对于职业我们要有梦想,不抛弃不放弃。人生才会有乐趣。

PairWise工程方法应用分析

上一篇 / 下一篇  2010-11-26 14:22:07 / 天气: 晴朗 / 心情: 高兴 / 精华(3) / 置顶(1) / 个人分类:软件测试基础

优点:

1、保证一定覆盖度,用例设计数目有效控制。

ü 通过因子间约束分析,保证了因子取值符合业务规则要求,避免无效用例的产生;

ü 通过混合组合策略,根据因子间关联程度的不同采用不同的组合策略,在保证因子有一定覆盖度以同时避免了不必要的组合。

ü 通过基本用例集的约束保证了重要用例的不遗漏;

ü 通过因子优先级保证重要因子组合的优先组合;

ü 对于关联性不明确的因子采用非全正交组合方式,在组合的同时保证了因子取值的遍历,在不增加用例数的同时也避免了覆盖的遗漏。

ü 解决了复杂系统正交不可行的问题。

2、优化测试策略,用例执行数目有效控制。

ü 采用迭代生成用例方式,并对不同组合深度下生成的用例赋予不同的标志,以配合不同测试策略下对用例覆盖度的疏密要求;

ü 降低继承用例的组合深度,只对与新增特性相关的因子进行深度组合;

ü 某些情况下,采用正交分析法得到的测试规格过多,底层用例成倍增长,测试可执行性变得很差,这时可考虑采用PairWise来压缩测试规格,特别是一些和比较高层因子(例外部环境相关)的组合维度可以降下来。

ü 与专家用例挑选法相比较,通过PairWise所挑选的用例分布更为客观和合理。

3PairWise算法和经验的集成,一定程度上提高了测试设计能力。

ü 经验得以固化。通过建模技术,被测对象的业务模型得以形式化描述,有利于测试经验的传承,减少对专家的依赖;

ü PairWise算法通过工具的支撑,用例生成的自动化程度高。

ü 有利于测试人员聚集于被测对象建模本身,而不必过于关注一些设计细节。

 

缺点:

1、非100%的全组合覆盖,可能会有遗漏。与单因子组合相比增加了覆盖深度,但与全正交组合相比,又会有组合上的遗漏,由此可能存在问题漏测的风险。

2、对测试建模完备性的强烈依赖。整个建模过程应该是应用的关键,应用效果的好坏依赖于此。测试因子提炼得是否全面、因子间的约束是否完备、因子间的组合是否有冗余,这些将直接影响到设计出来的用例的覆盖率和有效性。

3、对测试人员经验的要求。在测试设计过程中依赖于测试人员测试建模的完备性,在测试执行过程中又依赖于测试人员对业务的深刻理解,比如对问题所涉及的所有同类因子进行发散验证。

4、对工具支持有要求。在核心算法上:能描述各种错综复杂的被测对象模型,能依赖于模型的描述生成最优用例。在表示层上:界面友好、易用,用例的属性表述能与手工用例、非组合用例的无缝集成;

5、当执行因子过多时不易于聚焦。测试人员的聚集能力有限,当因子过多特别是执行因子过多时难以有效地执行,此时需要考虑用例拆分。

 

PairWise工程方法一定程度上保证了质量与效率的均衡,但任何东西都是双刃剑,有它的适用性,如果用得时机不对、用得不适当反而会适得其反。

 

 

关于PairWise工程方法目前在测试因子过多的时候,为了保证在短时间内产出更高效的测试用例,覆盖更多的测试功能分支,在效率和命中率上都会提高你的效率。以上的应用分析还是建议在测试方面有一定建树的人来看,同时对于PairWise工程方法不够了解的人建议去找一些基础资料看看。否则读过我文章的人根本不会明白PairWise工程方法是什么?

 

感谢大家的参与。


TAG:

 

评分:0

我来说两句

显示全部

:loveliness: :handshake :victory: :funk: :time: :kiss: :call: :hug: :lol :'( :Q :L ;P :$ :P :o :@ :D :( :)

Open Toolbar