功能测试用例自动生成算法Pairwise
2021/11/7 12:09:49
本文主要是介绍功能测试用例自动生成算法Pairwise,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
Pairwise算法是什么
对于以下测试场景:
- 浏览器:M,O,P
- 操作平台:W(windows),L(linux),i(ios)
- 语言:C(chinese),E(english)
该如何设计功能测试用例呢?
根据数学统计分析,73%的缺陷(单因子是35%,双因子是38%)是由单因子或2个因子相互作用产生的。19%的缺陷是由3个因子相互作用产生的。也就是说,大多数的bug都是条件的两两组合造成的。
Pairwise算法是L. L. Thurstone在1927年首先提出来的,他是美国的一位心理统计学家。Pairwise算法基于两两组合,过滤出性价比高的用例集。它的思路是:如果某一组用例的两两组合结果,在其他组合中均出现,就删除该组用例,从而精简用例。
对于上述测试场景,可以通过笛卡尔积设计18条两两组合的测试用例:
1,M W C 2,M W E 3,M L C 4,M L E 5,M I C 6,M I E 7,O W C 8,O W E 9,O L C 10,O L E 11,O I C 12,O I E 13,P W C 14,P W E 15,P L C 16,P L E 17,P I C 18,P I E
对于第18条用例P I E
来说,两两组合是PI ,PE ,IE
,PI
在17号,PE
在16号,IE
在12号出现过,所以第18条用例可以过滤掉。按照这个算法继续过滤,最终剩下9条用例:
1,M W C 4,M L E 6,M I E 7,O W E 9,O L C 11,O I C 14,P W E 15,P L C 17,P I C
用例减少了50%!而且维度越多越明显,当有10个维度的时候4*4*4*4*3*3*3*2*2*2
=55296个测试case,pairwise为24个,是原始测试用例规模的0.04%。
Python实现
源码已上传:https://github.com/dongfanger/python-tools/blob/main/pairwise.py
#!/usr/bin/python # encoding=utf-8 """ @Author : Don @Date : 2021/11/03 20:34 @Desc : """ import copy import itertools from sys import stdout from loguru import logger def parewise(option): """pairwise算法""" cp = [] # 笛卡尔积 s = [] # 两两拆分 for x in eval('itertools.product' + str(tuple(option))): cp.append(x) s.append([i for i in itertools.combinations(x, 2)]) logger.info('笛卡尔积:%s' % len(cp)) del_row = [] bar(0) s2 = copy.deepcopy(s) for i in range(len(s)): # 对每行用例进行匹配 if (i % 100) == 0 or i == len(s) - 1: bar(int(100 * i / (len(s) - 1))) t = 0 for j in range(len(s[i])): # 对每行用例的两两拆分进行判断,是否出现在其他行 flag = False for i2 in [x for x in range(len(s2)) if s2[x] != s[i]]: # 找同一列 if s[i][j] == s2[i2][j]: t = t + 1 flag = True break if not flag: # 同一列没找到,不用找剩余列了 break if t == len(s[i]): del_row.append(i) s2.remove(s[i]) res = [cp[i] for i in range(len(cp)) if i not in del_row] logger.info('过滤后:%s' % len(res)) return res def bar(i): """进度条""" c = int(i / 10) jd = '\r %2d%% [%s%s]' a = '■' * c b = '□' * (10 - c) msg = jd % (i, a, b) stdout.write(msg) stdout.flush() if __name__ == '__main__': pl = [['M', 'O', 'P'], ['W', 'L', 'I'], ['C', 'E']] a = parewise(pl) print() for i in a: print(i)
输出结果:
100% [■■■■■■■■■■] ('M', 'W', 'E') ('M', 'L', 'E') ('M', 'I', 'C') ('O', 'W', 'E') ('O', 'L', 'E') ('O', 'I', 'C') ('P', 'W', 'C') ('P', 'L', 'C') ('P', 'I', 'E') 2021-11-07 11:38:56.850 | INFO | __main__:parewise:24 - 笛卡尔积:18 2021-11-07 11:38:56.850 | INFO | __main__:parewise:45 - 过滤后:9
参考资料:
https://blog.csdn.net/ztf312/article/details/78792906
https://www.cnblogs.com/df888/p/11747616.html
这篇关于功能测试用例自动生成算法Pairwise的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-11-20实战:30 行代码做一个网页端的 AI 聊天助手
- 2024-11-185分钟搞懂大模型的重复惩罚后处理
- 2024-11-18基于Ollama和pgai的个人知识助手项目:用Postgres和向量扩展打造智能数据库
- 2024-11-15我用同一个提示测试了4款AI工具,看看谁设计的界面更棒
- 2024-11-15深度学习面试的时候,如何回答1x1卷积的作用
- 2024-11-15检索增强生成即服务:开发者的得力新帮手
- 2024-11-15技术与传统:人工智能时代的最后一袭纱丽
- 2024-11-15未结构化数据不仅仅是给嵌入用的:利用隐藏结构提升检索性能
- 2024-11-15Emotion项目实战:新手入门教程
- 2024-11-157 个开源库助你构建增强检索生成(RAG)、代理和 AI 搜索