测试|测试用例方法篇
测试|测试用例方法篇
文章目录
- 测试|测试用例方法篇
- 1.测试用例的基本要素:测试环境,操作步骤,测试数据,预期结果…
- 2.测试用例带来的好处
- 3.测试用例的设计思路,设计方法,具体设计方法之间的关系
- **设计测试用例工作展开流程/设计思路(基于需求的测试用例设计)**
- 4.具体设计方法
- 1.等价类法
- 2.边界值法(补充)
- 3.判定表法
- 4.正交表法
- 5.场景设计法
- 6.错误猜测法
- 设计实例
- 等价类法
- 边界值法
- 判定表法
- 正交表
- 场景设计法
- 错误猜测法
1.测试用例的基本要素:测试环境,操作步骤,测试数据,预期结果…
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kW2F7S6P-1690688728706)(F:\typora插图\image-20230730081407621.png)]](https://img-blog.csdnimg.cn/95466a6dd7364ea798e672e17647e2c4.png)
注:这里是预期结果而非执行结果
2.测试用例带来的好处
一方面可以提高测试的效率,节省测试时间
另一方面测试用例是自动化测试用例的前提
3.测试用例的设计思路,设计方法,具体设计方法之间的关系
设计测试用例工作展开流程/设计思路(基于需求的测试用例设计)
1.查看需求文档 2.梳理需求 3.根据文档针对需求设计用例
然而,需求又可以分为两大类:功能性需求,非功能性需求
其中功能性需求分为
1. 各功能单独测试(有业务限制)
2. 功能的交互(根据业务连)
3. 功能一致性
4. 功能的错误操作
5. 用户体验,操作的易用性
具体工作时可以根据功能模块划分和业务模块划分用户操作区域将功能模块划分,进行测试
非功能性需求分为:性能,安全性,可靠性,兼容性,易维护性,可移植性。每一类非功能特性测试都需要根据需求单独分析。他们之间可能会存在相互影响,如安全性越高,
就越有可能给易用性,性能带来更大的挑战
注:对于每个应用软件系统,非功能特性的质量需求都是存在的,但不同项目对各个非功能要求不同。
1.纯客户端(不能发)如word电脑自带播放器等,功能测试要求低,但兼容性稳定性可移植性要求高
2.客户端/服务端如qq等要求功能正确,稳定性能好,对性能安全兼容要求不高
3.大型复杂网络应用系如银行对功能性能安全兼容容错可靠性都有很高要求
4.具体设计方法
具体设计而言,头脑风暴法==》具体的设计方法
1.等价类法
依据需求,将输入(特殊情况下会考虑输出)划分为若干个等价类,从等价类中选出一个测试用例,如果这个测试用例通过,则认为所代表的等价类测试通过,这样就可以用较少的测试用例达到尽量多的功能覆盖,解决不能穷举的问题。
在等价类思想中,我们一般将我们一般将输入域划分为有效等价类和无效等价类两个集合,其中有效等价类是满足用户需求的输入,集合无效等价类,是不满足用户需求的输入集合。
设计步骤:
- 充分理解需求
- 划分有效等价类和无效等价类
- 从有效等价类抽取其中一个数据进行设计测试用例,从无效等价类中抽取其中一个进行测试用例设计
2.边界值法(补充)
通常边界值分析法是对等价类划分法的补充,这种情况下,测试用例来自等价类的边界。
这种情况下设计步骤就是
- 充分理解需求
- 找出边界点
- 针对边界点设计测试用例
其中上点是边界上的点,内点是边界内的点,离点是边界值附近的一个点,闭区间区间外距离上点最近的点,开区间区间内距离上点最近的点
3.判定表法
(一种表示逻辑判断的工具,和因果图起到的作用是一致的,因为因果图最后还是要转换成判定表所以这里我就直接理解成判定表法了)
设计步骤:
- 分析所有可能的输入和可能的输出
- 找出输入与输出之间的对应关系
- 设计判定表(用表格表示出来)
- 将判定表对应到每一个测试用例(对应表格用思维导图表示出来)
注:我们这里列的是测试点,但要求高的,需要写针对测试点补充测试要素
4.正交表法
(我的理解就是一般情况下的判定表法,因为输入输出比较多的时候,我们使用判定表法可能会耗费很多时间,这个时候使用正交表法就比较合适)
两个非常重要的概念:因素和水平
因素:输入变量。
水平:每个输入变量的取值。
两条性质:
1.每一列中每个数字出现的次数一样多
2.任何两列中有序数对出现的次数都一样多。
设计步骤
- 充分理解需求
- 确定因素和水平
- 画正交表
- 补充正交表
- 将正交表转化成测试用例
这里在画正交表时一般借助allpairs工具,使用方法:- 将因素和水平放到表格中,
- 将这个表格直接复制到txt文本中
- cmd进入allpairs安装路径下,输入文件名就会生成对应的正交
- 将对应的case转化成测试用例
5.场景设计法
其实就是在具体的业务场景下,根据事件流进行设计用例,其中事件流是同一事件不同触发顺序和处理结果形成的。
设计步骤:
- 充分理解需求
- 确定主事件流
- 确定次事件流
- 每一个事件流就是一个测试用例
6.错误猜测法
依靠测试人员经验的设计方法
设计实例
等价类法
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-srvuZ6mW-1690688728707)(F:\typora插图\image-20230730112718080.png)]](https://img-blog.csdnimg.cn/8483f686337049a987452858040c9602.png)
边界值法
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gna9jKQt-1690688728708)(F:\typora插图\image-20230730112801927.png)]](https://img-blog.csdnimg.cn/c7bf139dff97484e8ec330598cc38429.png)
判定表法
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Gpob1qmP-1690688728709)(F:\typora插图\image-20230730112809125.png)]](https://img-blog.csdnimg.cn/3b4323fab7dc4bc583a717682d60f5f6.png)
正交表
](https://img-blog.csdnimg.cn/bb6ea00e7a764eaba7d6b1f63de7631f.png)
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EdgHNhuA-1690688728709)(F:\typora插图\image-20230730112053484.png)]](https://img-blog.csdnimg.cn/0f00bdb30e1e466796c591dd6d83e0b8.png)
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TZNNeD2x-1690688728710)(F:\typora插图\image-20230730111654929.png)]](https://img-blog.csdnimg.cn/56bab236dd0a4e56b754b4c00556c269.png)
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0EiI0TK7-1690688728712)(F:\typora插图\image-20230730111759149.png)]](https://img-blog.csdnimg.cn/55ff6569be264923829722acbb9fa909.png)
这就是最后生成的正交表,其中~代表可以填写可以不填写。
因此最终可以生成8个测试点
场景设计法
![[外链图片转存中...(img-e2eDHj9s-1690688728712)]](https://img-blog.csdnimg.cn/1e0b1a9ef07145b88efcab5987fe4529.png)
错误猜测法
只能依靠测试人员的经验。
相关文章:
测试|测试用例方法篇
测试|测试用例方法篇 文章目录 测试|测试用例方法篇1.测试用例的基本要素:测试环境,操作步骤,测试数据,预期结果…2.测试用例带来的好处3.测试用例的设计思路,设计方法,具体设计方法之间的关系**设计测试用…...
负载均衡的策略有哪些? 负载均衡的三种方式?
负载均衡的策略有哪些? 负载均衡的策略有如下: 1. 轮询(Round Robin):按照请求的顺序轮流分配到不同的服务器。 2. 权重(Weighted):给不同的服务器分配不同的权重,根据权重比例来…...
二十三章:抗对抗性操纵的弱监督和半监督语义分割的属性解释
0.摘要 弱监督语义分割从分类器中生成像素级定位,但往往会限制其关注目标对象的一个小的区域。AdvCAM是一种图像的属性图,通过增加分类分数来进行操作。这种操作以反对抗的方式实现,沿着像素梯度的相反方向扰动图像。它迫使最初被认为不具有区…...
curator实现的zookeeper可重入锁
Curator是一个Apache开源的ZooKeeper客户端库,它提供了许多高级特性和工具类,用于简化在分布式环境中使用ZooKeeper的开发。其中之一就是可重入锁。 Curator提供了InterProcessMutex类来实现可重入锁。以下是使用Curator实现ZooKeeper可重入锁的示例&am…...
抽象工厂模式——产品族的创建
1、简介 1.1、简介 抽象工厂模式为创建一组对象提供了一种解决方案。与工厂方法模式相比,抽象工厂模式中的具体工厂不只是创建一种产品,它负责创建一族产品 1.2、定义 抽象工厂模式(Abstract Factory Pattern):提供…...
【C语言初阶篇】自定义类型结构体我不允许还有人不会!
🎬 鸽芷咕:个人主页 🔥 个人专栏:《C语言初阶篇》 《C语言进阶篇》 ⛺️生活的理想,就是为了理想的生活! 文章目录 📋 前言1 . 什么是结构体1.1 结构的定义1.2 结构的声明 2.结构体初始化2.1 用标签名定义和初始化2.2…...
重大更新|Sui主网即将上线流动性质押,助力资产再流通
Sui社区一直提议官方上线流动质押功能,现在通过SIP过程,已经升级该协议以实现这一功能。 Sui使用委托权益证明机制(DPoS)来选择和奖励负责运营网络的验证节点。为了保障网络安全,验证节点通过质押SUI token获得质押奖…...
day3 驱动开发 c语言编程
通过ioctl(内核应用层) 控制led灯三盏,风扇,蜂鸣器,小马达 头文件head.h #ifndef __LED_H__ #define __LED_H__typedef struct {volatile unsigned int TZCR; // 0x000volatile unsigned int res1[2]; // 0x…...
【字节跳动青训营】后端笔记整理-3 | Go语言工程实践之测试
**本文由博主本人整理自第六届字节跳动青训营(后端组),首发于稀土掘金:🔗Go语言工程实践之测试 | 青训营 目录 一、概述 1、回归测试 2、集成测试 3、单元测试 二、单元测试 1、流程 2、规则 3、单元测试的例…...
【Android】Recyclerview的缓存复用
介绍 RecyclerView是Android开发中常用的一个高度可定制的列表视图组件。它是在ListView和GridView的基础上进行了改进和增强,旨在提供更好的性能和更灵活的布局管理。 RecyclerView的主要特点如下: 灵活的布局管理器(LayoutManager&#…...
机器学习:混合高斯聚类GMM(求聚类标签)+PCA降维(3维降2维)习题
使用混合高斯模型 GMM,计算如下数据点的聚类过程: Datanp.array([1,2,6,7]) 均值初值为: μ1,μ21,5 权重初值为: w1,w20.5,0.5 方差: std1,std21,1 K2 10 次迭代后数据的聚类标签是多少? 采用python代码实现: from scipy import…...
libuv库学习笔记-processes
Processes libuv提供了相当多的子进程管理函数,并且是跨平台的,还允许使用stream,或者说pipe完成进程间通信。 在UNIX中有一个共识,就是进程只做一件事,并把它做好。因此,进程通常通过创建子进程来完成不…...
c++ 给无名形参提供默认值
如上图,若函数的形参不在函数体里使用,可以不提供形参名,而且可以给此形参提供默认值。也能编译通过。 在看vs2019上的源码时,也出现了这种写法。应用SFINAE(substitute false is not an error)原则&#x…...
NO1.使用命令行创建Maven工程
①在工作空间目录下打开命令窗口 ②使用命令行生成Maven工程 mvn archetype:generate 运行 MVN 原型:生成命令,下面根据提示操作 选择一个数字或应用过滤器(格式:[groupId:]artifactId,区分大小写包含)&a…...
深度学习入门(一):神经网络基础
一、深度学习概念 1、定义 通过训练多层网络结构对位置数据进行分类或回归,深度学习解决特征工程问题。 2、深度学习应用 图像处理语言识别自然语言处理 在移动端不太好,计算量太大了,速度可能会慢 eg.医学应用、自动上色 3、例子 使用…...
网络知识整理
网络知识整理 网络拓扑网关默认网关 数据传输拓扑结构层面协议层面 网络拓扑 网关 连接两个不同的网络的设备都可以叫网关设备,网关的作用就是实现两个网络之间进行通讯与控制。 网关设备可以是交换机(三层及以上才能跨网络) 、路由器、启用了路由协议的服务器、代…...
如何有效地使用ChatGPT写小说讲故事?
构思故事情节,虽有趣但耗时,容易陷入写作瓶颈。ChatGPT可提供灵感,帮你解决写作难题。要写出引人入胜的故事,关键在于抓住八个要素——主题、人物、视角、背景、情节、语气、冲突和解决办法。 直接给出故事模板,你可…...
原生求生记:揭秘UniApp的原生能力限制
文章目录 1. 样式适配问题2. 性能问题3. 原生能力限制4. 插件兼容性问题5. 第三方组件库兼容性问题6. 全局变量污染7. 调试和定位问题8. 版本兼容性问题9. 前端生态限制10. 文档和支持附录:「简历必备」前后端实战项目(推荐:⭐️⭐️⭐️⭐️…...
网络编程 IO多路复用 [epoll版] (TCP网络聊天室)
//head.h 头文件 //TcpGrpSer.c 服务器端 //TcpGrpUsr.c 客户端 通过IO多路复用实现服务器在单进程单线程下可以与多个客户端交互 API epoll函数 #include<sys/epoll.h> int epoll_create(int size); 功能:创建一个epoll句柄//创建红黑树根…...
【go-zero】浅析 01
“github.com/google/uuid” uuid.New().String() go-zero 文档 https://www.w3cschool.cn/gozero/ go-zero 官网 https://go-zero.dev/ 快速开始: $ mkdir go-zero-demo $ cd go-zero-demo $ go mod init go-zero-demo $ goctl api new greet $ go mod tidy Done…...
《基于S7-1200PLC的全自动洗衣机控制系统设计》 一、设计任务书 1.任务描述
《基于S7-1200PLC的全自动洗衣机控制系统设计》 一、设计任务书 1.任务描述:洗衣机的进水和排水分别由进水电磁阀和排水电磁阀来执行 进水时,通过电控系统时进水阀打开,将水由外桶排到机外 洗涤正转、反转由洗涤电动机驱动波盘正、反转来实现…...
Realistic Vision V5.1 Streamlit界面源码解析:如何扩展自定义摄影滤镜
Realistic Vision V5.1 Streamlit界面源码解析:如何扩展自定义摄影滤镜 1. 项目背景与技术特点 Realistic Vision V5.1是目前SD 1.5生态中最顶级的写实风格模型之一,能够生成媲美专业单反相机拍摄的人像作品。本项目通过Streamlit框架构建了直观的交互…...
【多智能体框架实战】JoyAgent-JDGenie:从零构建定制化AI工作流
1. JoyAgent-JDGenie框架初探:你的AI工作流搭建利器 第一次接触JoyAgent-JDGenie时,我正为一个电商客户发愁——他们需要一套能自动处理退换货咨询的AI系统。传统方案要么开发周期太长,要么灵活性不足。直到发现这个开源框架,只用…...
RT-Thread线程管理实战技巧与常见问题解析
1. RT-Thread线程管理实战指南在嵌入式系统开发中,线程管理是RTOS(实时操作系统)最核心的功能之一。作为一名长期使用RT-Thread的开发者,我发现很多初学者在掌握了线程理论后,在实际应用中仍然会遇到各种问题。本文将深…...
手把手教你用V4L2框架开发USB摄像头驱动(附UVC协议解析)
深入解析V4L2框架下的USB摄像头驱动开发与UVC协议实战 在嵌入式Linux开发领域,视频采集设备的驱动开发一直是工程师们需要掌握的核心技能之一。随着物联网和边缘计算的快速发展,USB摄像头在各种智能设备中的应用越来越广泛,从工业检测到智能家…...
【实战指南】ComfyUI-Florence2模型加载问题疑难解决:从异常排查到稳定运行的实践指南
【实战指南】ComfyUI-Florence2模型加载问题疑难解决:从异常排查到稳定运行的实践指南 【免费下载链接】ComfyUI-Florence2 Inference Microsoft Florence2 VLM 项目地址: https://gitcode.com/gh_mirrors/co/ComfyUI-Florence2 在使用ComfyUI-Florence2视觉…...
DOL-CHS-MODS:一站式游戏体验优化整合方案
DOL-CHS-MODS:一站式游戏体验优化整合方案 【免费下载链接】DOL-CHS-MODS Degrees of Lewdity 整合 项目地址: https://gitcode.com/gh_mirrors/do/DOL-CHS-MODS 方案价值:为何选择整合方案 DOL-CHS-MODS 提供了一种智能化的游戏资源整合解决方案…...
2026别墅地下室保养升值的最好方法:电渗透技术的应用
别墅地下室随着人们日益增长的生活质量,功能也逐渐变得丰厚。当今时代不少业主都会在地下室加装健身房,酒窖以及影视厅等。这些功能区建设完毕初期给人无不良影响,但是随着时间的渐长,湿气不断渗透,首先空气潮湿度会给…...
Mac环境OpenClaw深度优化:Qwen3-4B模型推理速度提升30%方案
Mac环境OpenClaw深度优化:Qwen3-4B模型推理速度提升30%方案 1. 为什么需要优化OpenClaw的模型推理速度 上周我在用OpenClaw处理一个简单的文件整理任务时,发现整个流程耗时比预期长了近一倍。通过日志排查才发现,大部分时间都消耗在等待Qwe…...
Qwen2.5-14B-Instruct入门指南:像素剧本圣殿UI组件与剧本结构映射关系解析
Qwen2.5-14B-Instruct入门指南:像素剧本圣殿UI组件与剧本结构映射关系解析 1. 工具概览与核心价值 像素剧本圣殿(Pixel Script Temple)是一款基于Qwen2.5-14B-Instruct大模型深度优化的专业剧本创作工具。它将AI强大的文本生成能力与独特的…...
