Grenseverdianalyse og ekvivalenspartisjonering

by: Thomas Hamilton Thomas Hamilton
Hours oppdatert

⚡ Smart oppsummering

Ekvivalenspartisjonering og grenseverdianalyse er svartboks-testteknikker som komprimerer store inngangsområder til ekvivalensklasser og testpartisjonskanter, og gir sterk feildeteksjon med effektiv dekning på tvers av gyldige og ugyldige innganger.

  • Partisjonsinnganger: Grupper verdier i gyldige og ugyldige klasser for å fjerne redundans.
  • Target Grenser: Test minimums-, nær-minimums-, nominelle-, nær-maks- og maksimumsverdier.
  • Kombiner begge: Bruk først ekvivalenspartisjonering, deretter grenseverdianalyse for kantdefekter.
  • Maksimer dekningen: Én verdi per klasse validerer oppførsel for alle likeverdige inndata.
  • Bruk AI Generators: AI-verktøy automatiserer partisjonsoppdagelse og oppretting av grensetilfeller.
Les mer

Fempunktsmodell for grenseverdianalyse

Uttømmende testing er sjelden gjennomførbart på grunn av tids- og kombinatoriske begrensninger. Ekvivalenspartisjonering og grenseverdianalyse løser dette ved å gruppereping lignende innganger og målrette kantene deres for sterkere dekning med færre tilfeller.

Hva er ekvivalenspartisjonering?

Ekvivalenspartisjonering (også kalt Equivalence Class Partitioning eller ECP) ​​er en svartboksteknikk som deler inndata i grupper med likeverdige verdier. Testeren velger én representant per klasse, forutsatt at programvaren oppfører seg likt for hvert medlem.

  • Deler inndatadomenet inn i gyldige og ugyldige ekvivalensklasser.
  • Gjelder i det hele tatt nivåer av testing—enhet, integrasjon, system og aksept.

Hva er grenseverdianalyse?

Grenseverdianalyse (BVA), også kalt rekkeviddekontroll, validerer de ekstreme endene av hver ekvivalensklasse. Fordi defekter grupperes ved rekkeviddegrenser, retter BVA seg mot fem hovedpunkter:

  1. Minimum
  2. Rett over minimum
  3. En nominell verdi
  4. Rett under maks
  5. Maksimum

Fempunktsmodell for grenseverdianalyse

BVA komplementerer ekvivalenspartisjonering: når klasser er definert, dukker grenseverdiene deres opp utenfor rekkevidde og kantfeil.

Hvorfor bruke ekvivalenspartisjonering og grenseverdianalyse?

Intelligent testutvalg er viktig når kombinasjonene er for store til å kunne testes uttømmende. Disse teknikkene gir tre fordeler:

  1. Komprimer store testvolumer til håndterbare deler.
  2. Sørg for klare regler for valg av testdata uten at det går på bekostning av effektiviteten.
  3. Passer til beregningsintensive apper med mange numeriske variabler.

Slik utfører du ekvivalenspartisjonering (eksempel)

  • Se på tekstboksen Bestill pizza nedenfor.
  • Mengdene 1–10 er gyldige; en suksessmelding vises.
  • Mengdene 11–99 er ugyldige, og utløser “Kun 10 pizzaer kan bestilles”.
Bestill pizza:

Testbetingelser:

  1. Alle tall over 10 er ugyldige.
  2. Ethvert tall under 1 er ugyldig.
  3. Numbers 1–10 er gyldige.
  4. Ethvert tresifret tall som -100 er ugyldig.

Testing av hver verdi produserer 100+ tilfeller. Ekvivalenspartisjonering grupperer domenet i klasser med identisk oppførsel.

Ekvivalenspartisjonerende grupper for Pizza-inngang

Disse gruppene kalles EkvivalensklasserVelg én verdi per klasse – hvis den består, består alle andre; hvis den mislykkes, mislykkes hele klassen.

Ekvivalensklasserepresentative verdier

RELATERTE ARTIKLER

Slik utfører du grenseverdianalyse (eksempel)

Ved å bruke det samme Pizza-feltet, sjekker BVA partisjonskanter i stedet for nominelle verdier. Testere evaluerer 0, 1, 10 og 11 – og dekker gyldige og ugyldige grenser.

Grenseverdianalyse på pizzainndata

For en inngang som aksepterer 1 til 10, er grensetesttilfeller:

Testscenario Description Forventet resultat
Grenseverdi = 0 Systemet skal IKKE godta
Grenseverdi = 1 Systemet bør akseptere
Grenseverdi = 2 Systemet bør akseptere
Grenseverdi = 9 Systemet bør akseptere
Grenseverdi = 10 Systemet bør akseptere
Grenseverdi = 11 Systemet skal IKKE godta

Ekvivalenspartisjonering vs. grenseverdianalyse

Begge reduserer testvolumet, men har ulik fokus og timing.

Aspekt Ekvivalenspartisjonering Grenseverdianalyse
Fokus Grupper av tilsvarende innganger Kantene til hver gruppe
Datavalg Én verdi per klasse Min, nær min, nominell, nær maks, maks
Best for Redusere overflødige saker Oppdage feil én etter én
Orden Anvendt først Brukes neste

Eksempel: Validering av passordfelt

Et passordfelt som godtar 6 til 10 tegn danner tre partisjoner – 0–5, 6–10 og 11–14 – med tilsvarende resultater innenfor hver.

Oppgi passord:
# Testscenario Forventet resultat
1 Skriv inn 0 til 5 tegn Systemet skal ikke akseptere
2 Skriv inn 6 til 10 tegn Systemet bør akseptere
3 Skriv inn 11 til 14 tegn Systemet skal ikke akseptere

Beste praksis for ekvivalenspartisjonering og BVA

Følg disse fremgangsmåtene for å opprettholde god dekning samtidig som du kontrollerer testantall:

  • Kartlegg hvert domene: List opp gyldige, ugyldige og partisjoner med spesielle tilfeller først.
  • Test begge sider av hver grense: Inkluder verdier bare innenfor og utenfor for å fange opp enkeltfeil.
  • Kombiner teknikker: Kombiner med beslutningstabeller eller testing av tilstandsoverganger for kompleks logikk.
  • Automatiser kantsaker: Parameteriser grenseverdier slik at regresjonssuiter kjører konsistent.

Nøkkelfunksjoner

  • Ekvivalenspartisjonering grupperer lignende innganger; én verdi per klasse er nok.
  • Grenseverdianalyse validerer partisjonsgrenser og gyldige/ugyldige kanter.
  • Begge er svartboksteknikker for numeriske eller områdebaserte felt.
  • Ved å kombinere dem reduseres testvolumet uten at det går utover kvaliteten på feilsøkingen.

Video for grenseverdianalyse og ekvivalenspartisjonstesting

Klikk her. hvis videoen ikke er tilgjengelig

Spørsmål og svar

Ekvivalenspartisjonering velger én representant per klasse; grenseverdianalyse sikter mot ekstremverdier ved hver kant. Partisjonering kutter volum, og grenseanalyse fanger opp grensedefekter.

Ekvivalenspartisjonering er en svartboksteknikk fordi den fokuserer på input-output-atferd uten tilgang til kildekode. Testere utleder partisjoner fra spesifikasjoner, slik at den gjelder på enhets-, integrasjons-, system- og akseptnivå.

Ja. Begge gjelder for API-testing, der parametere og nyttelastfelt ofte har numeriske områder eller lengdegrenser. Testere definerer partisjoner for gyldige, ugyldige og kantinndata.

Unngå BVA når inndata ikke er numeriske områder – for eksempel uordnede sett, boolske flagg eller kategoriske verdier. Beslutningstabeller eller tilstandsovergangstesting fungerer bedre fordi grenser ikke er meningsfulle der.

Robust BVA utvider standardtilnærmingen ved å legge til verdier rett utenfor det gyldige området – én under minimum og én over maksimum – for å bekrefte hvordan systemet avviser tydelig ugyldige inndata.

Ja. AI-generatorer analyserer krav og skjemaer for å foreslå ekvivalensklasser og grenseverdier. Verktøy som Testim og Mabl lær raskt av feilhistorikk og tilfeller av overflatekanter.

AI oppdager overlappingping partisjoner, redundante tilfeller og manglende kanter som testere overser. Maskinlæring rangerer høyrisikogrenser fra feilhistorikk, noe som muliggjør smartere testvalg og raskere deteksjon av subtile problemer.

RELATERTE ARTIKLER

Ja. JUnit, TestNG, og pytest støtter parameterisert testing, slik at testere kan definere partisjoner og grenseverdier som inndatasett. Dette muliggjør systematisk utførelse av ekvivalens- og grensetilfeller i CI-pipelines.

Oppsummer dette innlegget med: