`
flying_dream
  • 浏览: 16275 次
  • 性别: Icon_minigender_1
  • 来自: 深圳
最近访客 更多访客>>
社区版块
存档分类
最新评论

启发式测试策略建模

阅读更多
最近再学习测试建模方面的文章,和大家一起学习~~

启发式测试策略模型(Heuristic Test Strategy Model,简称HTSM)是测试专家James Bach提出的一组帮助测试设计的指南(guideline)。本文将介绍HTSM的内容与应用。

为什么需要HTSM

根据产品的风险(risk)设计测试是一种常见的测试设计思路。在复杂的现实世界,产品面临的风险多种多样,只有全面考虑、周密测试才能避免风险暴露导致的严重后果。因此,测试人员需要一个相对完整、可以定制、容易扩展的风险列表或参考模型,来帮助他们发现产品风险。HTSM就是一个结构化的、可定制的参考模型,从测试技术、产品元素、项目过程、质量标准等多个角度启发测试设计。

HTSM能够在测试全程提供有益的提示。在制定测试计划初稿时,它可以帮助测试人员完整地思考产品的方方面面,从而产生系统性的(systematic)测试计划。在测试过程中,它可以帮助测试人员组合测试想法、深入探索产品,以开发出强有力的测试策略。在回归测试中,它可以帮助测试人员确定测试范围,制定测试方案。

HTSM的内容




上图是HTSM的概要描述,测试人员利用质量标准(Quality Criteria)、项目环境(Project Environment)、产品元素(Product Element),指导测试技术(Test Techniques)的选择与应用,并产生观察到的质量(Perceived Quality)。

HTSM是层次结构,其顶层元素(质量标准、项目环境、产品元素、测试技术)可以分解为次层元素,而次层元素可进一步分解为第三层元素。本文只概要介绍次层元素,更多的细节请参考James Bach的文档。

测试技术:生成测试的策略。有效地选择和实施测试技术,需要综合分析项目环境、产品元素和质量标准。

功能测试(Function Testing)
域测试(Domain Testing)
压力测试(Stress Testing)
流测试(Flow Testing)
情景测试(Scenario Testing)
声明测试(Claims Testing)
用户测试(User Testing)
风险测试(Risk Testing)
自动测试(Automatic Testing)
项目环境:资源、约束和其他影响测试的项目元素。测试总是受到项目环境的约束。在某个团队运转良好的策略不一定适合另一个相似的团队,以往富有成效的方法未必适应当前的项目。有经验的测试人员会根据当前语境(Context),在约束条件下充分运用资源,以高效地测试。

用户(Customers):理解产品的用户
信息(Information):发现测试所需的信息
开发者关系(Developer Relations):与开发者协作加速开发
测试团队(Test Team):利用团队的力量支持测试
设备与工具(Equipment & Tools):可利用的硬件、软件、文档等
进度(Schedule):项目实施的流程
测试条目(Test Items):测试范围和重点
交付品(Deliverables):测试的产出
产品元素:需要测试的对象

结构(Structure):产品的物理(physical)元素(如代码、接口、配置文件、可执行文件等)
功能(Functions):产品的功能
数据(Data):产品所操作的数据
平台(Platform):产品所依赖的外部元素
操作(Operations):产品将被如何使用
时序(Time):影响产品的时间因素
质量标准之操作性标准(Operational Criteria):面向用户和运营团队

能力(Capability)
可靠性(Reliability)
可用性(Usability)
安全性(Security)
可伸缩性(Scalability)
性能(Performance)
可安装性(Installability)
兼容性(Compatibility)
质量标准之开发标准(Development Criteria):面向开发团队

可支持性(Supportability)
可测试性(Testability)
可维护性(Maintainability)
可移植性(Portability)
本地化(Localizability)
由以上介绍可知,HTSM由一组指导性词语(guide word)组成,它们构成一个层次结构,让测试人员从高层抽象到底层细节对产品和测试进行思考。这些指导性词汇是测试的指南,其作用不是教导如何具体地测试,而是启发测试人员的思维,发掘测试对象和测试策略。

下图摘录自James Bach的培训教材Rapid Software Testing,体现了HTSM对于测试设计的意义。

测试设计以风险驱动。测试人员分析质量标准、项目环境、产品元素中的风险,设计有针对性的测试策略。
在测试设计时,质量标准启发测试先知(Oracles),项目环境启发测试过程(Procedures),产品元素启发测试覆盖(Coverage),观察到的质量启发测试报告(Reporting)。
对于测试,HTSM强调测试策略的多样性(Diversification),平衡代价和收益(Cost vs. Value),利用启发式方法(Heuristics)充分发挥测试人员的技能(Skill)。




定制HTSM

在定制化之前,HTSM对测试人员的帮助很小,因为此时的HTSM是“James Bach的模型”,而不是符合当前语境的模型。HTSM是通用的模型,虽然能够普遍使用,但是不能快速、高效地指导具体的测试工作。测试人员需要将其“本地化”,才能发挥其威力。

Cem Kaner教授在教程Blank Box Software Testing中提出利用思维导图(Mind Map)定制HTSM。他将HTSM作为图的为中心,将Quality Criteria、Project Environment、Product Elements和Test Techniques作为主干。



在分支上,Cem Kaner添加了他觉得重要的节点。例如,他在Product Elements下增加了Benefits节点和Time节点,使HTSM符合他的工作需要。



恰如Cem Kaner所说:“大多数严肃对待此模型的人会定制它以符合自己的需要”(Most people who work seriously with this model customize it t meet their needs),测试人员可以也应该修改HTSM,以获得符合项目语境的模型。

增加节点:增加与当前项目相关的测试技术、测试想法、测试对象和任何测试人员认为有价值的元素。
删减节点:忽略一些与项目或任务无关的元素。
增加标记、注释、链接等图元:标记可以突显重要的元素,注释可以增加更多的细节,链接可以指向更详细的信息源。
定制HTSM是理解并掌握HTSM的过程。与大多数方法一样,测试人员需要修改它,加入自己的风格和元素,才能正真掌握它。

测试专家Michael Larsen在XMind.net提供了他制作的HTSM思维导图,为测试人员制作自己的HTSM提供了很好的基础。






应用HTSM

定制HTSM就是应用HTSM的过程。测试人员遵循HTSM的结构化指南,深入地思考产品、项目与测试,添加自己的想法、评论、标记和启发式问题。这本身就是极好的测试学习过程。作为学习的结果,定制化的HTSM为进一步地测试设计提供了坚实的基础。在测试过程中,测试人员会接触新信息,学习新知识。他应该持续地将新知补充到HTSM中,以迭代地优化测试略模型。从这个角度,HTSM既是测试想法的源头,也是测试过程的产出。

在测试设计时,测试人员可以逐个检查HTSM中的每个元素(指导性词语),阅读相关标记、注释和链接,以启发测试思路。他可以自问:

该元素与当前测试任务相关吗?
针对该元素,产品有什么风险?可能会有什么缺陷?
通过什么测试可以发现这些缺陷?
依据当前的进度和资源,如何实施这些测试?
另一种更有威力的方法是综合HTSM中的多个元素,开发测试策略。当开发人员用单元测试检查了组件,测试人员需要在系统层面检查产品。此时,产品的缺陷往往存在于组件的交互和复杂的流程。综合产品的多个方面,开发多样化的测试,以更深入地测试产品,才能够更好地体现测试人员的价值。一些有帮助的启发式问题包括:

该元素与哪些元素相关?
元素的组合有没有揭示出新的风险?
如何设计测试,以同时测试这些元素?
能否让来自元素A的信息帮助元素B的测试?


参考资料

James Bach:Heuristic Test Strategy Model
James Bach:Rapid software Testing
该教程按HTSM组织,系统性地讲解了探索式测试的思维和方法
Michael Larsen:HTSM in XMind
Cem Kaner:Black Box Software Testing
HTSM for risk-based testing:第199~204页
用思维导图定制HTSM:第262~273页
  • 大小: 29.2 KB
  • 大小: 39 KB
  • 大小: 9.3 KB
  • 大小: 26.3 KB
  • 大小: 24.4 KB
分享到:
评论

相关推荐

    测试建模:启发式测试策略模型(HeuristicTestStrategyModel)

    启发式测试策略模型(HeuristicTestStrategyModel,简称HTSM)是测试专家JamesBach提出的一组帮助测试设计的指南(guideline)。本文将介绍HTSM的内容与应用。  启发式测试策略模型(HeuristicTestStrategyModel,简称...

    元启发式算法的多条件决策覆盖标准的测试用例生成器源码.zip

    元启发式算法在生成满足MCDC标准的测试用例时,可以将问题建模为一个优化问题,目标是找到最小数量的测试用例,使得所有条件及其组合都被覆盖。算法步骤如下: 1. 初始化种群:随机生成一组初始测试用例作为种群。 ...

    CS.zip_CS优化_cs optimization_启发式_启发式算法

    "CS.zip"包含的资源聚焦于“CS优化”,特别是应用启发式算法来解决问题。启发式算法是一种基于经验或直观的搜索方法,旨在在没有明确最优解的情况下找到接近最佳的解决方案。这种策略在面对复杂、大型或难以解决的...

    数学建模优秀论文

    ### 数学建模优秀论文——二维下料问题的启发式算法 #### 一、引言 在现代工业生产中,原材料的成本控制对于提高整体经济效益至关重要。下料问题(Cutting Stock Problem, CSP)是制造业中常见的一类问题,特别是...

    基于matlab的HeuristicAlgorithm(补分启发式算法,包括神经网络、模拟退火、遗传算法).rar

    在IT领域,启发式算法是一种广泛应用的优化方法,它不保证找到全局最优解,但通常能在有限的时间内得到近似最优解。本压缩包“基于matlab的HeuristicAlgorithm(补分启发式算法,包括神经网络、模拟退火、遗传算法)...

    matlab_Search_Optimizer_algorithm——一种受海洋水母行为启发的新型元启发式优化算法

    1. **元启发式优化**:元启发式优化是一种高级的搜索策略,它结合了多种启发式方法以改善搜索性能。此类算法通常包括全局搜索能力,以避免陷入局部最优解,并能处理非线性、多模态和复杂优化问题。 2. **水母行为...

    软件测试实战_微软技术专家经验总结_1

    测试建模章节介绍了如何通过建立模型来优化测试,如启发式测试策略模型、输入与输出模型等,这些模型可以帮助我们更有效地设计和执行测试用例,提高测试覆盖率。 测试技术部分涵盖了多种测试方法,如启发式测试、...

    结合连续优化和反馈弧集启发式学习大型DAG_Learning Large DAGs by Combining Continuou

    总结来说,这篇论文提出了一种新的、适用于大规模连续变量贝叶斯网络学习的策略,通过结合连续优化和反馈弧集启发式,有效地解决了DAG学习中的计算复杂性和规模限制。这种方法对于那些需要处理大量变量的领域,如...

    2010南大数学建模校内选拔赛试题及答案

    参赛者可能需要运用经典的图论算法,如Dijkstra算法、Prim算法或Kruskal算法,或者更复杂的启发式算法,如遗传算法、模拟退火算法或粒子群优化算法,来找到近似最优解。 答案部分则展示了参赛团队如何运用这些理论...

    2009年全国研究生数学建模比赛试题D题及其附件资料

    3. 遗传算法或模拟退火等优化算法:当问题变得复杂,无法通过解析方法解决时,可以借助这些启发式算法寻找近似最优解。 4. 数据分析:对地图数据进行预处理和分析,提取关键特征,如人口密度、历史报警记录等,为...

    数学建模论文 物资分配问题

    对于单位不可分物资,可能涉及贪心策略或模拟退火等启发式算法。 【模型应用与评价】模型的应用场景是真实的灾害救援,其价值在于提高分配效率和满意度。模型评价则关注分配的公平性、合理性以及计算速度。通过不同...

    个人信息环境建模

    #### 2.2 建模的启发式方法 这部分讨论了一些实用的建模策略,旨在帮助读者更好地设计和实现有效的模型。 #### 2.3 建模循环 这部分详细解释了建模过程中的六个主要任务,包括问题定义、假设构建、模型实现、分析...

    NHSPPM:PMedian 问题的求解启发式

    在解决NHSPPM问题时,常见的启发式策略包括贪婪算法、遗传算法、模拟退火算法、粒子群优化等。这些算法在复杂度和精度之间寻找平衡,为实际问题提供实用的解决方案。 Java作为一种广泛应用的编程语言,具有丰富的库...

    【数学建模】基于matlab模拟十字路口车辆通行【含Matlab源码 1106期】.zip

    9. **算法设计**:在实现交通信号优化时,可能需要设计特定的算法,如贪心算法、启发式算法等,以求得近似最优解。 通过以上知识的应用,我们可以创建一个能反映真实情况的十字路口交通模型,并对其进行优化,以...

    研究生数学建模F题

    - **遗传算法、模拟退火算法等启发式算法:** 当问题规模较大时,可采用这些算法寻找近似最优解。 **3. 数据处理与分析:** - **数据预处理:** 对给定的数据进行清洗和整理,确保数据准确无误。 - **结果分析:** ...

Global site tag (gtag.js) - Google Analytics