Τι είναι τα δεδομένα δοκιμής στη δοκιμή λογισμικού;

Ως δοκιμαστής, μπορεί να πιστεύετε ότι ο σχεδιασμός περιπτώσεων δοκιμών είναι αρκετά απαιτητικός — οπότε γιατί να ασχοληθείτε με κάτι τόσο συνηθισμένο όσο τα δεδομένα δοκιμών; Αυτό το σεμινάριο παρουσιάζει τα δεδομένα δοκιμών, εξηγεί γιατί είναι σημαντικά και μοιράζεται πρακτικές συμβουλές για τη γρήγορη δημιουργία τους.

Τι είναι τα δεδομένα δοκιμής στη δοκιμή λογισμικού;

Δοκιμές δεδομένων στη δοκιμή λογισμικού είναι η είσοδος που δίνεται σε ένα πρόγραμμα λογισμικού κατά την εκτέλεση της δοκιμής. Αντιπροσωπεύει δεδομένα που είτε επηρεάζουν είτε επηρεάζονται από το λογισμικό κατά τη διάρκεια της δοκιμής. Τα δεδομένα δοκιμής χρησιμοποιούνται σε θετικές δοκιμές — για να επαληθευτεί ότι οι συναρτήσεις παράγουν τα αναμενόμενα αποτελέσματα για δεδομένα δεδομένα εισόδου — και σε αρνητικές δοκιμές, για να ελεγχθεί ο τρόπος με τον οποίο το λογισμικό χειρίζεται ασυνήθιστες, εξαιρετικές ή μη έγκυρες εισόδους.

Τα κακώς σχεδιασμένα δεδομένα δοκιμών δεν καλύπτουν όλα τα πιθανά σενάρια, γεγονός που υπονομεύει άμεσα την ποιότητα του λογισμικού.

Τι είναι η δημιουργία δεδομένων δοκιμών και γιατί πρέπει να δημιουργούνται δεδομένα δοκιμών πριν από την εκτέλεση της δοκιμής;

Η δοκιμή είναι μια διαδικασία που παράγει και καταναλώνει μεγάλες ποσότητες δεδομένων. Τα δεδομένα που χρησιμοποιούνται στη δοκιμή περιγράφουν τις αρχικές συνθήκες για μια δοκιμή και αποτελούν το μέσο μέσω του οποίου ο υπεύθυνος δοκιμών αλληλεπιδρά με το λογισμικό. Επομένως, αποτελεί κρίσιμο μέρος των περισσότερων... λειτουργικές δοκιμές.

Ανάλογα με το περιβάλλον δοκιμών σας, ίσως χρειαστεί να δημιουργία δοκιμάστε δεδομένα από την αρχή ή τουλάχιστον εντοπίστε ένα κατάλληλο υπάρχον σύνολο δεδομένων για εσάς περιπτώσεις δοκιμήςΤα δεδομένα δοκιμής συνήθως δημιουργούνται σε συγχρονισμό με την περίπτωση δοκιμής που υποστηρίζουν.

Τα δεδομένα δοκιμών μπορούν να δημιουργηθούν με τέσσερις συνηθισμένους τρόπους:

• Χειροκίνητα, από έναν δοκιμαστή ή έναν επιχειρηματικό αναλυτή.
• Μαζική αντιγραφή δεδομένων από ένα περιβάλλον παραγωγής στο περιβάλλον δοκιμών.
• Μαζική αντιγραφή δεδομένων δοκιμών από παλαιότερα συστήματα-πελάτες.
• Εργαλεία αυτοματοποιημένης δημιουργίας δεδομένων δοκιμών.

Θα πρέπει να δημιουργηθούν δείγματα δεδομένων πριν Η εκτέλεση της δοκιμής ξεκινά, επειδή η δημιουργία της αργότερα είναι δύσκολο να διαχειριστεί. Πολλά περιβάλλοντα δοκιμών απαιτούν πολλαπλά προκαταρκτικά βήματα ή χρονοβόρα διαμόρφωση πριν από τη φόρτωση των δεδομένων. Εάν η δημιουργία δεδομένων γίνει κατά τη φάση εκτέλεσης, κινδυνεύετε να χάσετε την προθεσμία δοκιμών.

Οι παρακάτω ενότητες περιγράφουν διάφορους τύπους δοκιμών μαζί με προτάσεις για τις ανάγκες τους σε δεδομένα δοκιμών.

Δεδομένα δοκιμής για το λευκό Box Δοκιμές

In Λευκό Box Δοκιμές, η διαχείριση δεδομένων δοκιμών προέρχεται από την άμεση εξέταση του υπό δοκιμή κώδικα. Τα κριτήρια επιλογής συνήθως περιλαμβάνουν:

• Κάλυψη υποκαταστήματος: δημιουργήστε δεδομένα έτσι ώστε κάθε κλάδος στον πηγαίο κώδικα να δοκιμάζεται τουλάχιστον μία φορά.
• Δοκιμή διαδρομής: δεδομένα χειροτεχνίας, ώστε κάθε διαδρομή να ασκείται τουλάχιστον μία φορά.
• Αρνητικός Δοκιμή API: Χρησιμοποιήστε μη έγκυρους τύπους παραμέτρων ή μη έγκυρους συνδυασμούς ορισμάτων για την κλήση εσωτερικών μεθόδων.

Δεδομένα δοκιμής για δοκιμές απόδοσης

Δοκιμές Απόδοσης μετρά πόσο γρήγορα ανταποκρίνεται ένα σύστημα υπό ένα συγκεκριμένο φόρτο εργασίας. Στόχος δεν είναι η εύρεση λειτουργικών σφαλμάτων αλλά ο εντοπισμός σημείων συμφόρησης. Το δείγμα συνόλου δεδομένων πρέπει να είναι πολύ κοντά στο πραγματικό ή ζωντανό δεδομένα παραγωγής για να είναι τα αποτελέσματα ουσιαστικά.

Πώς αποκτάτε τέτοια δεδομένα; ​​Η πιο αξιόπιστη πηγή είναι η πελάτες οι ίδιοι. Μπορούν είτε να παρέχουν ένα υπάρχον σύνολο δεδομένων είτε να περιγράψουν πώς φαίνονται τα δεδομένα του πραγματικού κόσμου, ώστε να μπορείτε να τα μοντελοποιήσετε. Σε ένα δοκιμή συντήρησης έργο, μπορείτε να αντιγράψετε δεδομένα από την παραγωγή στο δοκιμαστικό πεδίο. Είναι καλή πρακτική να ανωνυμοποιώ (ανακατέψτε) ευαίσθητα πεδία — αριθμούς κοινωνικής ασφάλισης, αριθμούς πιστωτικών καρτών, τραπεζικά στοιχεία — πριν από τη δημιουργία οποιουδήποτε αντιγράφου.

Δεδομένα δοκιμής για δοκιμές ασφαλείας

Δοκιμή ασφαλείας επαληθεύει ότι ένα σύστημα πληροφοριών προστατεύει τα δεδομένα από κακόβουλες προθέσεις. Τα σύνολα δεδομένων πρέπει να καλύπτουν τέσσερις πυλώνες:

• Εμπιστευτικότητα: Οι πληροφορίες από τους πελάτες φυλάσσονται με απόλυτη εμπιστευτικότητα και δεν κοινοποιούνται σε τρίτους. Εάν η εφαρμογή χρησιμοποιεί SSL, σχεδιάστε δεδομένα που αποδεικνύουν ότι η κρυπτογράφηση είναι σωστή.
• Integrity: Οι πληροφορίες που επιστρέφονται από το σύστημα είναι σωστές. Δημιουργήστε δεδομένα εξετάζοντας το σχεδιασμό, τον κώδικα, τα σχήματα βάσης δεδομένων και τις δομές αρχείων.
• Αυθεντικοποίηση: η διαδικασία προσδιορισμού της ταυτότητας χρήστη. Χρησιμοποιήστε διαφορετικούς συνδυασμούς ονομάτων χρήστη και κωδικών πρόσβασης για να επαληθεύσετε ότι μόνο εξουσιοδοτημένα άτομα αποκτούν πρόσβαση.
• Εξουσιοδότηση: τα δικαιώματα που εκχωρούνται σε έναν συγκεκριμένο χρήστη. Συνδυάστε χρήστες, ρόλους και λειτουργίες για να επιβεβαιώσετε ότι μόνο χρήστες με επαρκή δικαιώματα μπορούν να εκτελέσουν μια συγκεκριμένη λειτουργία.

Δεδομένα δοκιμής για μαύρο Box Δοκιμές

Στα μαύρα Box Η δοκιμή του κώδικα δεν είναι ορατή στον υπεύθυνο δοκιμών. Οι περιπτώσεις λειτουργικών δοκιμών θα πρέπει να περιλαμβάνουν δεδομένα που πληρούν τα ακόλουθα κριτήρια:

• Δεν υπάρχουν δεδομένα: ελέγξτε την απάντηση όταν δεν έχει υποβληθεί τίποτα.
• Έγκυρα δεδομένα: Ελέγξτε την απάντηση με τα σωστά δεδομένα δοκιμής.
• Μη έγκυρα δεδομένα: ελέγξτε την απάντηση με λανθασμένα δεδομένα δοκιμής.
• Μη έγκυρη μορφή δεδομένων: ελέγξτε την απόκριση όταν τα δεδομένα είναι σε μη υποστηριζόμενη μορφή.
• Σύνολο δεδομένων οριακών συνθηκών: δεδομένα που βρίσκονται σε ελάχιστες, μέγιστες και ακριβώς εκτός οριακών τιμών.
• Σύνολο δεδομένων διαμερίσματος ισοδυναμίας: δεδομένα που αντιπροσωπεύουν κάθε κλάση ισοδυναμίας.
• Σύνολο δεδομένων πίνακα αποφάσεων: δεδομένα που ασκούν κάθε κανόνα σε έναν πίνακα αποφάσεων.
• Σύνολο δεδομένων μετάβασης κατάστασης: δεδομένα που καθοδηγούν το σύστημα σε κάθε μετάβαση καθορισμένης κατάστασης.
• Δεδομένα δοκιμής περίπτωσης χρήσης: δεδομένα ευθυγραμμισμένα με περιπτώσεις χρήσης από άκρο σε άκρο.

Σημείωση: Ανάλογα με την εφαρμογή που δοκιμάζεται, μπορείτε να χρησιμοποιήσετε ορισμένες ή όλες τις παραπάνω κατηγορίες.

Εργαλεία αυτοματοποιημένης δημιουργίας δεδομένων δοκιμής

Τα αυτοματοποιημένα εργαλεία δημιουργούν μεγάλα, ποικίλα σύνολα δεδομένων ταχύτερα από οποιαδήποτε χειροκίνητη διαδικασία. Δύο μακροχρόνια παραδείγματα είναι:

• Δεδομένα Δοκιμών DTM Generator — ένα προσαρμόσιμο βοηθητικό πρόγραμμα που παράγει δεδομένα, πίνακες, προβολές και διαδικασίες για σενάρια δοκιμών βάσεων δεδομένων, συμπεριλαμβανομένης της απόδοσης, της διασφάλισης ποιότητας, της φόρτωσης και της χρηστικότητας.
• Datatect - ένα SQL γεννήτρια δεδομένων από την Banner Software που δημιουργεί ρεαλιστικά δεδομένα δοκιμών σε επίπεδα αρχεία ASCII ή απευθείας σε συστήματα RDBMS όπως Oracle, Sybase, SQL Server και Informix.

Για μια αξιολογημένη, ενημερωμένη λίστα υποψηφίων, βλ. 10 καλυτερα Δεδομενα Δοκιμασιας Generator Κόλλα.

καλυτερα Practices for Managing Data Test

Τα αξιόπιστα δεδομένα δοκιμών εξαρτώνται από την πειθαρχημένη οικιακή βοηθόpingΑκολουθήστε αυτές τις πρακτικές για να διατηρήσετε τα σύνολα δεδομένων σε καλή κατάσταση σε όλες τις κυκλοφορίες:

• Έκδοση των δεδομένων σας: Αποθηκεύστε σύνολα δεδομένων σε ένα αποθετήριο μαζί με τις δοκιμαστικές περιπτώσεις που τα καταναλώνουν, ώστε οι αλλαγές να είναι ελέγξιμες.
• Πεδία ευαίσθητα στη μάσκα: ανωνυμοποιήστε τα προσωπικά, οικονομικά και τα δεδομένα υγείας πριν από την αντιγραφή από την παραγωγή.
• Ανανεώνετε τακτικά: ανακατασκευάστε τα σύνολα δεδομένων σε κάθε έκδοση για να συμβαδίζετε με τις αλλαγές στο σχήμα και τους επιχειρηματικούς κανόνες.
• Αναμενόμενα αποτελέσματα εγγράφου: Συνδυάστε κάθε σύνολο δεδομένων με το αναμενόμενο αποτέλεσμα, ώστε οι αποτυχίες να είναι εύκολο να διαγνωστούν.
• Αυτόματη σπορά: Χρησιμοποιήστε σενάρια ή fixtures για τη φόρτωση δεδομένων στην αρχή κάθε δοκιμαστικής εκτέλεσης, διασφαλίζοντας την επαναληψιμότητα.

Συχνές Ερωτήσεις