Equivalence Partitioning là một kỹ thuật kiểm thử phần mềm, trong đó dữ liệu đầu vào được chia thành các phân vùng có giá trị hợp lệ và không hợp lệ, và điều bắt buộc là tất cả các phân vùng phải thể hiện cùng một hành vi. Nếu điều kiện của một phân vùng là đúng, thì điều kiện của phân hoạch bằng khác cũng phải đúng, và nếu điều kiện của một phân vùng là sai, thì điều kiện của phân vùng bằng khác cũng phải sai. Nguyên tắc của Equivalence Partitioning là, các trường hợp thử nghiệm nên được thiết kế để bao phủ mỗi phân vùng ít nhất một lần. Mỗi giá trị của mọi phân vùng bằng nhau phải thể hiện cùng một hành vi như khác.
Các bài viết liên quan:
Các Equivalence Partitioning bắt nguồn từ các yêu cầu và thông số kỹ thuật của phần mềm. Ưu điểm của phương pháp này là giúp giảm thời gian kiểm thử do số lượng trường hợp kiểm thử từ vô hạn đến hữu hạn ít hơn. Nó có thể áp dụng ở tất cả các cấp của quá trình thử nghiệm.
Ví dụ về kỹ thuật Equivalence Partitioning
Giả sử rằng có một chức năng của ứng dụng phần mềm chấp nhận một số chữ số cụ thể, không lớn hơn và nhỏ hơn số cụ thể đó. Ví dụ: số OTP chỉ chứa sáu chữ số, ít hơn hoặc nhiều hơn sáu chữ số sẽ không được chấp nhận và ứng dụng sẽ chuyển hướng người dùng đến trang lỗi.
1. Số OTP = 6 chữ số
Hãy xem thêm một ví dụ.
Một chức năng của ứng dụng phần mềm chấp nhận một số điện thoại di động 10 chữ số.
2. Số điện thoại di động = 10 chữ số
Trong cả hai ví dụ, chúng ta có thể thấy rằng có một phân vùng gồm hai phân vùng hợp lệ và không hợp lệ như nhau, khi áp dụng giá trị hợp lệ, chẳng hạn như OTP gồm sáu chữ số trong ví dụ đầu tiên và số điện thoại di động gồm 10 chữ số trong ví dụ thứ hai, cả hai phân vùng hợp lệ đều hoạt động giống nhau , tức là được chuyển hướng đến trang tiếp theo.
Xem thêm Statistical(thống kê) sử dụng Python
Hai phân vùng khác chứa các giá trị không hợp lệ, chẳng hạn như 5 hoặc ít hơn 5 và 7 hoặc nhiều hơn 7 chữ số trong ví dụ đầu tiên và 9 hoặc ít hơn 9 và 11 hoặc hơn 11 chữ số trong ví dụ thứ hai và khi áp dụng các giá trị không hợp lệ này, cả hai các phân vùng không hợp lệ hoạt động giống nhau, tức là được chuyển hướng đến trang lỗi.
Chúng ta có thể thấy trong ví dụ này, chỉ có ba trường hợp thử nghiệm cho mỗi ví dụ và đó cũng là nguyên tắc chính của Equivalence Partitioning nói rằng phương pháp này nhằm mục đích giảm số lượng trường hợp thử nghiệm.
Cách chúng tôi thực hiện Equivalence Partitioning
Chúng ta có thể thực hiện Equivalence Partitioning theo hai cách như sau:
Hãy để chúng tôi xem các phương pháp tiếp cận báo chí và thông lệ chung sẽ được sử dụng như thế nào trong các điều kiện khác nhau:
Điều kiện1
Nếu yêu cầu là một dải giá trị, thì lấy trường hợp thử nghiệm cho một đầu vào hợp lệ và hai đầu vào không hợp lệ.
Ở đây, Phạm vi giá trị ngụ ý rằng bất cứ khi nào chúng tôi muốn xác định các giá trị phạm vi, chúng tôi thực hiện Equivalence Partitioning để đạt được phạm vi kiểm tra tối thiểu. Và sau đó, chúng tôi tiến hành đoán lỗi để đạt được phạm vi kiểm tra tối đa.
Theo báo chí:
Ví dụ: trường Số lượng thử nghiệm chấp nhận một Phạm vi (100-400) các giá trị:
Theo phương pháp Luyện tập chung:
Bất cứ khi nào yêu cầu là Phạm vi + tiêu chí, sau đó chia Phạm vi thành các nội dung và kiểm tra tất cả các giá trị này.
Ví dụ:
Trong hình ảnh dưới đây, kỹ thuật pressman đủ để kiểm tra trường văn bản độ tuổi cho một hợp lệ và hai thương binh. Tuy nhiên, nếu chúng ta có điều kiện bảo hiểm từ mười năm trở lên được yêu cầu và nhiều hợp đồng bảo hiểm cho các nhóm tuổi khác nhau trong trường văn bản độ tuổi, thì chúng ta cần sử dụng phương pháp thực hành.
Điều kiện 2
Nếu yêu cầu là một tập hợp các giá trị, thì lấy trường hợp thử nghiệm cho một đầu vào hợp lệ và hai đầu vào không hợp lệ.
Ở đây, Bộ giá trị ngụ ý rằng bất cứ khi nào chúng ta phải kiểm tra một bộ giá trị, chúng ta chọn một đầu vào dương và hai đầu vào âm, sau đó chúng ta chuyển sang đoán lỗi và chúng ta cũng cần xác minh rằng tất cả các bộ giá trị đều theo yêu cầu.
ví dụ 1
- Dựa trên phương pháp Pressman
- Nếu Số tiền Chuyển là (100000-700000)
- Sau đó, 1 lakh →Accept
- Và theo phương pháp Luyện tập chung
- Phạm vi + Phần trăm cho 1 lakh – 7 lakh
- Như: 1lak – 3lak → 5,60%
- 3lak – 6lak → 3,66%
- 6lak – 7lak → Free
Nếu chúng ta có những thứ như khoản vay, chúng ta nên sử dụng phương pháp thực hành chung và tách các thứ đó thành các khoảng thời gian để đạt được phạm vi kiểm tra tối thiểu.
Ví dụ 2
nếu chúng tôi đang mua sắm trực tuyến, sản phẩm điện thoại di động và ID sản phẩm khác -1,4,7,9
Tại đây, 1 → phone covers 4 → earphones 7 → charger 9 → Screen guard
Và nếu chúng tôi cung cấp id sản phẩm là 4, nó sẽ được chấp nhận và đó là một giá trị hợp lệ và nếu chúng tôi cung cấp id sản phẩm là 5 và vỏ điện thoại, nó sẽ không được chấp nhận theo yêu cầu và đây là hai giá trị không hợp lệ.
Điều kiện 3
Nếu id yêu cầu Boolean (true / false), sau đó suy ra trường hợp thử nghiệm cho cả giá trị true / false.
Giá trị Boolean có thể đúng và sai đối với nút radio, các hộp kiểm.
Ví dụ
Ghi chú:
Trong phương pháp Thực hành, chúng ta sẽ làm theo quy trình dưới đây:
Ở đây, chúng tôi đang thử nghiệm ứng dụng bằng cách lấy các giá trị đầu vào bên dưới:
Hãy cho chúng tôi xem một chương trình để hiểu rõ hơn.
Nếu (số tiền <500 hoặc> 7000)
{
Thông báo lỗi
}
nếu (số tiền từ 500 đến 3000)
{
khấu trừ 2%
}
nếu (số lượng> 3000)
{
khấu trừ 3%
}
Khi sử dụng kỹ thuật pressman , hai điều kiện đầu tiên được kiểm tra, nhưng nếu chúng ta sử dụng phương pháp thực hành, cả ba điều kiện đều được bảo hiểm.
Chúng ta không cần phải sử dụng phương pháp thực hành cho tất cả các ứng dụng. Đôi khi, chúng tôi cũng sẽ sử dụng phương pháp pressman.
Tuy nhiên, nếu ứng dụng có độ chính xác cao, thì chúng ta sẽ áp dụng phương pháp thực hành.
Nếu chúng ta muốn sử dụng phương pháp luyện tập, nó phải tuân theo các khía cạnh sau:
- Nó phải là sản phẩm cụ thể
- Nó phải theo từng trường hợp cụ thể
- Số lượng vạch chia phụ thuộc vào độ chính xác (khấu trừ 2% và 3%)
- Ưu điểm và nhược điểm của kỹ thuật Equivalence Partitioning
Các bài viết khác:
Sau đây là ưu và nhược điểm của kỹ thuật Equivalence Partitioning:
| Ưu điểm | Nhược điểm |
| Nó hướng tới quá trình | Tất cả các đầu vào cần thiết có thể không bao gồm. |
| Chúng tôi có thể đạt được phạm vi kiểm tra tối thiểu | Kỹ thuật này sẽ không xem xét điều kiện để phân tích giá trị biên. |
| Nó giúp giảm thời gian thực hiện kiểm tra chung và cũng giảm tập hợp dữ liệu kiểm tra. | Kỹ sư thử nghiệm có thể cho rằng đầu ra cho tất cả tập dữ liệu là đúng, điều này dẫn đến sự cố trong quá trình thử nghiệm. |
