Apa itu Data Uji dalam Pengujian Perangkat Lunak?

Oleh: Thomas Hamilton Thomas Hamilton
Hours Updated

⚡ Ringkasan Cerdas

Data uji dalam pengujian perangkat lunak adalah input yang diberikan kepada aplikasi selama eksekusi pengujian. Data yang dirancang dengan baik mendorong pemeriksaan positif, negatif, kinerja, dan keamanan, sehingga data tersebut harus dihasilkan, dianonimkan, dan diperbarui sepanjang siklus hidup produk.

  • ️ Rencanakan ke depan: Buat data uji bersamaan dengan kasus uji agar eksekusi tidak pernah terhambat oleh input yang hilang atau pengaturan lingkungan yang tidak tepat.
  • 🎯 Mencakup setiap skenario: Siapkan dataset partisi positif, negatif, batas, dan kesetaraan yang terpisah dan diberi label dengan jelas.
  • 🛡️ Gunakan masker sebelum menyalin: Sesuaikan dataset performa dengan volume dan bentuk produksi, tetapi anonimkan kolom-kolom sensitif sebelum salinan apa pun dibuat.
  • ⚙️ Otomatiskan pekerjaan berat: Gunakan generator atau alat AI untuk meningkatkan skala dataset yang realistis, mengurangi upaya manual, dan menghindari duplikasi.
  • 🔄 Perbarui setiap rilis: RevTinjau kembali kumpulan data setelah perubahan skema, fitur baru, dan pembaruan peraturan agar data lama tidak menghasilkan penilaian yang salah.
Baca Selengkapnya

Data Uji dalam Pengujian Perangkat Lunak

Sebagai seorang penguji, Anda mungkin berpikir bahwa mendesain kasus uji sudah cukup menantang — jadi mengapa repot-repot dengan sesuatu yang rutin seperti data uji? Tutorial ini memperkenalkan data uji, menjelaskan mengapa hal itu penting, dan membagikan kiat praktis untuk membuatnya dengan cepat.

Apa itu Data Uji dalam Pengujian Perangkat Lunak?

Data Uji dalam Pengujian Perangkat Lunak Data uji adalah input yang diberikan kepada program perangkat lunak selama eksekusi pengujian. Data ini mewakili data yang memengaruhi atau dipengaruhi oleh perangkat lunak selama pengujian. Data uji digunakan dalam pengujian positif — untuk memverifikasi bahwa fungsi menghasilkan hasil yang diharapkan untuk input yang diberikan — dan dalam pengujian negatif, untuk memeriksa bagaimana perangkat lunak menangani input yang tidak biasa, luar biasa, atau tidak valid.

Data uji yang dirancang dengan buruk gagal mencakup semua skenario yang mungkin terjadi, yang secara langsung menghambat kualitas perangkat lunak.

Data Uji dalam Pengujian Perangkat Lunak

Apa itu Pembuatan Data Uji dan Mengapa Data Uji Harus Dibuat Sebelum Eksekusi Pengujian?

Pengujian adalah proses yang menghasilkan dan mengonsumsi sejumlah besar data. Data yang digunakan dalam pengujian menggambarkan kondisi awal untuk suatu pengujian dan merupakan media yang digunakan penguji untuk berinteraksi dengan perangkat lunak. Oleh karena itu, pengujian merupakan bagian penting dari sebagian besar proses. tes fungsional.

Tergantung pada lingkungan pengujian Anda, Anda mungkin perlu membuat buat data uji dari awal, atau setidaknya identifikasi kumpulan data yang sudah ada yang sesuai untuk kebutuhan Anda. kasus ujiData uji biasanya dibuat secara sinkron dengan kasus uji yang didukungnya.

Data uji dapat dihasilkan dengan empat cara umum:

  • Secara manual, oleh seorang penguji atau analis bisnis.
  • Penyalinan data secara massal dari lingkungan produksi ke lingkungan pengujian.
  • Penyalinan massal data uji dari sistem klien lama.
  • Alat pembuatan data uji otomatis.

Data sampel harus dihasilkan. sebelum Eksekusi pengujian dimulai karena membuatnya nanti akan sulit dikelola. Banyak lingkungan pengujian memerlukan beberapa langkah awal atau konfigurasi yang memakan waktu sebelum data dapat dimuat. Jika pembuatan data terjadi selama fase eksekusi, Anda berisiko melewatkan tenggat waktu pengujian.

Bagian-bagian di bawah ini menjelaskan beberapa jenis pengujian beserta saran untuk kebutuhan data pengujiannya.

Uji Data untuk Putih Box pengujian

In Putih Box pengujianManajemen data pengujian diperoleh dari pemeriksaan langsung terhadap kode yang sedang diuji. Kriteria pemilihan biasanya meliputi:

  • Cakupan cabang: Menghasilkan data sehingga setiap cabang dalam kode sumber diuji setidaknya sekali.
  • Pengujian jalur: Susun data sedemikian rupa sehingga setiap jalur dijalankan setidaknya sekali.
  • negatif Pengujian API: Menggunakan tipe parameter yang tidak valid atau kombinasi argumen yang tidak valid untuk memanggil metode internal.

Data Uji untuk Pengujian Kinerja

Pengujian Kinerja Mengukur seberapa cepat suatu sistem merespons di bawah beban kerja tertentu. Tujuannya bukan untuk menemukan bug fungsional, tetapi untuk mengidentifikasi hambatan. Kumpulan data sampel harus sangat mendekati nyata atau hidup data produksi agar hasilnya bermakna.

Bagaimana Anda memperoleh data tersebut? Sumber yang paling dapat diandalkan adalah... pelanggan Mereka sendiri. Mereka dapat menyediakan kumpulan data yang sudah ada atau menjelaskan bagaimana data dunia nyata terlihat sehingga Anda dapat memodelkannya. Dalam hal ini, pengujian pemeliharaan Dalam sebuah proyek, Anda dapat menyalin data dari lingkungan produksi ke lingkungan pengujian. Ini adalah praktik yang baik untuk... menganonimkan (Acak) kolom-kolom sensitif — nomor Jaminan Sosial, nomor kartu kredit, detail perbankan — sebelum salinan apa pun dibuat.

ARTIKEL TERKAIT

Uji Data untuk Pengujian Keamanan

Pengujian Keamanan Memverifikasi bahwa sistem informasi melindungi data dari niat jahat. Kumpulan data harus mencakup empat pilar:

  • Kerahasiaan: Informasi dari klien dijaga kerahasiaannya dan tidak dibagikan kepada pihak luar. Jika aplikasi menggunakan SSL, desain data yang membuktikan enkripsi sudah benar.
  • Integrity: Informasi yang dikembalikan oleh sistem sudah benar. Bangun data dengan meninjau desain, kode, skema basis data, dan struktur file.
  • Otentikasi: Proses penetapan identitas pengguna. Gunakan berbagai kombinasi nama pengguna dan kata sandi untuk memverifikasi bahwa hanya orang yang berwenang yang dapat mengaksesnya.
  • Otorisasi: Hak akses yang diberikan kepada pengguna tertentu. Menggabungkan pengguna, peran, dan operasi untuk memastikan bahwa hanya pengguna dengan hak akses yang memadai yang dapat melakukan operasi tertentu.

Uji Data untuk Hitam Box pengujian

Hitam Box Pengujian kode tidak terlihat oleh penguji. Kasus uji fungsional harus mencakup data yang memenuhi kriteria berikut:

  • Tidak ada data: Periksa respons jika tidak ada yang dikirimkan.
  • Data yang valid: Periksa respons dengan data uji yang benar.
  • Data tidak valid: Periksa respons dengan data uji yang salah.
  • Format data ilegal: Periksa respons ketika data berada dalam format yang tidak didukung.
  • Kumpulan data kondisi batas: Data yang berada pada nilai minimum, maksimum, dan tepat di luar batas.
  • Kumpulan data partisi kesetaraan: Data yang mewakili setiap kelas kesetaraan.
  • Kumpulan data tabel keputusan: data yang menerapkan setiap aturan dalam tabel keputusan.
  • Kumpulan data transisi keadaan: data yang menggerakkan sistem melalui setiap transisi keadaan yang telah ditentukan.
  • Data uji kasus penggunaan: Data yang selaras dengan kasus penggunaan ujung-ke-ujung.

Catatan: Tergantung pada aplikasi yang sedang diuji, Anda mungkin menggunakan sebagian atau seluruh kategori di atas.

Alat Pembuatan Data Uji Otomatis

Alat otomatis menghasilkan kumpulan data yang besar dan beragam lebih cepat daripada proses manual apa pun. Dua contoh yang sudah lama ada adalah:

  • Data Uji DTM Generator — sebuah utilitas yang dapat disesuaikan yang menghasilkan data, tabel, tampilan, dan prosedur untuk skenario pengujian basis data termasuk kinerja, QA, beban, dan kegunaan.
  • Datatect - sebuah SQL Generator data dari Banner Software yang menciptakan data uji realistis dalam file datar ASCII atau langsung ke sistem RDBMS seperti Oracle, Sybase, SQL Server, dan Informix.

Untuk daftar pendek yang telah dievaluasi dan terbaru, lihat 10 Data Uji Terbaik Generator Tools.

Praktik Terbaik untuk Mengelola Data Uji

Data uji yang andal bergantung pada pengelolaan rumah tangga yang disiplin.pingIkuti praktik-praktik ini untuk menjaga agar kumpulan data tetap sehat di berbagai rilis:

  • Versikan data Anda: Simpan kumpulan data dalam repositori bersama dengan kasus uji yang menggunakannya sehingga perubahan dapat diaudit.
  • Bidang sensitif masker: Anonimkan data pribadi, keuangan, dan kesehatan sebelum menyalin dari lingkungan produksi.
  • Perbarui secara berkala: Membangun ulang kumpulan data di setiap rilis untuk mengikuti perubahan skema dan aturan bisnis.
  • Dokumentasikan hasil yang diharapkan: Pasangkan setiap dataset dengan hasil yang diharapkan agar kegagalan mudah ditangani.
  • Otomatiskan penyemaian: Gunakan skrip atau fixture untuk memuat data di awal setiap pengujian, sehingga memastikan pengulangan hasil.

Pertanyaan Umum Demo Slot

Data uji adalah setiap input yang diberikan ke perangkat lunak selama pengujian. Untuk formulir login, contohnya termasuk nama pengguna dan kata sandi yang valid (positif), kata sandi kosong (negatif), dan email 300 karakter (batas).

Kasus uji menggambarkan langkah-langkah dan hasil yang diharapkan dari satu skenario. Data uji adalah nilai input spesifik yang dimasukkan ke dalam langkah-langkah tersebut. Setiap kasus uji membutuhkan kumpulan data tersendiri yang menjalankan skenario tersebut.

Data yang cukup adalah data yang mencakup setiap kelas kesetaraan, batasan, dan skenario berbobot risiko. Volume saja tidak sama dengan cakupan. Petakan data ke kasus uji dan berhenti menambahkan catatan ketika kesenjangan cakupan tertutup.

Hanya setelah menyembunyikan kolom-kolom sensitif seperti nama, nomor rekening, dan detail kesehatan. Data produksi yang tidak disembunyikan melanggar peraturan seperti GDPR dan HIPAA dan menciptakan risiko pelanggaran nyata jika lingkungan pengujian disusupi.

Kategori umum meliputi valid, tidak valid, batas, partisi kesetaraan, tabel keputusan, transisi keadaan, kasus penggunaan, dan himpunan tanpa data. Setiap kategori menargetkan risiko yang berbeda dalam aplikasi yang sedang diuji.

Perbarui data pengujian setelah setiap perubahan skema, rilis utama, pembaruan peraturan, atau setiap kali perilaku produksi berubah. Kumpulan data yang usang akan melewatkan aturan validasi baru dan menghasilkan hasil lulus yang salah selama pengujian regresi.

Alat AI mensintesis kumpulan data yang realistis dan beragam yang mengikuti aturan bisnis, menyembunyikan informasi pribadi, dan menyeimbangkan kasus positif dan negatif. Alat ini juga menandai skenario yang hilang dengan menganalisis persyaratan dan cakupan pengujian yang ada.

Tidak. AI mempercepat generasi dan memvalidasi pola, tetapi peninjau manusia harus menilai risiko bisnis, kasus-kasus khusus, dan persyaratan kepatuhan. Tim yang paling efektif menggabungkan kumpulan data yang dihasilkan AI dengan kurasi ahli.

Ringkaslah postingan ini dengan: