测试基础14:测试用例设计方法-正交实验法

2024-06-20 00:04

本文主要是介绍测试基础14:测试用例设计方法-正交实验法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

课程大纲

图片

1、定义

        正交表是一种在数学和统计学中使用的特殊表格,用于设计实验,以在有限的测试次数下获得最大的测试覆盖率。

        它通过均衡搭配的特性,从全面试验中挑选出有代表性的点进行测试。

2、应用场景

        适用于配置类软件中组合比较多的情况。与判定表对比,输出结果不复杂,不会因组合不同有非常大差异。(如:多个单选下拉框、选项多的单选框组合)

3、正交表公式

正交表分为2类:

        1.单一水平正交表:每个控件取值个数相同;

        2.混合水平正交表:每个控件取值个数不同。

3.1单一水平正交表

图片

公式:Ln(m^k)

即:L正交表行数(控件取值个数^控件个数)

L表示正交表。

n表示正交表的行数,即需要测试的组合次数。

表格行数:n=k*(m-1)+1

k表示正交表的列数,即控件的个数。(k个单选框)

m表示每个控件包含的取值个数。(每个控件都有m个取值)

        例如,L9(3^4)表示一个正交表,需要进行9次测试,涉及4个控件,每个控件有3个取值。

3.2混合水平正交表

图片

公式:Ln(m1^k1m2^K2…mx^kx)

m1k1: k1个控件有m1个选项;

m2k2: k2个控件有m2个选项;

m3k3: k3个控件有m3个选项。

表格行数:n=k1*(m1-1)+k2*(m2-1)+…kx*(mx-1)+1

4、正交实验法的优缺点

优点:

        1.可控制生成的测试用例的数量,有效减少需要执行的用例(/场景/组合)数。

        2.测试用例具有一定的覆盖率。正交表均匀分散、整齐可比,保证实验结果的代表性和可比性。

        3.节省测试工作工时。

缺点:

        1.重点不突出。每个取值同等对待,重点不突出,导致在用户不常用的功能/场景上浪费不必要的工作量。

        2.易遗漏测试场景,需使用错误推断法等增加测试用例。

        3.常见正交表少、固定,对控件要求高。目前常见的正交排列表只有固定的几种,即使是已有的正交排列表,基本都要求每个控件中取值的个数要相等,这在实际软件中很少遇到。

5、设计步骤

step1.确定控件数量。

step2.确定控件取值数量。

step3.选择一个合适的正交表:对比正交表行数,选择行数最少的表。

常用的正交表(来自网络):http://support.sas.com/techsup/technote/ts723_Designs.txt

step4.把变量的值映射到表中。

step5.把每一行的各因素水平的组合作为一个测试用例。

step6.根据实际情况,补充用例。

举例:

        注册界面3个输入框:用户名、密码、手机号,每个控件都有2种输入取值:填、不填。设计测试用例。

图片

6、工具

        目前有很多已有工具可直接进行正交表用例设计:在线工具SPSSAU、Windows工具allpairs、代码实现。现介绍前两种工具操作方法。

6.1在线SPSSAU

地址:https://spssau.com/indexs.html

使用方式:

        完全符合正交表的规范组合,直接导出替换value。否则,会给出最接近的正交表,需要自行优化表格。

图片

图片

 缺点:有免费试用次数限制,超出后需要购买会员。

6.2Windows工具:allpairs

下载地址:

https://www.softpedia.com/get/Programming/Other-Programming-Files/Allpairs.shtml

图片

图片

图片

使用方式:

        1.将控件及各控件取值写入Excel表格,复制到txt文件(也可直接写入txt文件)。

        如下,写入get_case.txt,文件放在软件目录下。

图片

        2.cmd进入工具目录,执行命令:allpairs.exe get_case.txt>get_case1.txt

图片

        3.绿色框选即为生成的用例文件。如目录下无目标文件,会自动创建;如已存在,每次执行命令新结果会覆盖上一次结果。

图片

        特别的,当出现不符合标准正交表时,也可自动生成用例,带“~”标志的项说明此项填任意可选值均可,同时系统会自动选定一个值,可直接使用,也可修改。如下示例。

控件及取值文件:

图片

正交用例结果:

图片

        建议:正交实验法只要使用工具能够快速输出组合即可,实际工作场景使用不多,使用该方法的功能大多为配置类功能,可不深究正交表的推导和理解。

附:课程完整思维导图

这篇关于测试基础14:测试用例设计方法-正交实验法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1076531

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

性能测试介绍

性能测试是一种测试方法,旨在评估系统、应用程序或组件在现实场景中的性能表现和可靠性。它通常用于衡量系统在不同负载条件下的响应时间、吞吐量、资源利用率、稳定性和可扩展性等关键指标。 为什么要进行性能测试 通过性能测试,可以确定系统是否能够满足预期的性能要求,找出性能瓶颈和潜在的问题,并进行优化和调整。 发现性能瓶颈:性能测试可以帮助发现系统的性能瓶颈,即系统在高负载或高并发情况下可能出现的问题

字节面试 | 如何测试RocketMQ、RocketMQ?

字节面试:RocketMQ是怎么测试的呢? 答: 首先保证消息的消费正确、设计逆向用例,在验证消息内容为空等情况时的消费正确性; 推送大批量MQ,通过Admin控制台查看MQ消费的情况,是否出现消费假死、TPS是否正常等等问题。(上述都是临场发挥,但是RocketMQ真正的测试点,还真的需要探讨) 01 先了解RocketMQ 作为测试也是要简单了解RocketMQ。简单来说,就是一个分

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

浅谈主机加固,六种有效的主机加固方法

在数字化时代,数据的价值不言而喻,但随之而来的安全威胁也日益严峻。从勒索病毒到内部泄露,企业的数据安全面临着前所未有的挑战。为了应对这些挑战,一种全新的主机加固解决方案应运而生。 MCK主机加固解决方案,采用先进的安全容器中间件技术,构建起一套内核级的纵深立体防护体系。这一体系突破了传统安全防护的局限,即使在管理员权限被恶意利用的情况下,也能确保服务器的安全稳定运行。 普适主机加固措施:

webm怎么转换成mp4?这几种方法超多人在用!

webm怎么转换成mp4?WebM作为一种新兴的视频编码格式,近年来逐渐进入大众视野,其背后承载着诸多优势,但同时也伴随着不容忽视的局限性,首要挑战在于其兼容性边界,尽管WebM已广泛适应于众多网站与软件平台,但在特定应用环境或老旧设备上,其兼容难题依旧凸显,为用户体验带来不便,再者,WebM格式的非普适性也体现在编辑流程上,由于它并非行业内的通用标准,编辑过程中可能会遭遇格式不兼容的障碍,导致操

【测试】输入正确用户名和密码,点击登录没有响应的可能性原因

目录 一、前端问题 1. 界面交互问题 2. 输入数据校验问题 二、网络问题 1. 网络连接中断 2. 代理设置问题 三、后端问题 1. 服务器故障 2. 数据库问题 3. 权限问题: 四、其他问题 1. 缓存问题 2. 第三方服务问题 3. 配置问题 一、前端问题 1. 界面交互问题 登录按钮的点击事件未正确绑定,导致点击后无法触发登录操作。 页面可能存在

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

业务中14个需要进行A/B测试的时刻[信息图]

在本指南中,我们将全面了解有关 A/B测试 的所有内容。 我们将介绍不同类型的A/B测试,如何有效地规划和启动测试,如何评估测试是否成功,您应该关注哪些指标,多年来我们发现的常见错误等等。 什么是A/B测试? A/B测试(有时称为“分割测试”)是一种实验类型,其中您创建两种或多种内容变体——如登录页面、电子邮件或广告——并将它们显示给不同的受众群体,以查看哪一种效果最好。 本质上,A/B测