软件测试中的测试数据是什么？
托马斯·汉密尔顿
作为测试人员，你可能觉得设计测试用例已经够难了——那么为什么还要费心处理测试数据这种常规工作呢？本教程将介绍测试数据，解释其重要性，并分享快速生成测试数据的实用技巧。
软件测试中的测试数据是什么？
软件测试中的测试数据 测试数据是指在测试执行期间传递给软件程序的输入。它代表在测试过程中影响软件或受软件影响的数据。测试数据用于正向测试（验证函数对于给定的输入是否产生预期结果）和负向测试（检查软件如何处理异常、特殊或无效的输入）。
设计不佳的测试数据无法涵盖所有可能的情况，这直接影响软件质量。
什么是测试数据生成？为什么要在测试执行之前创建测试数据？
测试是一个产生和使用大量数据的过程。测试中使用的数据描述了测试的初始条件，也是测试人员与软件交互的媒介。因此，它是大多数测试流程的关键组成部分。 功能测试.
根据您的测试环境，您可能需要： 创建信息图 从零开始收集测试数据，或者至少找到一个合适的现有数据集供您使用。 测试用例测试数据通常是与它所支持的测试用例同步创建的。
测试数据可以通过以下四种常见方式生成：
- 由测试人员或业务分析师手动完成。
- 将生产环境中的数据批量复制到测试环境。
- 从旧版客户端系统批量复制测试数据。
- 自动化测试数据生成工具。
应生成样本数据。 before 测试执行必须立即开始，因为之后再创建测试环境难以管理。许多测试环境在加载数据之前需要多个预处理步骤或耗时的配置。如果在执行阶段才生成数据，则可能会错过测试截止日期。
以下各节将介绍几种测试类型，并就其测试数据需求提出建议。
白色的测试数据 Box 测试与验证
In 白色 Box 测试与验证测试数据管理源于对被测代码的直接检查。选择标准通常包括：
- 分支机构覆盖范围： 生成数据，以便源代码中的每个分支至少被测试一次。
- 路径测试： 设计数据，使每条路径至少执行一次。
- 负 API测试: 使用无效的参数类型或无效的参数组合来调用内部方法。
性能测试的测试数据
性能测试 衡量系统在特定工作负载下的响应速度。其目的并非查找功能性缺陷，而是识别瓶颈。样本数据集必须非常接近真实数据集。 真实或直播 要使结果有意义，需要生产数据。
如何获取此类数据？最可靠的来源是…… 客户 他们自己。他们既可以提供现有的数据集，也可以描述真实世界的数据是什么样子，以便你进行建模。 维护测试 在项目中，您可以将生产环境中的数据复制到测试环境中。这是一种很好的做法。 匿名 在进行任何复制之前，请对敏感字段（例如社会保障号码、信用卡号码、银行详细信息）进行加密。
安全测试的测试数据
安全测试 验证信息系统是否能保护数据免受恶意攻击。数据集必须涵盖以下四个方面：
- 保密： 客户信息将严格保密，不会与任何外部方共享。如果应用程序使用 SSL，请提供设计数据以证明加密的正确性。
- Integrity: 系统返回的信息是正确的。通过审查设计、代码、数据库模式和文件结构来构建数据。
- 验证： 建立用户身份的过程。使用不同的用户名和密码组合来验证只有授权人员才能访问。
- 授权： 授予特定用户的权限。结合用户、角色和操作，确保只有拥有足够权限的用户才能执行特定操作。
黑色测试数据 Box 测试与验证
黑色 Box 测试代码对测试人员是不可见的。功能测试用例应包含符合以下标准的数据：
- 无数据： 检查未提交任何内容时的响应。
- 有效数据： 使用正确的测试数据检查响应。
- 数据无效： 使用错误的测试数据检查响应。
- 非法数据格式： 检查数据格式不支持时的响应。
- 边界条件数据集： 位于最小值、最大值和边界值之外的数据。
- 等价划分数据集： 代表每个等价类的数据。
- 决策表数据集： 能够检验决策表中每条规则的数据。
- 状态转换数据集： 驱动系统完成每个既定状态转换的数据。
- 用例测试数据： 数据与端到端用例相符。
注意： 根据被测应用程序的不同，您可以使用上述部分或全部类别。
自动测试数据生成工具
自动化工具生成大型、多样化数据集的速度远超任何人工操作。以下是两个由来已久的例子：
- DTM 测试数据 Generator — 一个可定制的实用程序，可生成用于数据库测试场景（包括性能、质量保证、负载和可用性）的数据、表、视图和过程。
- 达泰克 - 一个 SQL Banner Software 出品的数据生成器，可创建逼真的测试数据，格式可以是 ASCII 平面文件，也可以直接导入到关系数据库管理系统 (RDBMS) 中，例如： Oracle、Sybase、SQL Server 和 Informix。
如需查看经过评估的最新入围名单，请参阅 10 个最佳测试数据 Generator 工具.
管理测试数据的最佳实践
可靠的测试数据取决于纪律严明的家务人员ping遵循以下做法，以确保数据集在版本发布过程中保持良好状态：
- 数据版本控制： 将数据集与使用这些数据集的测试用例一起存储在存储库中，以便对更改进行审计。
- 掩蔽敏感区域： 从生产环境复制之前，请对个人、财务和健康数据进行匿名化处理。
- 定期刷新： 每次版本发布时都会重建数据集，以跟上架构和业务规则的变化。
- 记录预期成果： 将每个数据集与预期结果配对，以便轻松对故障进行分类。
- 自动播种： 使用脚本或固定装置在每次测试运行开始时加载数据，以确保可重复性。
