Подходы к генерации тестовых данных при тестировании программного обеспечения

Опубликовано: 30 Ноября, 2021

Предварительное условие: Тестирование программного обеспечения | Основы

Как тестировщик, вам нужно не только тестировать программный продукт, но и управлять, собирать и поддерживать большой объем наборов данных, чтобы эффективно тестировать все основные тестовые сценарии, чтобы убедиться, что все требования выполняются. как можно больше, независимо от того, функциональное это или нефункциональное тестирование. Эти наборы данных тестирования выступают в качестве входных данных для тестовых примеров, а затем на основе этих наборов данных генерируются выходные данные, и поведение системы анализируется независимо от того, ожидается ли это или нет.

Генерация тестовых данных :
Генерация тестовых данных - это процесс сбора и управления большим объемом данных из различных ресурсов только для реализации тестовых примеров, чтобы гарантировать функциональную надежность тестируемой системы. Эти сгенерированные наборы данных выступают в качестве входных данных для тестовых случаев, чтобы можно было проверить поведение системы. Наборы тестовых данных разработаны или выбраны как для положительного, так и для отрицательного тестирования. Создание рационального и релевантного набора данных - очень сложная задача, поскольку покрытие плохо оформленного набора данных может оставить проверку основных тестовых примеров.

Итак, есть несколько наиболее часто используемых методов, которые обычно используются для создания наборов данных:

1) Ручное создание тестовых данных:
В этом методе все наборы данных генерируются тестировщиком вручную в соответствии со всем необходимым тестовым примером на основе опыта и ожиданий.

Плюсы :

  1. Легко внедрить, не нужно развертывать никаких дополнительных инструментов.
  2. Повысьте уверенность тестировщика.

Минусы :

  1. Точность наборов данных, генерируемых по этой схеме, весьма сомнительна.
  2. Трудоемкий процесс.

2) Автоматизированное создание тестовых данных:
Основная особенность этого тестирования, которая делает его более эффективным, чем вышеупомянутый метод, - это скорость, метод автоматизированной генерации данных позволяет получать данные ускоренным образом путем анализа большого объема данных за небольшой интервал времени. В этой схеме мы используем автоматизированные инструменты, их много на рынке.

Плюсы :

  1. Наборы данных, генерируемые этой схемой, очень точны.
  2. Скорость генерации данных очень высокая.

Минусы:

  1. Единственным недостатком этого метода является то, что его реализация обходится дороже.
  2. Во-вторых, этим инструментам требуется время, чтобы понять систему.

3) Подход к вводу данных в серверную часть:
Этот метод выполняется с помощью SQL-запросов. Здесь тестировщик записывает соответствующий запрос и вводит его в базу данных, чтобы заполнить необходимые наборы данных в соответствии с тестовыми примерами. Это также более простой метод, который генерирует большой объем данных всего за несколько минут. Мы можем обновить базу данных по этой схеме, если некоторые новые наборы данных будут найдены через другие ресурсы, такие как образцы XML-документов и т. Д., И при необходимости могут быть обновлены для будущего использования.

Плюсы:

  1. Это менее трудоемкий метод.
  2. Требуется меньше опыта по сравнению с описанной выше техникой, поскольку вам нужно только написать правильный запрос для заполнения необходимых данных.

Минусы:

  1. Если вы напишете какой-либо недопустимый или неправильный запрос, он может заполнить нелогичный набор данных или может вызвать сбой вашей системы базы данных, поэтому будьте внимательны при вводе любого запроса в базу данных.

4) Сторонний инструмент:
На рынке доступен ряд инструментов, которые обрабатываются или предоставляются сторонними инструментами. Эти инструменты сначала понимают сценарии вашей тестируемой системы, а затем генерируют набор данных в соответствии с требованиями. Эти инструменты можно настроить в соответствии с вашими потребностями бизнеса. Эти инструменты обеспечивают широкий охват и точность при создании наборов данных.

Плюсы:

  1. Эти инструменты точны, потому что сначала они понимают всю систему, а затем соответствующим образом генерируют наборы данных.

Минусы:

  1. Более дорогостоящий метод в реализации, потому что цена такого инструмента высока по сравнению с другими методами.
  2. Меньший охват в случае неоднородной среды тестирования, потому что эти инструменты не являются универсальными по своей природе.