Skip to content
بازگشت به نتایج جست‌وجو

آزمون تقسیم‌بندی هم‌ارزی

معرفی‌شده توسط
Glenford Myers
سال
1979
نوع
partitioning strategy
خانواده
Test case design

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

تقسیم‌بندی هم‌ارزی، دامنه‌های ورودی را به کلاس‌های هم‌ارزی — مجموعه‌هایی از ورودی‌ها که انتظار می‌رود رفتار یکسانی داشته باشند — تقسیم می‌کند و سپس موارد آزمون را از هر کلاس انتخاب می‌کند. این تکنیک که توسط مایرز (1979) معرفی شد، موارد آزمون را ضمن حفظ اثربخشی کاهش می‌دهد. تحلیل مقدار مرزی (BVA) با آزمون مقادیر در مرزهای تقسیم‌بندی که اغلب خطاها رخ می‌دهند، تقسیم‌بندی را تکمیل می‌کند.

شهود پشت روش

آزمون هر ورودی ممکن غیرعملی است؛ تقسیم‌بندی هم‌ارزی تشخیص می‌دهد که بسیاری از ورودی‌ها رفتار یکسانی دارند. اگر یک تابع برای یک مقدار در یک تقسیم‌بندی کار کند، به احتمال زیاد برای همه مقادیر در آن تقسیم‌بندی نیز کار می‌کند. باگ‌ها اغلب در مرزهای بین تقسیم‌بندی‌ها پنهان می‌شوند. با انتخاب یک نماینده از هر تقسیم‌بندی به علاوه موارد مرزی، مجموعه‌های آزمون به طور کارآمد پوشش گسترده‌ای را به دست می‌آورند.

تاریخ

مایرز تقسیم‌بندی هم‌ارزی و تحلیل مقدار مرزی را در اثر پیشگامانه خود در سال 1979 در مورد آزمون نرم‌افزار معرفی کرد. بیزر (1990) راهنمایی‌های عملی را گسترش داد و انواع مختلف تقسیم‌بندی را دسته‌بندی کرد. ابزارهای مدرن (تولیدکننده‌های آزمون خودکار) از تقسیم‌بندی به عنوان پایه استفاده می‌کنند. این تکنیک در برنامه‌های درسی طراحی موارد آزمون و شیوه‌های آزمون صنعتی استاندارد باقی مانده است.

چه زمانی استفاده شود

تقسیم‌بندی هم‌ارزی را زمانی به کار ببرید که دامنه ورودی بزرگ یا پیوسته باشد (محدوده‌های اعداد صحیح، اعداد اعشاری). به ویژه برای توابعی با محدوده‌های ورودی واضح مؤثر است: توابع اعتبارسنجی، توابع ریاضی، تجزیه‌کننده‌های پروتکل. آن را با تحلیل مقدار مرزی ترکیب کنید تا خطاهای «یک واحد کم یا زیاد» و موارد لبه‌ای را شناسایی کنید. برای شرایط منطقی پیچیده ارزش کمتری دارد؛ تحلیل جدول تصمیم برای این موارد مناسب‌تر است.

محدودیت‌ها و ملاحظات

  • اثربخشی به شناسایی صحیح تقسیم‌بندی‌ها بستگی دارد؛ تقسیم‌بندی‌های اشتباه منجر به نادیده گرفتن باگ‌ها می‌شوند.
  • فرض می‌کند ورودی‌ها مستقل هستند؛ تعاملات ترکیبی بین ورودی‌ها ممکن است از شناسایی فرار کنند.
  • همه انواع نقص را شناسایی نمی‌کند: خطاهای منطقی، باگ‌های وابسته به حالت، مسائل همزمانی اغلب در کلاس‌های هم‌ارز پنهان می‌شوند.
  • انتخاب مقدار مرزی می‌تواند خودسرانه باشد؛ دستورالعمل‌ها کمک می‌کنند اما قضاوت ذهنی باقی می‌ماند.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • تعداد موارد آزمون را به طور چشمگیری کاهش می‌دهد در حالی که پوشش را حفظ می‌کند؛ پوشش نزدیک به مرز را با موارد آزمون خطی به دست می‌آورد.
  • این شهود را به تصویر می‌کشد که ورودی‌ها در یک کلاس رفتار مشابهی دارند؛ تقسیم‌بندی‌ها با هدف طراحی نرم‌افزار همسو هستند.
  • تحلیل مقدار مرزی الگوهای رایج نقص (خطاهای «یک واحد کم یا زیاد»، خطاهای «پست حصار») را شناسایی می‌کند.
  • درک و به کارگیری آن ساده است؛ یک تکنیک قابل آموزش برای تیم‌های مهندسی نرم‌افزار.

کاربردها

  • آزمون تابع اعتبارسنجی تاریخ با تقسیم‌بندی ورودی‌ها: تاریخ‌های معتبر، تاریخ‌های نامعتبر، تاریخ‌های مرزی (28/29 فوریه)، منطق سال کبیسه، مرزهای ماه.
  • تأیید بررسی محدوده در نقاط پایانی API با شناسایی محدوده‌های پارامتر معتبر، آزمون مقادیر لبه‌ای (0، منفی، حداکثر عدد صحیح) و افراطی‌های نامعتبر.
  • آزمون محاسبه تخفیف در تجارت الکترونیک: تقسیم‌بندی برای سطوح مختلف تخفیف، مقادیر سفارش مرزی (مثلاً 50 دلار باعث 10% تخفیف می‌شود)، موارد لبه‌ای (صفر، مقادیر منفی).
  • اعتبارسنجی فرم ورود با تقسیم‌بندی دامنه‌های نام کاربری/رمز عبور: ترکیبات معتبر، ورودی‌های خالی، کاراکترهای خاص، محدوده‌های طول، تلاش‌های تزریق SQL.

چگونه کار می‌کند

چگونه کار می‌کند

1

دامنه ورودی را تحلیل کرده و آن را به کلاس‌های هم‌ارزی — مجموعه‌هایی از ورودی‌ها که انتظار می‌رود رفتار برنامه‌ای یکسانی ایجاد کنند — تقسیم کنید. کلاس‌های معتبر (ورودی‌هایی که سیستم باید بپذیرد) و کلاس‌های نامعتبر (ورودی‌هایی که سیستم باید رد کند) را شناسایی کنید. مقادیر مرزی را در لبه‌های کلاس‌ها لحاظ کنید.

2

برای هر کلاس هم‌ارزی، یک مورد آزمون نماینده انتخاب کنید. موارد آزمون مقدار مرزی را در لبه هر تقسیم‌بندی (کمی داخل، در، و کمی خارج از مقادیر مرزی) اضافه کنید تا خطاهای «یک واحد کم یا زیاد» و خطاهای «پست حصار» را شناسایی کنید.

3

موارد آزمون انتخاب شده را اجرا کرده و خروجی‌های واقعی را با خروجی‌های مورد انتظار مقایسه کنید. اگر هر مورد آزمون با شکست مواجه شد، علت شکست را بررسی کرده و در صورت نیاز، تعاریف تقسیم‌بندی را اصلاح کنید.

دام‌های رایج

  • اعتماد بیش از حد به فرض هم‌ارزی؛ ورودی‌های مشابه همیشه رفتار یکسانی تولید نمی‌کنند، به ویژه با محاسبات ممیز شناور.
  • نادیده گرفتن ورودی‌های نامعتبر؛ هم کلاس‌های هم‌ارزی معتبر و هم موارد مرزی نامعتبر را آزمون کنید.
  • نادیده گرفتن حالت: برای سیستم‌های حالت‌مند، رفتار ممکن است به اقدامات قبلی بستگی داشته باشد، نه فقط به ورودی فعلی.
  • تقسیم‌بندی فقط متغیرهای آشکار؛ گاهی اوقات متغیرهای حالت پنهان (پیکربندی سیستم، زمان) تقسیم‌بندی‌های اضافی ایجاد می‌کنند.

پرسش‌های متداول

چگونه کلاس‌های هم‌ارزی را برای ورودی‌های پیچیده شناسایی کنم؟

با مشخصات دامنه شروع کنید: چه مقادیری معتبر هستند، چه محدوده‌هایی وجود دارند، چه مقادیری مستثنی شده‌اند؟ مقادیری را که انتظار می‌رود رفتار برنامه برای آنها یکسان باشد، گروه‌بندی کنید. برای ورودی‌های عددی، کلاس‌های معمول عبارتند از: اعداد منفی، صفر، اعداد مثبت، مقادیر بزرگ، مقادیری که باعث سرریز می‌شوند. برای رشته‌ها: خالی، طول عادی، حداکثر طول، کاراکترهای خاص، غیر ASCII. برای یافتن تقسیم‌بندی‌های مبتنی بر قصد، به الزامات مراجعه کنید.

تفاوت بین کلاس‌های هم‌ارزی معتبر و نامعتبر چیست؟

کلاس‌های هم‌ارزی معتبر شامل ورودی‌هایی هستند که الزامات سیستم را برآورده می‌کنند؛ کلاس‌های نامعتبر شامل ورودی‌هایی هستند که الزامات را نقض می‌کنند. هر دو را آزمون کنید: کلاس‌های معتبر رفتار صحیح را تأیید می‌کنند؛ کلاس‌های نامعتبر مدیریت خطا را تأیید می‌کنند. مثال: اعتبارسنجی ورودی سن: کلاس معتبر [0, 150]، کلاس‌های نامعتبر [<0] و [>150]. موارد آزمون را از هر دو برای اعتبارسنجی منطق پذیرش و رد لحاظ کنید.

چند مورد آزمون باید برای هر کلاس هم‌ارزی تولید کنم؟

حداقل: یک مورد آزمون برای هر کلاس هم‌ارزی (پوشش پایه را به دست می‌آورد). مؤثر: موارد آزمون مرزی را اضافه کنید (کمی داخل/در/خارج از مرز). برای سیستم‌های حیاتی، آزمون‌های اضافی را در داخل کلاس‌ها اضافه کنید. بیش از حد ایجاد نکنید؛ بازده نزولی اعمال می‌شود. یک تابع با 5 کلاس هم‌ارزی × 3 مورد آزمون در هر کلاس = 15 آزمون معمول است؛ 50 آزمون نشان‌دهنده آزمون بیش از حد است.

آیا تقسیم‌بندی هم‌ارزی می‌تواند تضمین کند که همه باگ‌ها را شناسایی خواهم کرد؟

خیر. تقسیم‌بندی هم‌ارزی باگ‌ها را در اعتبارسنجی ورودی و بررسی محدوده به خوبی شناسایی می‌کند. این روش خطاهای منطقی، باگ‌های وابسته به حالت و مسائل همزمانی را از دست می‌دهد. آن را با سایر تکنیک‌ها ترکیب کنید: تحلیل مقدار مرزی (که در اینجا پوشش داده شد)، تحلیل جدول تصمیم (برای منطق پیچیده)، آزمون مبتنی بر حالت (برای سیستم‌های حالت‌مند)، آزمون اکتشافی (سناریوهای خلاقانه).

روش‌های مرتبط

منابع

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

    باز کردن مرجع انتشار
    کپی شد.
  2. Beizer, B. (1990). Software Testing Techniques (2nd ed.). International Thomson Computer Press.

    باز کردن مرجع انتشار
    کپی شد.
  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.

    باز کردن مرجع انتشار
    کپی شد.