Test af beslutningstabel (eksempel)

Af: Thomas Hamilton Thomas Hamilton
Hours Opdateret

⚡ Smart opsummering

Beslutningstabeltestning er en black-box-teknik, der registrerer inputkombinationer og deres forventede output i tabelform. Denne vejledning forklarer årsag-virkning-konceptet, gennemgår login- og uploadeksempler og viser, hvorfor metoden leverer stærk dækning til kompleks forretningslogik.

  • 🧮 Kerneidé: En beslutningstabel kortlægger betingelser (årsager) til resultater (virkninger) med henblik på systematisk dækning.
  • 🔢 Kombinationsregel: Antallet af regler er lig med 2 opløftet til antallet af betingelser (2^n).
  • 🔐 Udarbejdede eksempler: Login- og fotouploadskærme viser sandt/falsk-betingelser knyttet til output.
  • ✅ Bedste brug: Ideelt når systemets adfærd varierer for hver inputkombination.
  • 🤖 AI-aktivering: AI-værktøjer genererer nu beslutningstabeller ud fra krav og fjerner overflødige regler.
Læs mere

Beslutningstabeltestning

Hvad er Decision Table Testing?

Beslutningstabeltestning er en softwaretestteknik, der bruges til at teste systemadfærd for forskellige inputkombinationer. Det er en systematisk tilgang, hvor de forskellige inputkombinationer og deres tilsvarende systemadfærd (output) registreres i tabelform. Derfor kaldes det også en Årsag-virkning tabel, hvor årsager og virkninger er registreret for bedre testdækning.

A Beslutningstabel er en tabelformet repræsentation af input versus regler, cases eller testbetingelser. Det er et yderst effektivt værktøj til både komplekse software test og kravstyring. En beslutningstabel hjælper med at kontrollere alle mulige kombinationer af betingelser, og testere kan nemt identificere manglende betingelser. Betingelser angives ved hjælp af sande (T) og falske (Falske) værdier.

Eksempel 1: Beslutningstabel for en loginskærm

Lad os oprette en beslutningstabel til en loginskærm.

Beslutningsbasetabel til loginskærm

Betingelsen er enkel: Hvis brugeren angiver det korrekte brugernavn og adgangskode, bliver de omdirigeret til hjemmesiden. Hvis en indtastning er forkert, vises en fejlmeddelelse.

Betingelser Regel 1 Regel 2 Regel 3 Regel 4
Brugernavn (T/F) F T F T
Adgangskode (T/F) F F T T
Output (E/H) E E E H

Legende:

  • T – Korrekt brugernavn/adgangskode
  • F – Forkert brugernavn/adgangskode
  • E – Der vises en fejlmeddelelse
  • H – Startskærmen vises

fortolkning:

  • Sag 1 – Brugernavn og adgangskode er begge forkert. Brugeren får vist en fejlmeddelelse.
  • Sag 2 – Brugernavn korrekt, adgangskode forkert. Brugeren får vist en fejlmeddelelse.
  • Sag 3 – Forkert brugernavn, korrekt adgangskode. Brugeren får vist en fejlmeddelelse.
  • Sag 4 – Brugernavn og adgangskode er begge korrekte. Brugeren navigerer til hjemmesiden.

Når man konverterer dette til en test sag, kan du oprette to scenarier, fordi de tre fejltilfælde alle tester den samme regel.

  • Indtast det korrekte brugernavn og den korrekte adgangskode, og klik derefter på Log ind – brugeren skal nu navigere til forsiden.
  • Indtast et forkert brugernavn og/eller en forkert adgangskode, og klik derefter på Log ind – brugeren burde se en fejlmeddelelse.

Eksempel 2: Beslutningstabel for en uploadskærm

Overvej nu en dialogboks, der beder brugeren om at uploade et billede under visse betingelser:

  1. Kun formatet “.jpg” er tilladt.
  2. Filstørrelsen skal være mindre end 32 KB.
  3. Opløsningen skal være 137 × 177.

Hvis en af ​​betingelserne ikke opfyldes, viser systemet en tilsvarende fejlmeddelelse. Hvis alle betingelser er opfyldt, uploades billedet korrekt.

Beslutningstabel for uploadskærm

Beslutningstabellen for denne sag er vist nedenfor.

Betingelser Sag 1 Sag 2 Sag 3 Sag 4 Sag 5 Sag 6 Sag 7 Sag 8
dannet .jpg .jpg .jpg .jpg Ikke .jpg Ikke .jpg Ikke .jpg Ikke .jpg
Størrelse < 32 KB < 32 KB ≥ 32 KB ≥ 32 KB < 32 KB < 32 KB ≥ 32 KB ≥ 32 KB
Løsning 137 × 177 Ikke 137×177 137 × 177 Ikke 137×177 137 × 177 Ikke 137×177 137 × 177 Ikke 137×177
Produktion Foto uploadet Uoverensstemmelse i opløsning Størrelsesuoverensstemmelse Uoverensstemmelse mellem størrelse og opløsning Formatuoverensstemmelse Format- og opløsningsforskel Format- og størrelsesforskel Uoverensstemmelse mellem format, størrelse og opløsning

Fra denne tabel kan du oprette otte testcases for at få fuld dækning:

  1. .jpg, < 32 KB, 137×177 → fotouploads er gennemført.
  2. .jpg, < 32 KB, ikke 137×177 → fejl i opløsningsafvigelse.
  3. .jpg, ≥ 32 KB, 137×177 → fejl i størrelsesafvigelse.
  4. .jpg, ≥ 32 KB, ikke 137×177 → fejl ved uoverensstemmelse mellem størrelse og opløsning.
  5. Ikke .jpg, < 32 KB, 137×177 → fejl i formatuoverensstemmelse.
  6. Ikke .jpg, < 32 KB, ikke 137×177 → fejl ved uoverensstemmelse mellem format og opløsning.
  7. Ikke .jpg, ≥ 32 KB, 137×177 → fejl i format- og størrelsesoverensstemmelse.
  8. Ikke .jpg, ≥ 32 KB, ikke 137×177 → fejl i uoverensstemmelse mellem format, størrelse og opløsning.

Hvorfor test af beslutningstabeller er vigtig

Test af beslutningstabeller er vigtig, fordi den tester mange kombinationer af betingelser og giver stærk dækning for kompleks forretningslogik. Når systemadfærden varierer for hvert sæt input, giver teknikken god dækning i en simpel og letlæselig repræsentation.

In software Engineering, randværdianalyse og ækvivalenspartitionering er lignende teknikker, men de er mest effektive, når systemet viser samme adfærd på tværs af et stort sæt af input. Når adfærden er forskellige For hver inputkombination kan disse teknikker ikke sikre god dækning – og test af beslutningstabeller bliver den bedre løsning.

Denne tabel fungerer også som reference for krav- og funktionsudvikling, fordi den er let at forstå og dækker alle kombinationer. Betydningen vokser, efterhånden som input stiger: antallet af mulige kombinationer er 2^n, hvor n er antallet af input. For n = 10, hvilket er almindeligt i webformularer, er det 1,024 kombinationer. Du kan ikke teste dem alle, men du kan vælge en omfattende delmængde ved hjælp af beslutningsbaseret testning.

RELATEREDE ARTIKLER

Fordele ved Decision Table Testing

  • Fungerer, når systemadfærden varierer på tværs af input, hvor ækvivalenspartitionering og randværdianalyse ikke lever op til forventningerne.
  • Repræsentationen er enkel, så den er letfortolket og nyttig for både udviklings- og forretningsteams.
  • Hjælper med at opbygge effektive kombinationer og sikrer bedre testdækning.
  • Enhver kompleks forretningssituation kan omdannes til en beslutningstabel.
  • Kan sikre 100% dækning, når antallet af inputkombinationer er lavt.

Ulemper ved Decision Table Testing

Den største ulempe er, at tabellen bliver mere kompleks og sværere at administrere, efterhånden som antallet af input stiger.

Ofte Stillede Spørgsmål

Test af beslutningstabeller er en black-box-teknik, der indfanger kombinationer af inputbetingelser og deres forventede output i en tabel. Det sikrer systematisk dækning af komplekse forretningsregler.

Den kortlægger årsager (inputbetingelser) til virkninger (systemoutput). Ved at registrere begge sider i én tabel bliver forholdet eksplicit, hvilket er grunden til, at den også er kendt som en årsag-virkningstabel.

Antallet af regler er lig med 2^n, hvor n er antallet af binære betingelser. For eksempel giver 4 betingelser 16 regler, og 10 betingelser giver 1,024 mulige kombinationer.

Grænseværdianalyse er egnet til input, hvor adfærden er den samme på tværs af et interval. Beslutningstabeller er egnede til tilfælde, hvor hver inputkombination producerer et forskelligt output, hvilket giver dækning, som de andre teknikker ikke dækker.

Brug den, når en funktion har flere inputbetingelser, der interagerer for at producere forskellige output, f.eks. loginvalidering, formularuploads eller pris- og rabatregler med flere afhængigheder.

Efterhånden som antallet af betingelser vokser, udvides tabellen eksponentielt (2^n) og bliver svær at administrere. Testere vælger normalt en repræsentativ delmængde af regler i stedet for at teste hver kombination.

AI-værktøjer læser krav og genererer automatisk beslutningstabeller, identificerer manglende eller overflødige regler og skjuler tilsvarende regler. Dette reducerer den manuelle indsats og forbedrer samtidig kombinationsdækningen.

Ja. AI kan konvertere hver regel i en beslutningstabel til en konkret testcase med input og forventede resultater og derefter prioritere dem efter risiko, så kombinationer med stor effekt testes først.

Opsummer dette indlæg med: