Zum Inhalt springen
Zurück zu den Suchergebnissen

Äquivalenzklassenbildung

Eingeführt von
Glenford Myers
Jahr
1979
Typ
partitioning strategy
Familie
Test case design

Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen

Schriftgröße

Was leistet sie?

Die Äquivalenzklassenbildung teilt Eingabedomänen in Äquivalenzklassen auf – Mengen von Eingaben, von denen erwartet wird, dass sie sich identisch verhalten – und wählt dann Testfälle aus jeder Klasse aus.

Diese von Myers (1979) eingeführte Technik reduziert die Anzahl der Testfälle bei gleichzeitiger Aufrechterhaltung der Effektivität. Die Grenzwertanalyse (BVA) ergänzt die Partitionierung durch das Testen von Werten an den Partitionsgrenzen, wo Fehler häufig auftreten.

Die Intuition hinter der Methode

Das Testen aller möglichen Eingaben ist nicht durchführbar; die Äquivalenzklassenbildung erkennt an, dass viele Eingaben sich identisch verhalten. Wenn eine Funktion für einen Wert in einer Partition funktioniert, funktioniert sie wahrscheinlich für alle Werte in dieser Partition. Fehler verbergen sich oft an den Grenzen zwischen den Partitionen. Durch die Auswahl eines Vertreters aus jeder Partition plus Randfällen erreichen Testsuiten effizient eine breite Abdeckung.

Geschichte

Myers führte die Äquivalenzklassenbildung und die Grenzwertanalyse in seiner wegweisenden Arbeit über Softwaretests von 1979 ein. Beizer (1990) erweiterte die praktische Anleitung und kategorisierte verschiedene Partitionsarten. Moderne Werkzeuge (automatisierte Testgeneratoren) nutzen die Partitionierung als Grundlage. Die Technik bleibt ein Standard in Lehrplänen für Testfalldesign und industriellen Testpraktiken.

Wann wird sie eingesetzt?

Wenden Sie die Äquivalenzklassenbildung an, wenn die Eingabedomäne groß oder kontinuierlich ist (Bereiche von ganzen Zahlen, Gleitkommazahlen). Besonders effektiv für Funktionen mit klaren Eingabebereichen: Validierungsfunktionen, mathematische Funktionen, Protokoll-Parser. Kombinieren Sie mit der Grenzwertanalyse, um Off-by-one-Fehler und Randfälle zu erkennen. Weniger wertvoll für komplexe logische Bedingungen; die Entscheidungstabellenanalyse eignet sich besser dafür.

Grenzen und Hinweise

  • Die Effektivität hängt von der korrekten Identifizierung der Partitionen ab; falsche Partitionen übersehen Fehler
  • Geht von unabhängigen Eingaben aus; kombinatorische Wechselwirkungen zwischen Eingaben können unentdeckt bleiben
  • Erkennt nicht alle Fehlertypen: Logikfehler, zustandsabhängige Fehler, Nebenläufigkeitsprobleme verbergen sich oft in äquivalenten Klassen
  • Die Auswahl der Grenzwerte kann willkürlich sein; Richtlinien helfen, aber subjektives Urteilsvermögen bleibt bestehen

Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.

Stärken

  • Reduziert die Anzahl der Testfälle drastisch bei gleichzeitiger Aufrechterhaltung der Abdeckung; erreicht eine Abdeckung nahe der Grenze mit linearen Testfällen
  • Erfasst die Intuition, dass Eingaben in einer Klasse sich ähnlich verhalten; Partitionen stimmen mit der Absicht des Softwaredesigns überein
  • Die Grenzwertanalyse erkennt gängige Fehlermuster (Off-by-one-, Zaunpfahlfehler)
  • Einfach zu verstehen und anzuwenden; lehrbare Technik für Software-Engineering-Teams

Anwendungen

  • Testen einer Datumsvalidierungsfunktion durch Partitionierung der Eingaben: gültige Daten, ungültige Daten, Grenzdaten (28./29. Feb.), Schaltjahrlogik, Monatsgrenzen
  • Überprüfung der Bereichsprüfung in API-Endpunkten durch Identifizierung gültiger Parameterbereiche, Testen von Grenzwerten (0, negativ, maximaler Integer) und ungültigen Extremwerten
  • Testen der Rabattberechnung im E-Commerce: Partitionen für verschiedene Rabattstufen, Grenzwerte für Bestellungen (z. B. 50 € lösen 10 % Rabatt aus), Randfälle (Null, negative Beträge)
  • Validierung des Login-Formulars durch Partitionierung der Benutzername-/Passwortdomänen: gültige Kombinationen, leere Eingaben, Sonderzeichen, Längenbegrenzungen, SQL-Injection-Versuche

So funktioniert es

So funktioniert es

1

Analysieren Sie die Eingabedomäne und teilen Sie sie in Äquivalenzklassen auf – Mengen von Eingaben, von denen erwartet wird, dass sie ein identisches Programmverhalten verursachen. Identifizieren Sie gültige Klassen (Eingaben, die das System akzeptieren sollte) und ungültige Klassen (Eingaben, die das System ablehnen sollte). Beziehen Sie Randwerte an den Klassengrenzen ein.

2

Wählen Sie für jede Äquivalenzklasse einen repräsentativen Testfall aus. Fügen Sie Grenzwert-Testfälle am Rand jeder Partition hinzu (knapp innerhalb, am und knapp außerhalb der Grenzwerte), um Off-by-one- und Zaunpfahlfehler zu erkennen.

3

Führen Sie die ausgewählten Testfälle aus und vergleichen Sie die tatsächlichen Ausgaben mit den erwarteten Ausgaben. Wenn ein Testfall fehlschlägt, untersuchen Sie die Fehlerursache und verfeinern Sie bei Bedarf die Partitionsdefinitionen.

Häufige Fallstricke

  • Übermäßiges Vertrauen in die Äquivalenzannahme; ähnliche Eingaben führen nicht immer zu identischen Ergebnissen, insbesondere bei Gleitkommaarithmetik
  • Ungültige Eingaben werden vernachlässigt; testen Sie sowohl gültige Äquivalenzklassen als auch ungültige Grenzfälle
  • Zustand wird ignoriert: Bei zustandsbehafteten Systemen kann das Verhalten von früheren Aktionen abhängen, nicht nur von der aktuellen Eingabe
  • Nur offensichtliche Variablen werden partitioniert; manchmal erzeugen versteckte Zustandsvariablen (Systemkonfiguration, Zeit) zusätzliche Partitionen

Häufig gestellte Fragen

Wie identifiziere ich Äquivalenzklassen für komplexe Eingaben?

Beginnen Sie mit der Domänenspezifikation: Welche Werte sind gültig, welche Bereiche gibt es, welche Werte sind ausgeschlossen? Gruppieren Sie Werte, bei denen ein identisches Programmverhalten erwartet wird. Für numerische Eingaben typische Klassen: negative Zahlen, Null, positive Zahlen, große Werte, Werte, die einen Überlauf verursachen. Für Zeichenketten: leer, normale Länge, maximale Länge, Sonderzeichen, Nicht-ASCII. Konsultieren Sie die Anforderungen, um absichtsbasierte Partitionen zu finden.

Was ist der Unterschied zwischen gültigen und ungültigen Äquivalenzklassen?

Gültige Äquivalenzklassen enthalten Eingaben, die die Systemanforderungen erfüllen; ungültige Klassen enthalten Eingaben, die die Anforderungen verletzen. Testen Sie beides: Gültige Klassen verifizieren das korrekte Verhalten; ungültige Klassen verifizieren die Fehlerbehandlung. Beispiel: Altersvalidierung: gültige Klasse [0, 150], ungültige Klassen [<0] und [>150]. Beziehen Sie Testfälle aus beiden ein, um die Akzeptanz- und Ablehnungslogik zu validieren.

Wie viele Testfälle sollte ich pro Äquivalenzklasse generieren?

Minimum: Ein Testfall pro Äquivalenzklasse (erreicht grundlegende Abdeckung). Effektiv: Fügen Sie Grenzwert-Testfälle hinzu (knapp innerhalb/am/außerhalb der Grenze). Für kritische Systeme fügen Sie zusätzliche Tests innerhalb der Klassen hinzu. Erstellen Sie nicht zu viele; abnehmende Erträge gelten. Eine Funktion mit 5 Äquivalenzklassen × 3 Testfällen pro Klasse = 15 Tests ist typisch; 50 Tests deuten auf Übertestung hin.

Kann die Äquivalenzklassenbildung garantieren, dass ich alle Fehler finde?

Nein. Die Äquivalenzklassenbildung findet hervorragend Fehler bei der Eingabevalidierung und Bereichsprüfung. Sie übersieht Logikfehler, zustandsabhängige Fehler und Nebenläufigkeitsprobleme. Kombinieren Sie mit anderen Techniken: Grenzwertanalyse (hier behandelt), Entscheidungstabellenanalyse (für komplexe Logik), zustandsbasierte Tests (für zustandsbehaftete Systeme), explorative Tests (kreative Szenarien).

Verwandte Methoden

Quellen

  1. Myers, G. J. (1979). The Art of Software Testing. John Wiley & Sons.

    Publikationsreferenz öffnen
    Kopiert.
  2. Beizer, B. (1990). Software Testing Techniques (2nd ed.). International Thomson Computer Press.

    Publikationsreferenz öffnen
    Kopiert.
  3. Coppit, D., & Leavens, G. T. (2003). Practical implications of simpler, more scalable path-sensitive data flow analyses. ACM Transactions on Software Engineering and Methodology, 12(3), 261–306.

    Publikationsreferenz öffnen
    Kopiert.