`
lujar
  • 浏览: 524129 次
  • 性别: Icon_minigender_1
  • 来自: 杭州
社区版块
存档分类
最新评论

正交表方法在创建测试套件上的应用(2)

阅读更多
 
在上部分正交表方法在创建测试套件上应用, 我们讨论了问题和面临的挑战,现在开始解决这个问题。
 
软件测试的目的就是发现缺陷,从理论上看,试图发现100%的缺陷,就要对各种组合进行测试。而我们的目标没有必要设在100%,而是通过一个优化组合去发现99.5%~99.9%以上的缺陷,而且产品的所有主要特性得到验证,就足够的,因为我们测试的对象是一个应用系统。从正交试验方法来看,我们将所有这些因素(操作系统、浏览器、代理服务器/防火墙、传输协议、客户端版本、第3方产品集成和本地化语言)考虑进去,然后根据因素之间的强度和对测试结果的影响程度,选定不同水平的正交表进行试验,通过分析找出对结果有影响的组合,就是要进行测试的组合。
这里正交试验方法所考察的“结果”,就是对测试所发现的缺陷的影响——每一种组合可以或可能发现的缺陷,实际也就是产品的特性对任一种组合的敏感度。我们再将“试验”概念扩展一下,就是以前完成的测试所积累下来的数据可以看作是这种试验的可用结果之一。另外,这里主要考虑功能特性,对于非功能特性(如性能、安全性),有另外一套特定的测试用例,而且影响因素也是不一样的,如性能集中在代理服务器/防火墙、传输协议上。
为了使问题简单些,我们可以将因素分类,先在各个类别进行正交组合试验和分析,然后再进行大类别的正交组合设计,使之整个测试套件的设计策略得到最优实现。
 
1.测试用例的分类
为了更准确分析组合并降低风险,可以将测试用例从两个角度进行分类:用例的优先级和用例的目标域。
用例按优先级(Priority)可以分为3类
Cp1-最高级,这些测试用例所发现的缺陷是致命的——必须在当前版本修正后
Cp2-中级,这些测试用例所发现的缺陷是较严重的——必须在下一个版本修正
Cp3-最低级,这些测试用例所发现的缺陷是一般的——有时间最好修正
用例按目标域(Objectives)可以分为3类
Cu – 测试客户端功能界面的用例
Cl – 测试客户端功能逻辑的用例
Ci – 测试客户端集成(接口)的用例
当然,针对产品的不同特点/规模等,可以进行不同的、更多的层次分类。
 
2.操作系统和浏览器的正交性试验结果
OS\Browser
IE7.0
IE6.0 SP1
Firefox 2.0
Firefox 1.5
Mozilla 1.4
Mozilla 1.7.13
NS 8.1
Safari 1.3
Safari 2.0
Windows
 
 
 
 
 
 
 
 
 
Windows Vista
Y
Y
Y
 
 
Y
Y
 
 
Windows XP SP2
Y
Y
Y
Y
 
Y
Y
 
 
Windows 2000 SP4 Update Rollup 1
 
Y
 
Y
 
Y
Y
 
 
Windows 2003 Server R2
 
Y
 
Y
 
Y
 
 
 
Mac
 
 
 
 
 
 
 
 
 
Mac OS X Panther (10.3)
 
 
Y
Y
Y
 
Y
Y
 
Mac OS X 10.4 (Power PC)
 
 
Y
Y
 
 
Y
Y
Y
Mac OS X 10.4.6 (Intel native)
 
 
Y
Y
 
 
Y
 
Y
Solaris
 
 
 
 
 
 
 
 
 
Solaris 9
 
 
Y
Y
Y
Y
 
 
 
Solaris 10
 
 
Y
Y
 
Y
 
 
 
Linux
 
 
 
 
 
 
 
 
 
Red Hat Enterprise Linux 4
 
 
Y
Y
Y
Y
Y
 
 
SuSE Linux 10
 
 
Y
Y
分享到:
评论

相关推荐

    allpairs设计正交表.zip

    "allpairs"是这种设计方法的一个工具,它帮助测试人员创建全面的测试套件,确保所有可能的因子组合至少被测试一次。"allpairs设计正交表.zip"这个压缩包包含了一系列与allpairs工具相关的文件,旨在支持和解释如何...

    软件测试资料定义.pdf

    黑盒测试常用方法有等价类划分、边界值分析、因果图、决策表和正交实验设计,而白盒测试则关注代码行、路径和变量状态。 综上所述,软件测试是一个综合性的活动,涵盖从需求分析到测试执行的全过程,包括静态和动态...

    Sudll - the Sudoku Library-开源

    5. **测试和调试**:开源项目通常会有完善的测试套件,确保代码质量。Sudll可能包含单元测试和集成测试,以便开发者了解每个功能的正确性。 6. **文档和示例**:为了方便用户理解和使用,Sudll库应有详细的文档,...

    打造高效集成工具箱:基于Python与Tkinter的实战开发教程

    在日常的开发和使用中,我们经常需要借助各种小工具来提高工作效率,例如快速启动常用的应用程序、管理文件等。一个简单但功能强大的集成工具箱可以帮助用户快速访问、启动并管理程序。今天,我们将以Python为基础,结合Tkinter和Win32API,开发一个类似Windows快捷方式的工具箱应用,能够让你轻松集成各种常用程序并一键启动

    django自建博客app

    django自建博客app

    《基于YOLOv8的智慧校园实验室高压灭菌锅安全联锁系统》(包含源码、可视化界面、完整数据集、部署教程)简单部署即可运行。功能完善、操作简单,适合毕设或课程设计.zip

    《基于YOLOv8的智慧校园实验室高压灭菌锅安全联锁系统》(包含源码、可视化界面、完整数据集、部署教程)简单部署即可运行。功能完善、操作简单,适合毕设或课程设计

    测试啊啊啊啊啊啊啊!!!!!

    测试啊啊啊啊啊啊啊!!!!!

    用于hifi测序数据的基因组组装程序

    用于hifi测序数据的基因组组装程序

    Microsoft Access 2010 数据库引擎可再发行程序包AccessDatabaseEngine-X64解压后的文件AceRedist

    Microsoft Access 2010 数据库引擎可再发行程序包AccessDatabaseEngine-X64解压后的文件AceRedist

    从大模型、智能体到复杂AI应用系统的构建-以产业大脑为例.pdf

    从大模型、智能体到复杂AI应用系统的构建——以产业大脑为例

    自然语言处理之TF-IDF算法与TextRank算法的缠绵_textrank,tf-idf和两者的组合-CSDN博客.html

    自然语言处理之TF-IDF算法与TextRank算法的缠绵_textrank,tf-idf和两者的组合-CSDN博客.html

    科学智能2023版《科学智能 (AI4S)全球发展观察与展望》:AI4S驱动的跨领域技术创新与应用

    内容概要:2023版《科学智能 (AI4S)全球发展观察与展望》阐述了AI for Science(AI4S)在全球范围内的最新进展及其对科学和工业的深远影响。文章首先回顾了AI4S在过去一年中的快速发展,特别是在药物研发、材料科学、地质学、污染治理等多个领域的应用实例。AI4S通过结合深度学习、机器学习和其他AI技术,加速了从基础研究到实际应用的转化过程。例如,在药物研发中,AI4S帮助科学家克服了“反摩尔定律”的挑战,提高了新药研发的成功率;在材料科学中,AI4S实现了复杂材料的高效模拟,如人造钻石、石墨烯、碳纳米管等;在地质学中,AI4S通过模拟地球内部结构和物理过程,为地震学研究提供了新视角。此外,文章还探讨了大语言模型(LLMs)与科学方法的结合,指出LLMs不仅能辅助科学研究,还能生成新的科学假设并进行逻辑推理。 适合人群:具备一定科研背景或对AI技术感兴趣的科研人员、工程师、政策制定者及高校师生。

    个人健康与健身追踪数据集,包含了日常步数统计、睡眠时长、活跃分钟数以及消耗的卡路里,适用于数据分析、机器学习

    这个数据集包含了日常步数统计、睡眠时长、活跃分钟数以及消耗的卡路里,是个人健康与健身追踪的一部分。 该数据集非常适合用于以下实践: 数据清洗:现实世界中的数据往往包含缺失值、异常值或不一致之处。例如,某些天的步数可能缺失,或者存在不切实际的数值(如10,000小时的睡眠或负数的卡路里消耗)。通过处理这些问题,可以学习如何清理和准备数据进行分析。 探索性分析(发现日常习惯中的模式):可以通过分析找出日常生活中的模式和趋势,比如一周中哪一天人们通常走得最多,或是睡眠时间与活跃程度之间的关系等。 构建可视化图表(步数趋势、睡眠与活动对比图):将数据转换成易于理解的图形形式,有助于更直观地看出数据的趋势和关联。例如,绘制步数随时间变化的趋势图,或是比较睡眠时间和活动量之间的关系图。 数据叙事(将个人风格的追踪转化为可操作的见解):通过讲述故事的方式,把从数据中得到的洞察变成具体的行动建议。例如,根据某人特定时间段内的活动水平和睡眠质量,提供改善健康状况的具体建议。

    框架结构天城商业办公楼5200平米(建筑图 结构图 计算书 开题报告 任务书 文献翻.zip

    框架结构天城商业办公楼5200平米(建筑图 结构图 计算书 开题报告 任务书 文献翻.zip

    柴油机连杆加工工艺及夹具设计.zip

    柴油机连杆加工工艺及夹具设计.zip

    BeautifulSoup中的select方法汇总

    读书网首页的HTML信息

    渐变色文字生成工具 v1.0一款让文字生成渐变颜色代码的软件文字渐变颜色代码生成器.rar

    文字渐变颜色代码生成器:让文字绽放多彩魅力,演示:在信息交流日益丰富的今天,个性化的文字展示成为吸引目光的关键。这款文字渐变颜色代码生成器,便是为满足这一需求而生的绿色软件,无需安装,便捷实用。 它的操作极为简便。用户只需在软件界面中输入想要转换的文字内容,接着从丰富的色彩选项里挑选心仪的起始颜色与结束颜色,随后轻轻按下 “转换按钮”,神奇的事情就此发生 —— 适用于论坛、网页、QQ 空间等多种平台,以及自定义格式的渐变颜色代码便会即刻生成。不仅如此,生成的代码还能自动复制到剪切板,极大地节省了用户手动复制的时间。当你在论坛回帖、更新网页内容或是装扮 QQ 空间时,只需轻松粘贴代码,原本单调的文字瞬间就能拥有绚丽的渐变色彩,瞬间脱颖而出,为你的表达增添独特魅力,让文字不再平凡,轻松成为视觉焦点。 一款可以轻松把一段文字生成渐变颜色代码的绿色软件,当你在软件中输入完要转换的文字后,只需要挑选自己喜欢的起始颜色、结束颜色后,按一下―转换按钮即可生成相应的论坛/网页/QQ空间以及自定义格式代码,并且代码可以自动复制到剪切板中,回帖时直接粘贴代码即可不错得文字代码生成器,让你得文字更加漂亮.

    【锂电池剩余寿命预测】Transformer锂电池剩余寿命预测(Matlab完整源码和数据)

    1.【锂电池剩余寿命预测】Transformer锂电池剩余寿命预测(Matlab完整源码和数据) 2.数据集:NASA数据集,已经处理好,B0005电池训练、B0006测试; 3.环境准备:Matlab2023b,可读性强; 4.模型描述:Transformer在各种各样的问题上表现非常出色,现在被广泛使用。 5.领域描述:近年来,随着锂离子电池的能量密度、功率密度逐渐提升,其安全性能与剩余使用寿命预测变得愈发重要。本代码实现了Transformer在该领域的应用。 6.作者介绍:机器学习之心,博客专家认证,机器学习领域创作者,2023博客之星TOP50,主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析,文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年,更多仿真源码、数据集定制私信。

    《基于YOLOv8的船舶压载水违规排放监测系统》(包含源码、可视化界面、完整数据集、部署教程)简单部署即可运行。功能完善、操作简单,适合毕设或课程设计.zip

    资源内项目源码是来自个人的毕业设计,代码都测试ok,包含源码、数据集、可视化页面和部署说明,可产生核心指标曲线图、混淆矩阵、F1分数曲线、精确率-召回率曲线、验证集预测结果、标签分布图。都是运行成功后才上传资源,毕设答辩评审绝对信服的保底85分以上,放心下载使用,拿来就能用。包含源码、数据集、可视化页面和部署说明一站式服务,拿来就能用的绝对好资源!!! 项目备注 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、大作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.txt文件,仅供学习参考, 切勿用于商业用途。

    《基于YOLOv8的港口船舶靠泊角度偏差预警系统》(包含源码、可视化界面、完整数据集、部署教程)简单部署即可运行。功能完善、操作简单,适合毕设或课程设计.zip

    资源内项目源码是来自个人的毕业设计,代码都测试ok,包含源码、数据集、可视化页面和部署说明,可产生核心指标曲线图、混淆矩阵、F1分数曲线、精确率-召回率曲线、验证集预测结果、标签分布图。都是运行成功后才上传资源,毕设答辩评审绝对信服的保底85分以上,放心下载使用,拿来就能用。包含源码、数据集、可视化页面和部署说明一站式服务,拿来就能用的绝对好资源!!! 项目备注 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、大作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.txt文件,仅供学习参考, 切勿用于商业用途。

Global site tag (gtag.js) - Google Analytics