Skip to content
Назад к результатам поиска

Тестирование методом разбиения на эквивалентные классы

Автор метода
Glenford Myers
Год
1979
Тип
partitioning strategy
Семейство
Test case design

Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском

Размер шрифта

Что он делает?

Метод разбиения на эквивалентные классы (Equivalence Partitioning Testing) разделяет входные домены на классы эквивалентности — множества входных данных, которые, как ожидается, будут обрабатываться одинаково, — а затем выбирает тестовые случаи из каждого класса.

Эта техника, предложенная Майерсом (Myers, 1979), сокращает количество тестовых случаев при сохранении эффективности. Анализ граничных значений (Boundary Value Analysis, BVA) дополняет разбиение тестированием значений на границах разделов, где часто возникают сбои.

Интуиция метода

Тестирование всех возможных входных данных нецелесообразно; метод разбиения на эквивалентные классы исходит из того, что многие входные данные обрабатываются одинаково. Если функция работает для одного значения в классе, она, вероятно, будет работать для всех значений в этом классе. Ошибки часто скрываются на границах между классами. Выбирая по одному представителю из каждого класса, а также граничные случаи, тестовые наборы обеспечивают широкое покрытие эффективно.

История

Майерс (Myers) представил разбиение на эквивалентные классы и анализ граничных значений в своей основополагающей работе по тестированию ПО 1979 года. Бейзер (Beizer, 1990) расширил практические рекомендации и классифицировал различные типы разделов. Современные инструменты (автоматические генераторы тестов) используют разбиение как основу. Эта техника остается стандартом в учебных программах по проектированию тестов и в промышленных практиках тестирования.

Когда применять

Применять разбиение на эквивалентные классы при большом или непрерывном входном домене (диапазоны целых, вещественных чисел). Особенно эффективно для функций с четкими диапазонами входных данных: функций валидации, математических функций, парсеров протоколов. Комбинировать с анализом граничных значений для выявления ошибок типа «на единицу больше/меньше» и граничных случаев. Менее ценно для сложных логических условий; для них лучше подходит анализ таблиц решений.

Ограничения и замечания

  • Эффективность зависит от правильного определения разделов; неправильные разделы пропускают ошибки
  • Предполагает независимость входных данных; комбинаторные взаимодействия между входными данными могут остаться необнаруженными
  • Не обнаруживает все типы дефектов: логические ошибки, ошибки, зависящие от состояния, проблемы параллелизма часто скрываются в эквивалентных классах
  • Выбор граничных значений может быть произвольным; руководства помогают, но субъективное суждение остается

Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.

Сильные стороны

  • Резко сокращает количество тестовых случаев при сохранении покрытия; обеспечивает покрытие вблизи границ линейным числом тестов
  • Отражает интуитивное представление о том, что входные данные в классе ведут себя схожим образом; разделы соответствуют намерениям проектирования ПО
  • Анализ граничных значений выявляет распространенные шаблоны дефектов (ошибки «на единицу больше/меньше», ошибки на границах)
  • Простота понимания и применения; обучаемая техника для команд разработки ПО

Применение

  • Тестирование функции проверки даты путем разбиения входных данных: допустимые даты, недопустимые даты, граничные даты (28/29 февраля), логика високосного года, границы месяцев
  • Проверка проверки диапазонов в конечных точках API путем определения допустимых диапазонов параметров, тестирования граничных значений (0, отрицательные, максимальное целое) и недопустимых крайних значений
  • Тестирование расчета скидок в электронной коммерции: разделы для различных уровней скидок, граничные значения заказов (например, 50 долларов США активируют 10% скидку), крайние случаи (нулевые, отрицательные суммы)
  • Валидация формы входа путем разбиения доменов имени пользователя/пароля: допустимые комбинации, пустые входные данные, специальные символы, границы длины, попытки SQL-инъекций

Как это работает

Как это работает

1

Анализировать входной домен и разделить его на классы эквивалентности — множества входных данных, которые, как ожидается, приведут к одинаковому поведению программы. Определить допустимые классы (входные данные, которые система должна принимать) и недопустимые классы (входные данные, которые система должна отклонять). Включить граничные значения на краях классов.

2

Для каждого класса эквивалентности выбрать по одному репрезентативному тестовому случаю. Добавить тестовые случаи для граничных значений на краю каждого раздела (непосредственно внутри, на границе и непосредственно за границей), чтобы выявить ошибки типа «на единицу больше/меньше» (off-by-one) и ошибки на границах (fence-post errors).

3

Выполнить выбранные тестовые случаи и сравнить фактические выходные данные с ожидаемыми. Если какой-либо тестовый случай не пройден, выяснить причину сбоя и при необходимости уточнить определения классов.

Частые ошибки

  • Чрезмерное доверие предположению об эквивалентности; схожие входные данные не всегда дают одинаковое поведение, особенно при работе с вещественной арифметикой
  • Пренебрежение недопустимыми входными данными; тестировать как допустимые эквивалентные классы, так и недопустимые граничные случаи
  • Игнорирование состояния: для систем с состоянием поведение может зависеть от предыдущих действий, а не только от текущего входного сигнала
  • Разбиение только очевидных переменных; иногда скрытые переменные состояния (конфигурация системы, время) создают дополнительные разделы

Часто задаваемые вопросы

Как определить классы эквивалентности для сложных входных данных?

Начните со спецификации домена: какие значения допустимы, какие существуют диапазоны, какие значения исключены? Группируйте значения, для которых ожидается одинаковое поведение программы. Для числовых входных данных типичные классы: отрицательные числа, ноль, положительные числа, большие значения, значения, вызывающие переполнение. Для строк: пустые, нормальной длины, максимальной длины, специальные символы, не-ASCII. Обратитесь к требованиям, чтобы найти разделы, основанные на намерениях.

В чем разница между допустимыми и недопустимыми классами эквивалентности?

Допустимые классы эквивалентности содержат входные данные, соответствующие требованиям системы; недопустимые классы содержат входные данные, нарушающие требования. Тестируйте оба: допустимые классы проверяют корректное поведение; недопустимые классы проверяют обработку ошибок. Пример: проверка ввода возраста: допустимый класс [0, 150], недопустимые классы [<0] и [>150]. Включите тестовые случаи из обоих, чтобы проверить логику принятия и отклонения.

Сколько тестовых случаев следует генерировать для каждого класса эквивалентности?

Минимум: один тестовый случай на класс эквивалентности (обеспечивает базовое покрытие). Эффективно: добавьте граничные тестовые случаи (непосредственно внутри/на/за границей). Для критически важных систем добавьте дополнительные тесты внутри классов. Не создавайте слишком много; применяется принцип убывающей отдачи. Функция с 5 классами эквивалентности × 3 тестовых случая на класс = 15 тестов — это типично; 50 тестов предполагает избыточное тестирование.

Может ли разбиение на эквивалентные классы гарантировать, что я обнаружу все ошибки?

Нет. Разбиение на эквивалентные классы отлично выявляет ошибки в проверке входных данных и проверке диапазонов. Оно пропускает логические ошибки, ошибки, зависящие от состояния, и проблемы параллелизма. Комбинируйте с другими техниками: анализ граничных значений (рассмотрено здесь), анализ таблиц решений (для сложной логики), тестирование на основе состояний (для систем с состоянием), исследовательское тестирование (креативные сценарии).

Похожие методы

Источники

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

    Открыть ссылку на публикацию
    Скопировано.
  2. Beizer, B. (1990). Software Testing Techniques (2nd ed.). International Thomson Computer Press.

    Открыть ссылку на публикацию
    Скопировано.
  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.

    Открыть ссылку на публикацию
    Скопировано.