2、用正交分析方法设计测试用例

　　所谓正交试验法，就是从大量的试验点中挑选出适量的，有代表性的点，合理的安排试验。

　　如果我们直接在上例中运用正交试验法，可能仍然达不到我们可以接受的范围，即测试用例还是很多。这时我们可以计算各因子和状态的权值，删去一部分权值较小，即重要性较小的因子或者状态，使最后生成的测试用例集缩减到我们可以接受的范围。

　　针对上例中，我们做如下修改（这里只是指出怎么应用正交试验法，所选修改以简便为主，实际中可根据需要删减）：

　　码流类别：主码流=0，子码流=1

　　码流类型：复合流=0，视频流=1

　　分辨率：DCIF=0，CIF=1，QCIF=2，4CIF=3，保留=4

　　图像质量：最好=0，较好=1，次好=2，一般=3，差=4

　　视频帧率：全帧率=0，1/16=1，1/4=2，1=3，10=4，20=5

　　帧类型：单P帧=0，BBP帧=1，BP帧=2

　　根据上面分析情况，我们在常用正交矩阵表中，选择在保证因素数、水平数最接近但略大于实际值的基础上，选择行数最小的矩阵表。我们选择5^6的矩阵表：如下

　　对于有些因子实际上所含的状态数小于5个，可以用确定的状态数去间隔性的填充范围外的状态。最后把因子实际的状态按照上面的规则填到正交试验表中，即可得到可接受的测试用例。

　　这里对这两种方法做个比较小结：

　　1、正交分析方法是对任意多个因素取值组合实施“等概率”覆盖，以便我们得到的实验样本均匀的分布在样本空间。“等概率覆盖”有助于在正交试验中确定各个因素对实验结果的贡献，但是对于组合测试提高错误检测能力并没有帮助。组合分析是随机生成的，它的原则是覆盖即可，不会去考虑“等概率”覆盖的问题。

　　2、通过上面的例子我们知道使用正交表构造测试用例，要寻找正确的正交表、对其进行剪裁、替换参数，方能获得测试用例集。但是对其裁剪，会降低测试的覆盖率；不裁剪，生成的测试用例数超出了我们可以接受的范围。而组合分析运用PICT可以很方便的获取一组测试数据，在回归测试中，可以很方便的运用另一组组合分析数据，提高测试覆盖率。

　　运用正交试验分析需要对要测试的因子及因子状态有清楚的了解，并对其加权，哪些权值较重，哪些较轻，很适合测试小生用， 可以加深对测试对象的理解，对业务流程的熟悉。组合分析利于快速的生成测试用例，不需要对测试对象有深刻的了解。具体运用哪种方法，要看具体测试对象，也要看测试人员自己的喜好。