συνδυασμών όλων των επιλεγμένων μεταβλητών.
- Μειώνει τον αριθμό των δοκιμαστικών περιπτώσεων
- Δημιουργεί λιγότερες περιπτώσεις δοκιμής που καλύπτουν τη δοκιμή όλων των συνδυασμών όλων των μεταβλητών.
- Μπορεί να γίνει ένας πολύπλοκος συνδυασμός των μεταβλητών.
- Είναι απλούστερο να δημιουργηθεί και λιγότερο επιρρεπές σε σφάλματα από τα σετ δοκιμών που δημιουργούνται με το χέρι.
- Είναι χρήσιμο για δοκιμές ενοποίησης.
- Βελτιώνει την παραγωγικότητα λόγω μειωμένων κύκλων δοκιμών και χρόνων δοκιμών.
Μειονεκτήματα OAT
- Καθώς οι εισόδους δεδομένων αυξάνονται, αυξάνεται η πολυπλοκότητα της δοκιμαστικής θήκης. Ως αποτέλεσμα, αυξάνεται η χειροκίνητη προσπάθεια και ο χρόνος που δαπανάται. Ως εκ τούτου, οι δοκιμαστές πρέπει να πάνε για αυτοματοποίηση δοκιμών.
- Χρήσιμο για δοκιμή ενοποίησης στοιχείων λογισμικού.
Λάθη ή σφάλματα κατά την εκτέλεση του OAT
- Η προσπάθεια δοκιμής δεν πρέπει να εστιάζεται σε λάθος περιοχή της εφαρμογής.
- Αποφύγετε την επιλογή λανθασμένων παραμέτρων για συνδυασμό
- Αποφύγετε τη χρήση ορθογωνικής δοκιμής συστοιχίας για ελάχιστες προσπάθειες δοκιμών.
- Μη αυτόματη εφαρμογή ορθογωνικής δοκιμής συστοιχίας
- Εφαρμογή δοκιμής ορθογωνικής σειράς για εφαρμογές υψηλού κινδύνου
Συμπέρασμα:
Εδώ έχουμε δει πώς μπορεί να χρησιμοποιηθεί το OAT (Orthogonal Array Testing) για τη μείωση των προσπαθειών δοκιμών και πώς μπορεί να επιτευχθεί η βελτιστοποίηση δοκιμαστικών περιπτώσεων.
Αυτό το άρθρο συνεισφέρει η Madhumitha.