सॉफ्टवेयर परीक्षण में टेस्ट डेटा क्या है?

⚡ स्मार्ट सारांश

सॉफ्टवेयर टेस्टिंग में टेस्ट डेटा वह इनपुट होता है जो टेस्ट निष्पादन के दौरान एप्लिकेशन को दिया जाता है। सुव्यवस्थित डेटा सकारात्मक, नकारात्मक, प्रदर्शन और सुरक्षा जांचों को संचालित करता है, इसलिए इसे उत्पाद जीवनचक्र के दौरान उत्पन्न, अनाम और अद्यतन किया जाना चाहिए।

  • 🗓️ आगे की योजना: टेस्ट केस के साथ-साथ टेस्ट डेटा भी बनाएं ताकि इनपुट की कमी या पर्यावरण सेटअप की समस्या के कारण निष्पादन कभी बाधित न हो।
  • 🎯 सभी संभावित स्थितियों को कवर करें: सकारात्मक, नकारात्मक, सीमा और समतुल्यता विभाजन डेटासेट तैयार करें जो अलग-अलग हों और स्पष्ट रूप से लेबल किए गए हों।
  • कॉपी करने से पहले मास्क करें: प्रदर्शन डेटासेट को उत्पादन मात्रा और आकार से मिलाएं, लेकिन किसी भी प्रतिलिपि बनाने से पहले संवेदनशील फ़ील्ड को अनाम कर दें।
  • ⚙️ कठिन कार्यों को स्वचालित करें: वास्तविक डेटासेट को स्केल करने, मैन्युअल प्रयास को कम करने और दोहराव से बचने के लिए जनरेटर या एआई टूल का उपयोग करें।
  • 🔄 प्रत्येक रिलीज़ को रीफ़्रेश करें: Revस्कीमा में बदलाव, नई सुविधाओं और नियामक अपडेट के बाद डेटासेट की समीक्षा करें ताकि पुराने डेटा से गलत परिणाम न मिलें।

सॉफ्टवेयर परीक्षण में परीक्षण डेटा

एक टेस्टर के तौर पर, आपको लग सकता है कि टेस्ट केस डिज़ाइन करना ही काफी चुनौतीपूर्ण है — तो फिर टेस्ट डेटा जैसी सामान्य चीज़ के लिए इतनी मेहनत क्यों करनी? यह ट्यूटोरियल टेस्ट डेटा का परिचय देता है, इसकी अहमियत बताता है और इसे जल्दी से तैयार करने के लिए व्यावहारिक सुझाव साझा करता है।

सॉफ्टवेयर परीक्षण में टेस्ट डेटा क्या है?

सॉफ्टवेयर परीक्षण में परीक्षण डेटा परीक्षण डेटा वह इनपुट है जो परीक्षण के दौरान सॉफ़्टवेयर प्रोग्राम को दिया जाता है। यह वह डेटा होता है जो परीक्षण के दौरान सॉफ़्टवेयर को प्रभावित करता है या उससे प्रभावित होता है। परीक्षण डेटा का उपयोग सकारात्मक परीक्षण में किया जाता है - यह सत्यापित करने के लिए कि फ़ंक्शन दिए गए इनपुट के लिए अपेक्षित परिणाम देते हैं - और नकारात्मक परीक्षण में, यह जांचने के लिए कि सॉफ़्टवेयर असामान्य, अपवाद या अमान्य इनपुट को कैसे संभालता है।

खराब तरीके से डिजाइन किया गया परीक्षण डेटा सभी संभावित परिदृश्यों को कवर करने में विफल रहता है, जो सीधे तौर पर सॉफ्टवेयर की गुणवत्ता को बाधित करता है।

सॉफ्टवेयर परीक्षण में परीक्षण डेटा

टेस्ट डेटा जनरेशन क्या है और टेस्ट एक्जीक्यूशन से पहले टेस्ट डेटा क्यों बनाया जाना चाहिए?

परीक्षण एक ऐसी प्रक्रिया है जो बड़ी मात्रा में डेटा उत्पन्न और उपयोग करती है। परीक्षण में उपयोग किया जाने वाला डेटा परीक्षण की प्रारंभिक स्थितियों का वर्णन करता है और वह माध्यम है जिसके द्वारा परीक्षक सॉफ़्टवेयर के साथ इंटरैक्ट करता है। इसलिए यह अधिकांश परीक्षणों का एक महत्वपूर्ण हिस्सा है। कार्यात्मक परीक्षण.

आपके परीक्षण परिवेश के आधार पर, आपको आवश्यकता हो सकती है बनाना या तो शुरू से ही परीक्षण डेटा तैयार करें, या कम से कम अपने लिए उपयुक्त मौजूदा डेटासेट की पहचान करें। परीक्षण के मामलोंटेस्ट डेटा आमतौर पर उस टेस्ट केस के साथ तालमेल बिठाकर बनाया जाता है जिसका वह समर्थन करता है।

परीक्षण डेटा को चार सामान्य तरीकों से उत्पन्न किया जा सकता है:

  • किसी परीक्षक या व्यावसायिक विश्लेषक द्वारा मैन्युअल रूप से।
  • उत्पादन वातावरण से परीक्षण वातावरण में डेटा की बड़े पैमाने पर प्रतिलिपि बनाना।
  • पुराने क्लाइंट सिस्टम से परीक्षण डेटा की बड़े पैमाने पर प्रतिलिपि बनाना।
  • स्वचालित परीक्षण डेटा सृजन उपकरण।

नमूना डेटा उत्पन्न किया जाना चाहिए से पहले परीक्षण का क्रियान्वयन शुरू हो जाता है, क्योंकि इसे बाद में बनाना मुश्किल होता है। कई परीक्षण वातावरणों में डेटा लोड करने से पहले कई पूर्व-चरण या समय लेने वाली कॉन्फ़िगरेशन की आवश्यकता होती है। यदि क्रियान्वयन चरण के दौरान डेटा उत्पन्न होता है, तो परीक्षण की समय सीमा चूकने का जोखिम रहता है।

नीचे दिए गए अनुभागों में विभिन्न प्रकार के परीक्षणों का वर्णन किया गया है और उनके लिए आवश्यक परीक्षण डेटा के सुझाव भी दिए गए हैं।

श्वेत के लिए परीक्षण डेटा Box परीक्षण

In सफेद Box परीक्षणटेस्ट डेटा प्रबंधन, परीक्षण किए जा रहे कोड की प्रत्यक्ष जांच से प्राप्त होता है। चयन मानदंड में आमतौर पर निम्नलिखित शामिल होते हैं:

  • शाखा कवरेज: डेटा जनरेट करें ताकि सोर्स कोड की प्रत्येक शाखा का कम से कम एक बार परीक्षण किया जा सके।
  • पथ परीक्षण: डेटा को इस तरह से तैयार करें कि प्रत्येक पथ का कम से कम एक बार अभ्यास हो।
  • नकारात्मक एपीआई परीक्षण: आंतरिक विधियों को कॉल करने के लिए अमान्य पैरामीटर प्रकारों या अमान्य तर्क संयोजनों का उपयोग करें।

प्रदर्शन परीक्षण के लिए परीक्षण डेटा

प्रदर्शन का परीक्षण यह मापता है कि कोई सिस्टम किसी विशेष कार्यभार के तहत कितनी तेज़ी से प्रतिक्रिया करता है। इसका उद्देश्य कार्यात्मक त्रुटियों को खोजना नहीं बल्कि अवरोधों की पहचान करना है। नमूना डेटासेट वास्तविक स्थिति के बहुत करीब होना चाहिए। वास्तविक या जीवित परिणामों को सार्थक बनाने के लिए उत्पादन संबंधी डेटा आवश्यक है।

आप इस तरह का डेटा कैसे प्राप्त करते हैं? सबसे विश्वसनीय स्रोत है... ग्राहकों वे स्वयं। वे या तो एक मौजूदा डेटासेट प्रदान कर सकते हैं या यह वर्णन कर सकते हैं कि वास्तविक दुनिया का डेटा कैसा दिखता है ताकि आप उसका मॉडल बना सकें। रखरखाव परीक्षण प्रोजेक्ट में, आप प्रोडक्शन से डेटा को टेस्ट बेड में कॉपी कर सकते हैं। यह एक अच्छी प्रक्रिया है। एनॉनिमाइज़ किसी भी प्रकार की प्रतिलिपि बनाने से पहले संवेदनशील फ़ील्ड्स — जैसे सोशल सिक्योरिटी नंबर, क्रेडिट कार्ड नंबर, बैंकिंग विवरण — को (अस्त-व्यस्त) कर दें।

सुरक्षा परीक्षण के लिए परीक्षण डेटा

सुरक्षा परीक्षण यह सत्यापित करता है कि एक सूचना प्रणाली दुर्भावनापूर्ण इरादों से डेटा की सुरक्षा करती है। डेटासेट को चार स्तंभों को पूरा करना चाहिए:

  • गोपनीयता: ग्राहकों से प्राप्त जानकारी को पूरी तरह गोपनीय रखा जाता है और बाहरी पक्षों के साथ साझा नहीं किया जाता है। यदि एप्लिकेशन SSL का उपयोग करता है, तो ऐसा डेटा डिज़ाइन करें जो एन्क्रिप्शन की सटीकता को प्रमाणित करे।
  • Integrity: सिस्टम द्वारा दी गई जानकारी सही है। डिज़ाइन, कोड, डेटाबेस स्कीमा और फ़ाइल संरचनाओं की समीक्षा करके डेटा तैयार करें।
  • प्रमाणीकरण: उपयोगकर्ता की पहचान स्थापित करने की प्रक्रिया। यह सत्यापित करने के लिए कि केवल अधिकृत लोगों को ही पहुँच प्राप्त हो, उपयोगकर्ता नाम और पासवर्ड के विभिन्न संयोजनों का उपयोग करें।
  • प्राधिकरण: किसी विशिष्ट उपयोगकर्ता को दिए गए अधिकार। यह सुनिश्चित करने के लिए कि केवल पर्याप्त विशेषाधिकार वाले उपयोगकर्ता ही कोई विशेष कार्य कर सकते हैं, उपयोगकर्ताओं, भूमिकाओं और कार्यों को संयोजित करें।

काले रंग के लिए परीक्षण डेटा Box परीक्षण

काले रंग में Box कोड का परीक्षण परीक्षक को दिखाई नहीं देता है। कार्यात्मक परीक्षण मामलों में निम्नलिखित मानदंडों को पूरा करने वाला डेटा शामिल होना चाहिए:

  • कोई डेटा नहीं: जब कुछ भी सबमिट न किया जाए तो प्रतिक्रिया की जांच करें।
  • मान्य डेटा: सही परीक्षण डेटा के साथ प्रतिक्रिया की जांच करें।
  • अमान्य डेटा: गलत परीक्षण डेटा के साथ प्रतिक्रिया की जांच करें।
  • अवैध डेटा प्रारूप: जब डेटा किसी असमर्थित प्रारूप में हो तो प्रतिक्रिया की जांच करें।
  • सीमा शर्त डेटासेट: डेटा न्यूनतम, अधिकतम और सीमा के ठीक बाहर के मूल्यों पर स्थित है।
  • समतुल्यता विभाजन डेटासेट: वह डेटा जो प्रत्येक समतुल्यता वर्ग का प्रतिनिधित्व करता है।
  • निर्णय तालिका डेटासेट: ऐसा डेटा जो निर्णय तालिका में प्रत्येक नियम का पालन करता है।
  • राज्य संक्रमण डेटासेट: वह डेटा जो सिस्टम को प्रत्येक परिभाषित स्थिति संक्रमण के माध्यम से संचालित करता है।
  • उपयोग-मामला परीक्षण डेटा: डेटा को संपूर्ण उपयोग के मामलों के अनुरूप बनाया गया है।

नोट: परीक्षण के तहत आने वाले एप्लिकेशन के आधार पर, आप उपरोक्त श्रेणियों में से कुछ या सभी का उपयोग कर सकते हैं।

स्वचालित परीक्षण डेटा जनरेशन उपकरण

स्वचालित उपकरण किसी भी मैन्युअल प्रक्रिया की तुलना में अधिक तेज़ी से बड़े और विविध डेटासेट उत्पन्न करते हैं। इसके दो दीर्घकालिक उदाहरण हैं:

  • डीटीएम परीक्षण डेटा Generator — एक अनुकूलन योग्य यूटिलिटी जो डेटाबेस परीक्षण परिदृश्यों के लिए डेटा, टेबल, व्यू और प्रोसीजर तैयार करती है, जिसमें प्रदर्शन, QA, लोड और उपयोगिता शामिल हैं।
  • डेटाटेक्ट - ए एसक्यूएल बैनर सॉफ्टवेयर द्वारा विकसित डेटा जनरेटर जो ASCII फ्लैट फाइलों में या सीधे RDBMS सिस्टम जैसे कि में यथार्थवादी परीक्षण डेटा बनाता है। Oracle, साइबेस, एसक्यूएल सर्वर, और इन्फॉर्मिक्स।

मूल्यांकन की गई, अद्यतन सूची के लिए, देखें 10 सर्वश्रेष्ठ परीक्षण डेटा Generator टूल्स.

परीक्षण डेटा के प्रबंधन के लिए सर्वोत्तम पद्धतियाँ

विश्वसनीय परीक्षण डेटा अनुशासित गृह रखरखाव पर निर्भर करता है।pingविभिन्न रिलीज़ के दौरान डेटासेट को सुचारू रूप से चलाने के लिए इन प्रक्रियाओं का पालन करें:

  • अपने डेटा का संस्करण तैयार करें: डेटासेट को उन टेस्ट केस के साथ एक रिपॉजिटरी में स्टोर करें जो उनका उपयोग करते हैं ताकि परिवर्तनों का ऑडिट किया जा सके।
  • संवेदनशील फ़ील्ड को छिपाएँ: उत्पादन से कॉपी करने से पहले व्यक्तिगत, वित्तीय और स्वास्थ्य संबंधी डेटा को अनाम कर दें।
  • नियमित रूप से रीफ्रेश करें: स्कीमा और व्यावसायिक नियमों में होने वाले परिवर्तनों के साथ तालमेल बनाए रखने के लिए प्रत्येक रिलीज़ के बाद डेटासेट का पुनर्निर्माण किया जाता है।
  • अपेक्षित परिणामों का दस्तावेजीकरण करें: प्रत्येक डेटासेट को अपेक्षित परिणाम के साथ मिलाएं ताकि विफलताओं का आसानी से विश्लेषण किया जा सके।
  • बीज बोने की प्रक्रिया को स्वचालित करें: प्रत्येक परीक्षण के प्रारंभ में डेटा लोड करने के लिए स्क्रिप्ट या फिक्स्चर का उपयोग करें, जिससे दोहराव सुनिश्चित हो सके।

अक्सर पूछे जाने वाले प्रश्न

परीक्षण डेटा वह इनपुट होता है जो परीक्षण के दौरान सॉफ़्टवेयर को दिया जाता है। लॉगिन फ़ॉर्म के लिए, उदाहरणों में एक वैध उपयोगकर्ता नाम और पासवर्ड (सकारात्मक), एक खाली पासवर्ड (नकारात्मक), और 300 अक्षरों का ईमेल (सीमा) शामिल हैं।

टेस्ट केस किसी एक परिदृश्य के चरणों और अपेक्षित परिणाम का वर्णन करता है। टेस्ट डेटा उन चरणों में डाले गए विशिष्ट इनपुट मान होते हैं। प्रत्येक टेस्ट केस के लिए परिदृश्य का परीक्षण करने हेतु अपना स्वयं का डेटासेट आवश्यक होता है।

पर्याप्त डेटा वह डेटा है जो हर समतुल्यता वर्ग, सीमा और जोखिम-भारित परिदृश्य को कवर करता है। केवल मात्रा ही कवरेज के बराबर नहीं होती। डेटा को परीक्षण मामलों से मैप करें और कवरेज अंतराल कम होने पर रिकॉर्ड जोड़ना बंद कर दें।

नाम, खाता संख्या और स्वास्थ्य संबंधी जानकारी जैसे संवेदनशील क्षेत्रों को छिपाने के बाद ही ऐसा किया जा सकता है। बिना छिपाए गए उत्पादन डेटा GDPR और HIPAA जैसे नियमों का उल्लंघन करता है और परीक्षण वातावरण के प्रभावित होने की स्थिति में डेटा लीक का गंभीर खतरा पैदा करता है।

सामान्य श्रेणियां हैं: मान्य, अमान्य, सीमा, समतुल्यता विभाजन, निर्णय-तालिका, स्थिति-संक्रमण, उपयोग-मामला और डेटा रहित सेट। प्रत्येक श्रेणी परीक्षण के तहत एप्लिकेशन में एक अलग जोखिम को लक्षित करती है।

स्कीमा में हर बदलाव, प्रमुख रिलीज़, नियामक अपडेट या उत्पादन व्यवहार में परिवर्तन होने पर परीक्षण डेटा को रीफ़्रेश करें। पुराने डेटासेट नए सत्यापन नियमों को पूरा नहीं कर पाते और रिग्रेशन परीक्षण के दौरान गलत परिणाम देते हैं।

एआई उपकरण व्यावसायिक नियमों का पालन करते हुए, व्यक्तिगत जानकारी को छुपाते हुए और सकारात्मक एवं नकारात्मक मामलों को संतुलित करते हुए, यथार्थवादी और विविध डेटासेट तैयार करते हैं। साथ ही, आवश्यकताओं और मौजूदा परीक्षण कवरेज का विश्लेषण करके वे छूटे हुए परिदृश्यों को भी चिह्नित करते हैं।

नहीं। एआई डेटा जनरेशन को गति देता है और पैटर्न को प्रमाणित करता है, लेकिन मानव समीक्षकों को व्यावसायिक जोखिम, विशिष्ट परिस्थितियों और अनुपालन आवश्यकताओं का आकलन करना होता है। सबसे प्रभावी टीमें एआई द्वारा जनरेट किए गए डेटासेट को विशेषज्ञ संकलन के साथ जोड़ती हैं।

इस पोस्ट को संक्षेप में इस प्रकार लिखें: