Meni

Kaj so testni podatki? Preizkusite tehnike priprave podatkov s primerom

what is test data test data preparation techniques with example

Preizkusite Naš Instrument Za Odpravo Težav

Naučite se, kaj so testni podatki in kako pripraviti testne podatke za testiranje:

Ob trenutnem epu revolucionarne rasti informacij in tehnologije preizkuševalci pogosto doživijo veliko porabo testnih podatkov v življenjskem ciklu testiranja programske opreme.

Preizkuševalci ne zbirajo / vzdržujejo le podatkov iz obstoječih virov, ampak tudi ustvarjajo ogromno količino preskusnih podatkov, da bi zagotovili svoj kakovostno naraščajoč prispevek k dostavi izdelka za resnično uporabo.

Zato moramo kot preizkuševalci nenehno raziskovati, se učiti in uporabljati najučinkovitejše pristope za zbiranje, ustvarjanje, vzdrževanje, avtomatizacijo in celovito upravljanje podatkov za vse vrste funkcionalnih in nefunkcionalnih preskusov.

Kaj so testni podatki - priprava testnih podatkov

V tej vadnici bom navedel nasveti, kako pripraviti testne podatke, tako da neprimerni podatki in nepopolna nastavitev testnega okolja ne bodo zamudili nobenega pomembnega testnega primera.

Kaj se boste naučili:

Kaj so testni podatki in zakaj so pomembni

Sklicujoč se na študijo, ki jo je leta 2016 izvedel IBM, iskanje, upravljanje, vzdrževanje in ustvarjanje podatkov o preskusih zajemajo 30–60% časa preizkuševalcev. Nedvomen dokaz je, da je priprava podatkov dolgotrajna faza testiranja programske opreme.

Povprečen čas preizkuševalcev na TDM

Slika 1: Povprečen čas preizkuševalcev na TDM

Kljub temu je v številnih različnih disciplinah dejstvo, da večina znanstvenikov za obdelavo podatkov za organizacijo podatkov porabi 50% -80% razvojnega časa svojega modela. Zdaj pa upoštevanje zakonodaje in osebnih podatkov (PII) omogoča, da je preizkuševalec v procesu preskušanja nadvse dostojen.

Danes verodostojnost in zanesljivost testnih podatkov velja za brezkompromisni element za lastnike podjetij. Lastniki izdelkov menijo, da so kopije preskusnih podatkov 'duh' največji izziv, kar zmanjšuje zanesljivost katere koli aplikacije v tem edinstvenem času povpraševanja / zahtev strank po zagotavljanju kakovosti.

Glede na pomen preskusnih podatkov velika večina lastnikov programske opreme v varnostnih ukrepih ne sprejme preizkušenih aplikacij z lažnimi podatki ali manj.

Zakaj se na tej točki ne bi spomnili, kaj so testni podatki? Ko začnemo pisati testne primere za preverjanje in potrjevanje danih funkcij in razvitih scenarijev aplikacije v preskusu, potrebujemo informacije, ki se uporabljajo kot vhodni podatki za izvajanje testov za prepoznavanje in iskanje napak.

brezplačno izvlecite e-poštne naslove s spletnega mesta

In vemo, da morajo biti te informacije natančne in popolne za odpravljanje napak. To imenujemo testni podatki. Zaradi natančnosti so lahko imena, države itd., Neobčutljiva, če so podatki v zvezi s kontaktnimi podatki, SSN, anamnezo in podatki o kreditnih karticah občutljivi.

Podatki so lahko v kakršni koli obliki, na primer:

  • Podatki o sistemskih preizkusih
  • Podatki o preskusu SQL
  • Podatki o preizkusu učinkovitosti
  • Podatki o preskusu XML

Če pišete testne primere, potem potrebujete vhodne podatke za kakršen koli test. Preizkuševalec lahko te vhodne podatke posreduje v času izvajanja testnih primerov, aplikacija pa lahko izbere zahtevane vhodne podatke iz vnaprej določenih lokacij podatkov.

Podatki so lahko kakršen koli vhod v aplikacijo, kakršna koli datoteka, ki jo naloži aplikacija, ali vnosi, prebrani iz tabel zbirke podatkov.

Priprava ustreznih vhodnih podatkov je del preskusne nastavitve. Na splošno ga preizkuševalci imenujejo a priprava testne posode . V preizkusni posodi so vse zahteve glede programske in strojne opreme nastavljene z uporabo vnaprej določenih vrednosti podatkov.

Če medtem nimate sistematičnega pristopa k sestavljanju podatkov pisanje in izvajanje testnih primerov potem obstajajo možnosti, da zamudite nekaj pomembnih testnih primerov. Preizkuševalci lahko ustvarijo lastne podatke glede na potrebe testiranja.

Ne zanašajte se na podatke, ki so jih ustvarili drugi preizkuševalci, ali na standardne proizvodne podatke. Vedno ustvarite svež nabor podatkov v skladu z vašimi zahtevami.

Včasih ni mogoče ustvariti popolnoma novega nabora podatkov za vsako gradnjo. V takih primerih lahko uporabite standardne proizvodne podatke. Vendar ne pozabite dodati / vstaviti lastnih naborov podatkov v to obstoječo bazo podatkov. Eden najboljših načinov za ustvarjanje podatkov je, da uporabite obstoječe vzorčne podatke ali preskusno ploščo in dodate nove podatke o testnem primeru vsakič, ko dobite isti modul za testiranje. Tako lahko sestavite obsežen nabor podatkov v obdobju.

Preizkusite izzive pri pridobivanju podatkov

Preskuševalci menijo, da je eno od področij pri ustvarjanju podatkov o preskusih zahteva po pridobivanju podatkov za podnabor. Na primer, imate več kot milijon strank, za testiranje pa jih potrebujete tisoč. Ti vzorčni podatki bi morali biti dosledni in statistično predstavljati primerno porazdelitev ciljne skupine. Z drugimi besedami, naj bi našli pravo osebo za testiranje, kar je ena najbolj uporabnih metod testiranja primerov uporabe.

Ti vzorčni podatki bi morali biti dosledni in statistično predstavljati primerno porazdelitev ciljne skupine. Z drugimi besedami, naj bi našli pravo osebo za testiranje, kar je ena najbolj uporabnih metod testiranja primerov uporabe.

Poleg tega v procesu obstajajo nekatere okoljske omejitve. Ena izmed njih je preslikava pravilnikov, ki omogočajo osebno prepoznavo. Ker je zasebnost pomembna ovira, morajo preizkuševalci razvrstiti podatke, ki omogočajo osebno prepoznavo.

Orodja za preskus podatkov so namenjeni reševanju omenjene problematike. Ta orodja predlagajo politike, ki temeljijo na standardih / katalogu, ki ga imajo. Čeprav to ni zelo varna vadba. Še vedno ponuja možnost revizije tega, kar nekdo počne.

Da bi sledili obravnavi sedanjih in celo prihodnjih izzivov, moramo vedno postavljati vprašanja, na primer Kdaj / kje naj začnemo z izvajanjem TDM? Kaj je treba avtomatizirati? Koliko naložb naj podjetja namenijo za testiranje na področju stalnega razvoja človeških virov in uporabe novejših orodij TDM? Bi morali začeti testiranje s funkcionalnim ali z nefunkcionalnim testiranjem? In veliko bolj verjetna vprašanja kot oni.

Nekateri najpogostejši izzivi preskusnega pridobivanja podatkov so navedeni spodaj:

  • Skupine morda nimajo ustreznega znanja in spretnosti za orodja za ustvarjanje testnih podatkov
  • Obseg testnih podatkov je pogosto nepopoln
  • Manj jasnosti pri zahtevah po podatkih, ki zajemajo specifikacije obsega med fazo zbiranja
  • Preskusne skupine nimajo dostopa do virov podatkov
  • Zamuda pri omogočanju razvijalcem dostopa do proizvodnih podatkov do preizkuševalcev
  • Podatki o proizvodnem okolju morda niso v celoti uporabni za testiranje na podlagi razvitih poslovnih scenarijev
  • V kratkem določenem času bodo morda potrebne velike količine podatkov
  • Podatkovne odvisnosti / kombinacije za preizkušanje nekaterih poslovnih scenarijev
  • Preizkuševalci porabijo več časa, kot je potrebno za komunikacijo z arhitekti, skrbniki baz podatkov in upravitelji podatkov za zbiranje podatkov
  • Podatki se večinoma ustvarijo ali pripravijo med izvajanjem testa
  • Več aplikacij in podatkovnih različic
  • Neprekinjeni cikli izdaje v več aplikacijah
  • Zakonodaja, ki skrbi za osebne identifikacijske podatke

Na strani belega polja testiranja podatkov razvijalci pripravijo proizvodne podatke. Tu mora QA sodelovati z razvijalci, da bi še bolj preizkusil pokritost AUT. Eden največjih izzivov je vključiti vse možne scenarije (100% testni primer) v vsak možen negativni primer.

V tem poglavju smo govorili o izzivih testnih podatkov. Dodate lahko več izzivov, saj ste jih ustrezno rešili. Nato raziščimo različne pristope k ravnanju z načrtovanjem in upravljanjem testnih podatkov.

Strategije za pripravo testnih podatkov

Z vsakodnevno prakso vemo, da igralci v industriji testiranja nenehno doživljajo različne načine in načine za povečanje prizadevanj za testiranje in predvsem njegovo stroškovno učinkovitost. V kratkem poteku razvoja informacijske in tehnološke tehnologije smo videli, ko so orodja vključena v proizvodno / preskusno okolje, da se je proizvodnja močno povečala.

Ko govorimo o popolnosti in popolni pokritosti testiranja, je to odvisno predvsem od kakovosti podatkov. Ker je testiranje hrbtenica za doseganje kakovosti programske opreme, so testni podatki osrednji element v procesu testiranja.

Strategije za upravljanje testnih podatkov (TDM)

Slika 2: Strategije za upravljanje testnih podatkov (TDM)

Ustvarjanje ravnih datotek na podlagi pravil preslikave. Vedno je praktično ustvariti podmnožico podatkov, ki jih potrebujete, iz produkcijskega okolja, kjer so razvijalci oblikovali in kodirali aplikacijo. Ta pristop dejansko zmanjšuje prizadevanja preizkuševalcev pri pripravi podatkov in povečuje uporabo obstoječih virov za izogibanje nadaljnjim izdatkom.

Običajno moramo podatke ustvariti ali vsaj identificirati glede na vrsto zahtev, ki jih ima vsak projekt na samem začetku.

Za upravljanje TDM lahko uporabimo naslednje strategije:

  1. Podatki iz proizvodnega okolja
  2. Pridobivanje poizvedb SQL, ki ekstrahirajo podatke iz odjemalčevih obstoječih baz podatkov
  3. Orodja za avtomatizirano ustvarjanje podatkov

Preskuševalci bodo svoje preskuse varnostno kopirali s popolnimi podatki, tako da bodo upoštevali elemente, kot je prikazano na sliki 3 tukaj. Počitniki v agilnih razvojnih skupinah ustvarijo potrebne podatke za izvajanje svojih testnih primerov. Ko govorimo o testnih primerih, mislimo na primere za različne vrste testiranja, kot so bela škatla, črna škatla, zmogljivost in varnost.

Na tej točki vemo, da bi morali podatki za preizkušanje zmogljivosti določiti, kako hitro se sistem odzove pod določeno delovno obremenitvijo, da bi bil zelo blizu resničnemu ali velikemu obsegu podatkov s precejšnjo pokritostjo.

Za testiranje bele škatle razvijalci pripravijo zahtevane podatke, ki zajemajo čim več vej, vse poti v izvorni kodi programa in negativni vmesnik aplikacijskega programa (API).

Preizkusite dejavnosti ustvarjanja podatkov

Slika 3: Preizkusite dejavnosti ustvarjanja podatkov

Sčasoma lahko rečemo, da vsi, ki delajo v življenjskem ciklu razvoja programske opreme ( SDLC ), tako kot BA, morajo biti razvijalci in lastniki izdelkov dobro vključeni v postopek priprave testnih podatkov. To je lahko skupen napor. Zdaj pa vas popeljemo do vprašanja poškodovanih testnih podatkov.

Poškodovani testni podatki

Pred izvajanjem kakršnih koli testnih primerov na naših obstoječih podatkih se prepričajte, da podatki niso poškodovani / zastareli in da lahko aplikacija v testu bere vir podatkov. Običajno je pri več kot preizkuševalcu, ki hkrati dela v različnih modulih AUT v preskusnem okolju, možnost, da se podatki poškodujejo, tako velika.

V istem okolju preizkuševalci spremenijo obstoječe podatke glede na svoje potrebe / zahteve preskusnih primerov. Ko preskuševalci končajo s podatki, jih večinoma pustijo takšne, kot so. Takoj, ko naslednji preizkuševalec sprejme spremenjene podatke in izvede še eno izvedbo preizkusa, obstaja verjetnost, da bo prišlo do določene napake, ki ni napaka ali napaka kode.

V večini primerov se tako podatki poškodujejo in / ali zastarajo, kar vodi do okvare. Da bi se izognili in zmanjšali možnosti za neskladnost podatkov, lahko uporabimo rešitve, kot je navedeno spodaj. In seveda lahko na koncu te vadnice v odseku za komentarje dodate več rešitev.

  1. Varnostno kopiranje vaših podatkov
  2. Vrnite spremenjene podatke v prvotno stanje
  3. Delitev podatkov med preizkuševalci
  4. Poskrbite, da bo skrbnik podatkovnega skladišča posodobljen za kakršne koli spremembe / spremembe podatkov

Kako ohraniti svoje podatke nedotaknjene v katerem koli testnem okolju?

V večini primerov je veliko preizkuševalcev odgovornih za testiranje iste gradnje. V tem primeru bo več skupnih preskuševalcev imelo dostop do skupnih podatkov in bodo poskušali manipulirati s skupnim naborom podatkov glede na svoje potrebe.

Če ste pripravili podatke za nekatere posebne module, potem je najboljši način, da nabor podatkov ostane nedotaknjen, obdržati varnostne kopije istih.

Testni podatki za testni primer uspešnosti

Preskusi učinkovitosti zahtevajo zelo velik nabor podatkov. Včasih ročno ustvarjanje podatkov ne bo zaznalo nekaterih prefinjenih napak, ki jih lahko ujamejo le dejanski podatki, ki jih ustvari preizkušena aplikacija. Če želite podatke v realnem času, ki jih je nemogoče ustvariti ročno, prosite svojega vodjo / upravitelja, da jih da na voljo iz okolja v živo.

Ti podatki bodo koristni za zagotovitev nemotenega delovanja aplikacije za vse veljavne vnose.

Kateri so idealni testni podatki?

Za podatke lahko rečemo, da so idealni, če za najmanjšo velikost podatkov določimo vse napake v programu, da jih prepoznamo. Poskusite pripraviti podatke, ki bodo vključevali vso funkcionalnost aplikacije, vendar ne bodo presegali stroškov in časa za pripravo podatkov in izvajanje preskusov.

Kako pripraviti podatke, ki bodo zagotovili največjo pokritost s preskusi?

Oblikujte podatke glede na naslednje kategorije:

1) Ni podatkov: Zaženite testne primere na praznih ali privzetih podatkih. Preverite, ali se ustvarijo ustrezna sporočila o napakah.

2) Veljaven nabor podatkov: Ustvarite ga, da preverite, ali aplikacija deluje v skladu z zahtevami in ali so veljavni vhodni podatki pravilno shranjeni v zbirki podatkov ali datotekah.

3) Neveljaven nabor podatkov: Pripravite neveljaven nabor podatkov za preverjanje vedenja aplikacije za negativne vrednosti, alfanumerične vnose nizov.

4) Nezakonita oblika podatkov: Naredite en nabor podatkov iz nezakonite oblike zapisa podatkov. Sistem ne sme sprejemati podatkov v neveljavni ali nezakoniti obliki. Preverite tudi, ali so ustvarjena ustrezna sporočila o napakah.

5) Nabor podatkov o mejnih pogojih: Nabor podatkov, ki vsebuje podatke izven obsega. Ugotovite primere mejnih aplikacij in pripravite nabor podatkov, ki bo zajemal pogoje spodnje in zgornje meje.

6) Nabor podatkov za testiranje zmogljivosti, obremenitve in obremenitve: Ta nabor podatkov mora biti obsežen.

Tako bo ustvarjanje ločenih naborov podatkov za vsak preskusni pogoj zagotovilo popolno pokritost s testom.

Podatki za testiranje črne skrinjice

Preizkuševalci za zagotavljanje kakovosti izvajajo integracijsko testiranje, sistemsko testiranje in sprejemno testiranje, ki je znano kot testiranje črne škatle. Pri tej metodi testiranja preizkuševalci nimajo nobenega dela v notranji strukturi, zasnovi in ​​kodi aplikacije pod preskusom.

Glavni namen preizkuševalcev je prepoznavanje in iskanje napak. S tem uporabimo funkcionalno ali nefunkcionalno testiranje z različnimi tehnikami testiranja črne škatle.

Metode oblikovanja podatkov črne skrinjice

Slika 4: Metode oblikovanja podatkov črne skrinjice

Na tej točki preskuševalci potrebujejo preskusne podatke kot vhodne podatke za izvajanje in izvajanje tehnik testiranja črne skrinjice. In preizkuševalci naj pripravijo podatke, ki bodo preučili vso funkcionalnost aplikacije, ne da bi presegli dane stroške in čas.

Podatke za svoje testne primere lahko oblikujemo ob upoštevanju kategorij nabora podatkov, kot so podatki, neveljavni podatki, neveljavni podatki, nezakonita oblika podatkov, podatki o mejnih pogojih, enakovredna particija, tabela podatkov o odločitvah, podatki o prehodu stanja in podatki o primerih uporabe. Preden preidejo v kategorije nabora podatkov, preizkuševalci sprožijo zbiranje podatkov in analizo obstoječih virov aplikacije pod testerjem (AUT).

V skladu s prej omenjenimi točkami o rednem posodabljanju podatkovnega skladišča bi morali dokumentirati zahteve za podatke na ravni testnega primera in jih označiti za uporabne ali neuporabne, ko skriptirate testne primere. Pomaga vam, da so podatki, potrebni za testiranje, že od samega začetka dobro očiščeni in dokumentirani, da jih lahko pozneje uporabite za nadaljnjo uporabo.

Primer testnih podatkov za odprto EMR AUT

Za našo trenutno vadnico imamo Open EMR kot testno aplikacijo (AUT).

=> Poiščite povezava za aplikacijo Open EMR tukaj za referenco / prakso.

Spodnja tabela ponazarja skoraj vzorec zbiranja podatkov, ki je lahko del dokumentacije o testnih primerih in se posodobi, ko pišete testne primere za svoje testne scenarije.

( OPOMBA : Kliknite na poljubni sliki za povečan pogled)

zbiranje zahtev za preskusne podatke 1

Ustvarjanje ročnih podatkov za testiranje odprte aplikacije EMR

Stopiva naprej k ustvarjanju ročnih podatkov za testiranje aplikacije Open EMR za dane kategorije nabora podatkov.

koda za izbiro izbora c ++

1) Ni podatkov: Preizkuševalnik potrdi URL aplikacije EMR in funkcije »Iskanje ali dodajanje bolnika«, pri čemer ne poda nobenih podatkov.

dva) Veljavni podatki: Preskuševalnik potrdi URL aplikacije EMR in funkcijo »Poišči ali dodaj bolnika« z navedbo veljavnih podatkov.

3) Neveljavni podatki: Preskuševalnik potrdi URL aplikacije EMR in funkcijo »Poišči ali dodaj bolnika« z navedbo neveljavnih podatkov.

4) Nezakonita oblika zapisa podatkov: Preskuševalnik potrdi URL aplikacije EMR in funkcijo »Poišči ali dodaj bolnika« z navedbo neveljavnih podatkov.

Testni podatki za 1-4 kategorije nabora podatkov:

Vzorci podatkov o preskusu 2

5) Nabor podatkov o mejnih pogojih: Določiti je treba vhodne vrednosti za meje, ki so znotraj ali zunaj danih vrednosti kot podatki.

6) Nabor podatkov enakovredne particije: Preizkusna tehnika je tista, ki vaše vhodne podatke deli na vhodne vrednosti veljavnih in neveljavnih.

Testni podatki za 5thin 6thkategorije nabora podatkov, kar je za uporabniško ime in geslo Open EMR:

Odprite preskusne podatke EMT 3

7) Nabor podatkov tabele odločitev: To je tehnika za ugotavljanje vaših podatkov s kombinacijo vhodov, da dobite različne rezultate. Ta metoda testiranja črne skrinjice vam pomaga zmanjšati trud pri preverjanju vsake kombinacije podatkov o preskusu. Poleg tega vam ta tehnika lahko zagotovi popolno pokritost s testom.

Spodaj glejte nabor podatkov tabele odločitev za uporabniško ime in geslo aplikacije Open EMR.

Podatki tabele odločitev 4

Izračun kombinacij, izveden v zgornji tabeli, je opisan za podrobne informacije v nadaljevanju. Morda ga boste potrebovali, če naredite več kot štiri kombinacije.

  • Število kombinacij = Število pogojev 1 Vrednosti * Število pogojev 2 Vrednosti
  • Število kombinacij = 2 ^ Število resničnih / napačnih pogojev
  • Primer: Število kombinacij - 2 ^ 2 = 4

8) Nabor podatkov o preskusu stanja države: Preskusna tehnika vam pomaga potrditi prehod stanja preizkušene aplikacije (AUT) tako, da sistemu zagotovite vhodne pogoje.

Na primer, se v aplikacijo Open EMR prijavimo tako, da ob prvem poskusu zagotovimo pravilno uporabniško ime in geslo. Sistem nam omogoči dostop, če pa vnesemo napačne podatke za prijavo, sistem zavrne dostop. Preizkus stanja prehoda potrjuje, koliko poskusov prijave lahko izvedete, preden se Open EMR zapre.

Spodnja tabela prikazuje, kako se odzovejo pravilni ali nepravilni poskusi prijave

Podatki o poskusnih poskusih prijave 5

9) Datum preizkusa primera uporabe: Preskusna metoda je tista, ki opredeli naše testne primere, ki zajemajo preskušanje določene funkcije od konca do konca.

Primer, odprta prijava EMR:

Podatki o preizkusu neuspeha 6

Preberite tudi => Tehnike upravljanja podatkovnih podatkov

Lastnosti dobrih testnih podatkov

Kot preizkuševalec morate preizkusiti modul „Rezultati izpita“ na spletni strani univerze. Upoštevajte, da je celotna aplikacija integrirana in je v stanju »Pripravljeno za testiranje«. „Izpitni modul“ je povezan z moduli „Registracija“, „Tečaji“ in „Finance“.

Predpostavimo, da imate ustrezne informacije o aplikaciji in ste ustvarili obsežen seznam testnih scenarijev. Zdaj morate te testne primere oblikovati, dokumentirati in izvesti. V razdelku 'Dejanja / koraki' ali 'Preizkusni vhodi' v testnih primerih boste morali kot vhod za test navesti sprejemljive podatke.

Podatke, omenjene v testnih primerih, je treba pravilno izbrati. Natančnost stolpca „Dejanski rezultati“ dokumenta o testnem primeru je v prvi vrsti odvisna od podatkov o preskusu. Torej je korak priprave vhodnih testnih podatkov bistveno pomemben. Tukaj je moj povzetek o »Testiranju DB - strategije priprave testnih podatkov«.

Lastnosti preskusnih podatkov

Podatki o preskusu morajo biti natančno izbrani in morajo imeti naslednje štiri lastnosti:

1) Realistično:

Realno pomeni, da bi morali biti podatki natančni v kontekstu resničnih scenarijev. Na primer, če želite preizkusiti polje »Starost«, morajo biti vse vrednosti pozitivne in 18 ali več. Povsem očitno je, da so kandidati za vpis na univerzo običajno stari 18 let (to je mogoče drugače opredeliti glede na poslovne zahteve).

Če se testiranje izvaja z uporabo realističnih testnih podatkov, bo aplikacija postala bolj robustna, saj je večino možnih napak mogoče zajeti z realističnimi podatki. Druga prednost realističnih podatkov je njihova ponovna uporabnost, ki prihrani naš čas in trud za vedno znova ustvarjanje novih podatkov.

Ko govorimo o realističnih podatkih, bi vas rad seznanil s konceptom zlatega nabora podatkov. Zlati nabor podatkov je tisti, ki zajema skoraj vse možne scenarije, ki se pojavijo v resničnem projektu. Z uporabo GDS lahko zagotovimo največjo pokritost s preskusi. GDS uporabljam za regresijsko testiranje v svoji organizaciji, kar mi pomaga pri preizkusu vseh možnih scenarijev, do katerih lahko pride, če gre koda v delovno polje.

Na trgu je na voljo veliko orodij za ustvarjanje testnih podatkov, ki analizirajo značilnosti stolpcev in uporabniške definicije v zbirki podatkov in na podlagi teh ustvarijo realistične testne podatke za vas. Nekaj ​​dobrih primerov orodij, ki ustvarjajo podatke za testiranje baz podatkov DTM podatkovni generator , SQL Data Generator in Mockaroo .

2. Praktično veljavno:

To je podobno realističnemu, a ne enako. Ta lastnost je bolj povezana s poslovno logiko AUT npr. vrednost 60 je realna na starostnem področju, vendar praktično neveljavna za kandidata za diplomske ali celo magistrske programe. V tem primeru bi bilo veljavno obdobje od 18 do 25 let (to je mogoče določiti v zahtevah).

3. Vsestranski za kritje scenarijev:

kako odpreti datoteke .swf

V enem scenariju je lahko več naslednjih pogojev, zato podatke previdno izberite, da boste z minimalnim naborom podatkov pokrili največje vidike posameznega scenarija, npr. Med ustvarjanjem testnih podatkov za modul rezultatov ne upoštevajte samo primerov rednih študentov, ki gladko zaključujejo svoj program. Bodite pozorni na študente, ki ponavljajo isti tečaj in pripadajo različnim semestrom ali celo različnim programom. Nabor podatkov je lahko videti tako:

Gospod# ID študenta ID_programa ID_tečaja Razred
1. BCS-Fall2011-Morning-01 BCS-F11 CS-401 TO
dva BCS-pomlad2011-večer-14 BCS-S11 CS-401 B +
3. MIT-Fall2010-Popoldne-09 MIT-F10 CS-401 TO-
... ... ... ... ...

Obstaja lahko še nekaj drugih zanimivih in zapletenih podpogojev. Npr. omejitev let za dokončanje študijskega programa, opravljen predpogoj za prijavo predmeta, največ št. tečajev, ki se jih študent lahko vpiše v en semester itd. itd. Poskrbite, da boste vse te scenarije pametno pokrili s končnim nizom podatkov.

dobri testni podatki

4. Izjemni podatki (če je primerno / potrebno):

Obstajajo lahko nekateri izjemni scenariji, ki se pojavijo manj pogosto, vendar zahtevajo veliko pozornosti, ko se pojavijo, npr. vprašanja, povezana s študenti invalidi.

Druga dobra razlaga in primer izjemnega nabora podatkov je razvidna na spodnji sliki:

Izjemni podatki

Za poneti:

Testni podatki so znani kot dobri testni podatki, če so realistični, veljavni in vsestranski. Dodatna prednost je, če podatki zagotavljajo pokritost tudi za izjemne scenarije.

Tehnike priprave testnih podatkov

Na kratko smo razpravljali o pomembnih lastnostih preskusnih podatkov, prav tako pa smo tudi pojasnili, kako pomembna je izbira testnih podatkov med preskušanjem baze podatkov. Zdaj pa se pogovorimo o ' tehnike za pripravo testnih podatkov ' .

Obstajata samo dva načina za pripravo testnih podatkov:

Metoda # 1) Vstavi nove podatke

Pridobite čisto DB in vstavite vse podatke, kot je določeno v vaših testnih primerih. Ko so vneseni vsi vaši zahtevani in želeni podatki, začnite izvajati svoje testne primere in izpolnite stolpce »Pass / Fail« s primerjavo »Dejanski izhod« in »Pričakovani izhod«. Sliši se preprosto, kajne? A počakajte, ni tako preprosto.

Nekaj ​​bistvenih in kritičnih pomislekov je:

  • Prazen primerek baze podatkov morda ni na voljo
  • Vstavljeni podatki o preskusu morda ne zadostujejo za preizkušanje nekaterih primerov, kot so preizkušanje zmogljivosti in obremenitve.
  • Vstavljanje potrebnih testnih podatkov v prazen DB zaradi odvisnosti tabele baze podatkov ni enostavno. Zaradi te neizogibne omejitve lahko vstavljanje podatkov za preizkuševalca postane težka naloga.
  • Vstavljanje omejenih testnih podatkov (samo glede na potrebe testnega primera) lahko skrije nekatere težave, ki jih je mogoče najti le z velikim naborom podatkov.
  • Za vstavljanje podatkov bodo morda potrebne zapletene poizvedbe in / ali postopki, za kar pa bo potrebna zadostna pomoč ali pomoč razvijalcev (-ov) DB-ja.

Zgoraj omenjenih pet vprašanj je najbolj kritičnih in najbolj očitnih pomanjkljivosti te tehnike za pripravo podatkov o preskusih. Vendar pa obstajajo tudi nekatere prednosti:

  • Izvajanje TC-jev je učinkovitejše, saj ima DB samo zahtevane podatke.
  • Izolacija napak ne zahteva časa, saj so v DB prisotni samo podatki, navedeni v testnih primerih.
  • Manj časa, potrebnega za testiranje in primerjavo rezultatov.
  • Preskusni postopek brez nereda

2. metoda) Med dejanskimi podatki DB izberite vzorčno podnabor podatkov

To je izvedljiva in bolj praktična tehnika za pripravo testnih podatkov. Vendar pa zahteva dobre tehnične spretnosti in zahteva podrobno poznavanje sheme DB in SQL. Pri tej metodi morate kopirati in uporabiti produkcijske podatke tako, da nekatere vrednosti polj nadomestite z navideznimi vrednostmi. To je najboljša podmnožica podatkov za vaše testiranje, saj predstavlja proizvodne podatke. Toda to morda ni vedno izvedljivo zaradi varnosti podatkov in zasebnosti.

Za poneti:

V zgornjem poglavju smo zgoraj obravnavali tehnike priprave podatkov o preskusih. Skratka, obstajata dve tehniki - ali ustvarite sveže podatke ali izberite podmnožico med že obstoječimi podatki. Oboje je treba izvesti tako, da izbrani podatki zagotavljajo pokritost za različne testne scenarije, predvsem veljaven in neveljaven test, preizkus učinkovitosti in ničelni test.

V zadnjem poglavju si oglejmo tudi kratek ogled pristopov k ustvarjanju podatkov. Ti pristopi so koristni, kadar moramo ustvariti nove podatke.

Pristopi za generiranje testnih podatkov:

  • Ročno ustvarjanje testnih podatkov: Pri tem pristopu preizkuševalci ročno vnesejo preskusne podatke v skladu z zahtevami za testni primer. To je čas, ki vzame postopek in je tudi nagnjen k napakam.
  • Avtomatizirano ustvarjanje testnih podatkov: To se naredi s pomočjo orodij za ustvarjanje podatkov. Glavna prednost tega pristopa je njegova hitrost in natančnost. Vendar pa je cena višja kot pri ročnem ustvarjanju testnih podatkov.
  • Vbrizgavanje zalednih podatkov : To se naredi s poizvedbami SQL. Ta pristop lahko tudi posodobi obstoječe podatke v zbirki podatkov. Je hiter in učinkovit, vendar ga je treba izvajati zelo previdno, da se obstoječa baza podatkov ne poškoduje.
  • Uporaba orodij drugih proizvajalcev : Na trgu so na voljo orodja, ki najprej razumejo vaše testne scenarije, nato pa generirajo ali vbrizgajo podatke, da zagotovijo široko pokritost s testi. Ta orodja so natančna, saj so prilagojena poslovnim potrebam. So pa precej drage.

Za poneti:

Obstajajo 4 pristopi k preskušanju podatkov:

  1. Priročnik,
  2. avtomatizacija,
  3. vbrizgavanje zalednih podatkov,
  4. in tuja orodja.

Vsak pristop ima svoje prednosti in slabosti. Izberite pristop, ki ustreza vašim potrebam pri poslovanju in testiranju.

Zaključek

Ustvarjanje popolnih podatkov o preskusih programske opreme v skladu z industrijskimi standardi, zakonodajo in osnovnimi dokumenti izpeljanega projekta je med glavnimi nalogami preizkuševalcev. Bolj kot učinkovito upravljamo s testnimi podatki, bolj lahko uporabimo izdelke brez napak za resnične uporabnike.

Upravljanje testnih podatkov (TDM) je postopek, ki temelji na analizi izzivov in uvajanju ter uporabi najboljših orodij in metod za dobro obravnavanje ugotovljenih težav brez ogrožanja zanesljivosti in popolne pokritosti končnega rezultata (izdelka).

Vedno si moramo zastaviti vprašanja za iskanje inovativnih in stroškovno učinkovitejših metod za analizo in izbiro metod testiranja, vključno z uporabo orodij za generiranje podatkov. Splošno dokazano je, da nam dobro zasnovani podatki omogočajo prepoznavanje napak aplikacije v preskusu v vsaki fazi večfaznega SDLC.

Biti moramo kreativni in sodelovati z vsemi člani znotraj in zunaj naše agilne ekipe. Prosimo, delite svoje povratne informacije, izkušnje, vprašanja in komentarje, da bomo lahko nadaljevali s tehničnimi razpravami, da bomo z upravljanjem podatkov čim bolj povečali svoj pozitivni vpliv na AUT.

Priprava ustreznih testnih podatkov je osrednji del 'nastavitve projektnega okolja za testiranje'. Ne moremo preprosto zgrešiti testnega primera, češ da popolni podatki niso na voljo za testiranje. Preizkuševalec mora ustvariti lastne testne podatke poleg obstoječih standardnih proizvodnih podatkov. Vaš nabor podatkov mora biti stroškovno in časovno idealen.

Bodite kreativni, uporabite lastne spretnosti in presoje, da ustvarite različne nabore podatkov, namesto da se zanašate na standardne produkcijske podatke.

Del II - Drugi del te vaje je na ' Preizkusite ustvarjanje podatkov s spletnim orodjem GEDIS Studio '.

Ste se soočili s težavo nepopolnih testnih podatkov za testiranje? Kako vam je uspelo? Prosimo, delite svoje nasvete, izkušnje, komentarje in vprašanja za nadaljnjo obogatitev te teme razprave.

Priporočeno branje

^