Gränsvärdesanalys och ekvivalensuppdelning

By: Thomas Hamilton Thomas Hamilton
Hours Uppdaterad

⚡ Smart sammanfattning

Ekvivalenspartitionering och gränsvärdesanalys är black-box-testtekniker som komprimerar stora indataområden till ekvivalensklasser och testpartitioneringskanter, vilket ger stark defektdetektering med effektiv täckning över giltiga och ogiltiga indata.

  • Partitionsingångar: Gruppera värden i giltiga och ogiltiga klasser för att ta bort redundans.
  • Target Gränser: Testa minimum-, nära-min-, nominella, nära-max- och maximumvärden.
  • Kombinera båda: Använd först ekvivalenspartitionering, sedan randvärdesanalys för kantdefekter.
  • Maximera täckningen: Ett värde per klass validerar beteendet för alla likvärdiga indata.
  • Använd AI Generators: AI-verktyg automatiserar partitionsidentifiering och skapande av gränsfall.
Läs mer

Fempunktsmodell för gränsvärdesanalys

Uttömmande testning är sällan genomförbar på grund av tids- och kombinatoriska begränsningar. Ekvivalenspartitionering och randvärdesanalys löser detta genom att grupperaping liknande ingångar och rikta in sig på deras kanter för starkare täckning med färre fall.

Vad är ekvivalenspartitionering?

Ekvivalensuppdelning (även kallad Equivalence Class Partitioning eller ECP) ​​är en black-box-teknik som delar upp indata i grupper med ekvivalenta värden. Testaren väljer en representant per klass, förutsatt att programvaran beter sig likadant för varje medlem.

  • Delar upp indatadomänen i giltiga och ogiltiga ekvivalensklasser.
  • Gäller överhuvudtaget testnivåer—enhet, integration, system och acceptans.

Vad är randvärdesanalys?

Gränsvärdesanalys (BVA), även kallad intervallkontroll, validerar extremgränserna för varje ekvivalensklass. Eftersom defekter klustras vid intervallgränser, riktar sig BVA mot fem nyckelpunkter:

  1. Minsta
  2. Precis över minimum
  3. Ett nominellt värde
  4. Strax under max
  5. Maximal

Fempunktsmodell för gränsvärdesanalys

BVA kompletterar ekvivalenspartitionering: när klasser har definierats dyker deras randvärden upp off-by-one och kantbuggar.

Varför använda ekvivalenspartitionering och randvärdesanalys?

Intelligent testval är avgörande när kombinationerna är för stora för att kunna testas uttömmande. Dessa tekniker erbjuder tre fördelar:

  1. Komprimera stora testfallsvolymer till hanterbara delar.
  2. Tillhandahåll tydliga regler för att välja testdata utan att offra effektiviteten.
  3. Passar beräkningsintensiva appar med många numeriska variabler.

Hur man utför ekvivalenspartitionering (exempel)

  • Titta på textrutan Beställ pizza nedan.
  • Kvantiteterna 1–10 är giltiga; ett meddelande om att det lyckades visas.
  • Kvantiteterna 11–99 är ogiltiga och utlöser “Endast 10 pizza kan beställas”.
Beställ pizza:

Testvillkor:

  1. Alla tal över 10 är ogiltiga.
  2. Alla siffror under 1 är ogiltiga.
  3. Numbers 1–10 är giltiga.
  4. Alla tresiffriga tal som -100 är ogiltiga.

Att testa varje värde producerar 100+ fall. Ekvivalenspartitionering grupperar domänen i klasser med identiskt beteende.

Ekvivalenspartitioneringsgrupper för Pizza-ingång

Dessa grupper kallas EkvivalensklasserVälj ett värde per klass – om det godkänns, godkänns alla andra; om det misslyckas, misslyckas hela klassen.

Representativa värden för ekvivalensklassen

RELATERADE ARTIKLAR

Hur man utför randvärdesanalys (exempel)

Med samma Pizza-fält kontrollerar BVA partitionskanter snarare än nominella värden. Testare utvärderar 0, 1, 10 och 11 – och täcker både giltiga och ogiltiga gränser.

Gränsvärdesanalys på pizzainmatning

För en ingång som accepterar 1 till 10 är gränstestfallen:

Testscenario Description Förväntat resultat
Gränsvärde = 0 Systemet bör INTE acceptera
Gränsvärde = 1 Systemet bör acceptera
Gränsvärde = 2 Systemet bör acceptera
Gränsvärde = 9 Systemet bör acceptera
Gränsvärde = 10 Systemet bör acceptera
Gränsvärde = 11 Systemet bör INTE acceptera

Ekvivalenspartitionering kontra randvärdesanalys

Båda minskar testvolymen men skiljer sig åt i fokus och timing.

Aspect Ekvivalensuppdelning Gränsvärdesanalys
Fokus Grupper av likvärdiga ingångar Kanterna för varje grupp
Dataurval Ett värde per klass Min, nära min, nominell, nära max, max
Bäst för Minska överflödiga ärenden Upptäcka defekter en efter en
Ordersammanställning Tillämpad först Tillämpas härnäst

Exempel: Validering av lösenordsfält

Ett lösenordsfält som accepterar 6 till 10 tecken bildar tre partitioner – 0–5, 6–10 och 11–14 – med motsvarande resultat inom varje.

Skriv in lösenord:
# Testscenario Förväntat resultat
1 Ange 0 till 5 tecken Systemet bör inte acceptera
2 Ange 6 till 10 tecken Systemet bör acceptera
3 Ange 11 till 14 tecken Systemet bör inte acceptera

Bästa praxis för ekvivalenspartitionering och BVA

Följ dessa metoder för att hålla täckningen stark samtidigt som du kontrollerar testantalet:

  • Kartlägg varje domän: Lista giltiga, ogiltiga och specialfallspartitioner först.
  • Testa båda sidor av varje gränsvärde: Inkludera värden bara inom och utanför för att upptäcka fel som bara är ett.
  • Kombinera tekniker: Kombinera med beslutstabeller eller tillståndsövergångstester för komplex logik.
  • Automatisera kantfall: Parametrisera gränsvärden så att regressionssviterna körs konsekvent.

Key Takeaways

  • Ekvivalenspartitionering grupperar liknande ingångar; ett värde per klass räcker.
  • Gränsvärdesanalys validerar partitionsgränser och giltiga/ogiltiga kanter.
  • Båda är black-box-tekniker för numeriska eller intervallbaserade fält.
  • Genom att kombinera dem minskas testvolymen utan att kvaliteten på feldetekteringen minskar.

Gränsvärdeanalys och ekvivalensfördelningstestningsvideo

Klicka här. om videon inte är tillgänglig

Vanliga frågor

Ekvivalenspartitionering väljer en representant per klass; gränsvärdesanalys riktar in sig på extremvärden vid varje kant. Partitionering minskar volymen och gränsvärdesanalys fångar gränsvärdesdefekter.

Ekvivalenspartitionering är en black-box-teknik eftersom den fokuserar på input-output-beteende utan åtkomst till källkod. Testare härleder partitioner från specifikationer, så den tillämpas på enhets-, integrations-, system- och acceptansnivåer.

Ja. Båda gäller för API-testning, där parametrar och nyttolastfält ofta har numeriska intervall eller längdgränser. Testare definierar partitioner för giltiga, ogiltiga och kantindata.

Undvik BVA när indata inte är numeriska intervall – såsom oordnade mängder, booleska flaggor eller kategoriska värden. Beslutstabeller eller tillståndsövergångstestning fungerar bättre eftersom gränser inte är meningsfulla där.

Robust BVA utökar standardmetoden genom att lägga till värden strax utanför det giltiga intervallet – ett under minimum och ett över maximum – för att verifiera hur systemet avvisar uppenbart ogiltiga indata.

Ja. AI-generatorer analyserar krav och scheman för att föreslå ekvivalensklasser och gränsvärden. Verktyg som Testim och Mabl lär dig snabbt av defekthistorik och fall av ytkanter.

AI upptäcker överlappningping partitioner, redundanta fall och missade kanter som testare förbiser. Maskininlärning rangordnar högriskgränser från defekthistorik, vilket möjliggör smartare testval och snabbare upptäckt av subtila problem.

RELATERADE ARTIKLAR

Ja. JUnit, TestNG, och pytest stöder parametriserad testning, vilket låter testare definiera partitioner och gränsvärden som indatauppsättningar. Detta möjliggör systematisk exekvering av ekvivalens- och gränsfall i CI-pipelines.

Sammanfatta detta inlägg med: