【5.18】二、黑盒测试方法—因果图与决策表法

news2024/11/20 20:38:35

目录

2.3 因果图与决策表法

2.3.1 因果图设计法

2.3.2 决策表

2.3.3 实例:三角形决策表

2.3.4 实例:工资发放决策表 


2.3 因果图与决策表法

等价类划分法与边界值分析法主要侧重于输入条件,却没有考虑这些输入之间的关系,如组合、约束等。

2.3.1 因果图设计法

因果图法是一种利用图解法分析输入的各种组合情况的测试方法,它考虑了输入条件的各种组合及输入条件之间的相互制约关系并考虑输出情况

1. 因果图

因果图需要处理输入之间的作用关系,还要考虑输出情况,因此它包含了复杂的逻辑关系,这些复杂的逻辑关系通常用图示来展现,这些图示就是因果图。

因果图使用一些简单的逻辑符号和直线将程序的因(输入)与果(输出)连接起来,一般原因用ci表示,结果用ei表示,ci与ei可以取值“0”或“1”,其中“0”表示状态不出现“1”表示状态出现

ci与ei之间有恒等、非(~)、或(∨)、与(∧)4种关系:(下面是因果图

 

  1. 恒等:在恒等关系中,要求程序有1个输入和1个输出,输出与输入保持一致。若c1为1,则e1也为1;若c1为0,则e1也为0。
  2. 非:非使用符号“~”表示,在这种关系中,要求程序有1个输入和1个输出,输出是输入的取反。若c1为1,则e1为0;若c1为0,则e1为1。
  3. 或:或使用符号“∨”表示,或关系可以有任意个输入,只要这些输入中有一个为1,则输出为1,否则输出为0。
  4. 与:与使用符号“∧”表示,与关系也可以有任意个输入,但只有这些输入全部为1,输出才能为1,否则输出为0。

如果程序有多个输入,那么除了输入与输出之间的作用关系之外,这些输入之间往往也会存在某些依赖关系,某些输入条件本身不能同时出现,某一种输入可能会影响其他输入。这些依赖关系在软件测试中称为“约束”,约束的类别可分为4种:E(Exclusive,异)、I(at least one,或)、O(one and only one,唯一)、R(Requires,要求),在因果图中,用特定的符号表明这些约束关系:(下面是多个输入之间的约束符号

  1. E(异):a和b中最多只能有一个为1,即a和b不能同时为1。
  2. I(或):a、b和c中至少有一个必须是1,即a、b、c不能同时为0。
  3. O(唯一):a和b有且仅有一个为1。
  4. R(要求):a和b必须保持一致,即a为1时,b也必须为1;a为0时,b也必须为0。

输出条件的约束只有一种——M(Mask,强制):

在输出条件的强制约束关系中,如果a为1,则b强制为0;如果a为0,则b强制为1。

2. 因果图法设计测试用例的步骤

(1)分析程序规格说明书描述内容,确定程序的输入与输出,即确定“原因”和“结果”

(2)分析得出输入与输入之间输入与输出之间的对应关系,将这些输入与输出之间的关系使用因果图表示出来。

(3)由于语法与环境的限制,有些输入与输入之间、输入与输出之间的组合情况是不可能出现的,对于这种情况,使用符号标记它们之间的限制或约束关系

(4)将因果图转换为决策表

(5)根据决策表设计测试用例


2.3.2 决策表

决策表也称为判定表,其实质就是一种逻辑表。它可以把复杂的逻辑关系和多种条件组合的情况表达得既具体又明确(相比之下,因果图就不够简明),利用决策表可以设计出完整的测试用例集合。 

通过一个“图书阅读指南”来制作一个决策表:

根据这个决策表阅读图书,对各种情况的处理一目了然,简洁高效。

决策表通常由4个部分组成

  • 条件桩:列出问题的所有条件,除了某些问题对条件的先后次序有要求之外,通常决策表中所列条件的先后次序都无关紧要。
  • 条件项:条件项就是条件桩的所有可能取值。
  • 动作桩:动作桩就是问题可能采取的操作,这些操作一般没有先后次序之分。
  • 动作项:指出在条件项的各组取值情况下应采取的动作。

这4个组成部分对应到上面的表中:条件桩包括是否疲倦、是否对内容感兴趣、对书中内容是否感到糊涂;条件项包括“Y”与“N”;动作桩包括回到本章开头重读、继续读下去、跳到下一章去读、停止阅读并休息;动作项是指在问题综合情况下所采取的具体动作,动作项与条件项紧密相关,它的值取决于条件项的各组取值情况。

在决策表中,任何一个条件组合的特定取值及其相应要执行的操作称为一条规则,即决策表中的每一列就是一条规则,每一列都可以设计一个测试用例,根据决策表设计测试用例就不会有所遗漏。

将规则进行合并,可以减少重复的规则,相应地减少测试用例的设计,这样可以大大降低软件测试的工作量。

相比于因果图,决策表能够把复杂的问题按各种可能的情况一一列举,简明而易于理解,也避免遗漏,因此在多逻辑条件下执行不同操作的情况,决策表使用得更多。 

2.3.3 实例:三角形决策表

这里继续使用三角形讲解决策表的构建测试用例的设计。三角形的三边是否能构成三角形?如果能构成三角形,那么是构成一般三角形、等腰三角形还是等边三角形?

据此分析,三角形问题有4个原因:是否构成三角形?a=b?b=c?c=a?有5个结果:不构成三角形、一般三角形、等腰三角形、等边三角形、不符合逻辑。

三角形的原因与结果

有4个原因,每个原因可取值“Y”和“N”,因此共有2^4=16条规则:

 

由规则9到规则16可知,只要c1为N,则无论c2、c3、c4取何值结果都是e1,因此c2、c3、c4为无关条件项,可以将规则9到规则16合并成一条规则,而剩余其他规则无法合并简化:

根据上表可设计9个测试用例用于测试三角形:

2.3.4 实例:工资发放决策表 

某公司的薪资管理制度如下:员工工资分为年薪制与月薪制两种,员工的错误定位包括普通错误与严重错误两种,如果是年薪制的员工,犯普通错误扣款2%,犯严重错误扣款4%;如果是月薪制的员工,犯普通错误扣款4%,犯严重错误扣款8%。

员工工资由4个因素决定:年薪、月薪、普通错误、严重错误,其中年薪与月薪不可能并存,但普通错误与严重错误可以并存;

而员工最终扣款结果有7种:未扣款、扣款2%、扣款4%、扣款6%(2%+4%)、扣款4%、扣款8%、扣款12%(4%+8%)。

员工工资原因与结果:

有4个原因,假设每个原因有“Y”和“N”两个取值,理论上可以组成2^4=16种规则,但是c1与c2不能同时并存9(c1确定了,c2随之确定),因此有2^3=8种规则:

 

分析该员工工资决策表,并没有可以合并的规则,因此在测试时需要设计8个测试用例:


等价类划分和边界值分析法,更适合一些直接的输入数据,彼此之间没有什么逻辑关系的;

而对于一些由多种事件导致不同结果的问题,决策表法更加合适,因为不管输入之间有什么关系, 决策表法都能一一列举出来,覆盖完全,再据此进行测试用例的编写,测试就会更加全面。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/542486.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

单链表和双向链表如何执行删除操作

在实际的软件开发中,从链表中删除一个数据无外乎这两种情况: 删除结点中“值等于某个给定值”的结点;删除给定指针指向的结点。 1.从头结点开始一个一个依次遍历对比,直到找到值等于给定值的结点,然后再通过我前面讲…

LeetCode高频算法刷题记录4

文章目录 1. 二叉树的最近公共祖先【中等】1.1 题目描述1.2 解题思路1.3 代码实现 2. 全排列【中等】2.1 题目描述2.2 解题思路2.3 代码实现 3. 相交链表【简单】3.1 题目描述3.2 解题思路3.3 代码实现 4. 合并 K 个升序链表【困难】4.1 题目描述4.2 解题思路4.3 代码实现 5. 环…

chatgpt赋能Python-python3_4怎么下载

Python3.4的下载和安装 Python是一种流行的编程语言,它被广泛用于算法学习、数据分析和网站开发等领域。Python3.4是Python编程语言的一个版本,它在性能和功能方面都得到了改进。如果你希望学习Python3.4或者使用它开发项目,那么你需要下载并…

Jetpack Compose中的附带效应简介及使用

前言 附带效应是指LaunchedEffect、DisposableEffect、rememberCoroutineScope、rememberUpdatedState、produceState 、derivedStateOf的使用。附带效应这4个字在google官方文档上的表达与解释挺让人难以理解的。其实个人认为准确的描述应该是外部产生的数据向Compose状态作用…

chatgpt赋能Python-python3_8_1怎么用

Python3.8.1使用指南:让您的编程更加高效 Python是一种流行的高级编程语言,它以简洁明了的语法和丰富的库而著称。如果您是一名新手或有经验的程序员,Python都是一个很好的选择。在Python3.8.1中,新的功能和改进将进一步提高Pyth…

chatgpt赋能Python-python2的n次方程序

Python2的N次方程序:一个实用的编程工具 Python2是广泛使用的编程语言之一,它是一种强大且灵活的开源语言,被广泛应用于科学计算、数据分析、Web开发等领域。在Python2中,N次方程序是一种非常基础的程序,但是它在实际…

二叉树的基本认识(一)

要了解二叉树,就必然要知道什么是树,树是一种非线性的数据结构,它是由n(n>0)个有限结点组成一个具有层次关系的集合。把它叫做树是因为它看起来像一棵倒挂的树,也就是说它是根朝上,而叶朝下的…

C++类模板的具体化

目录 分类 代码 分析 一、类模板 一)代码 二)注意事项 三)运行结果 二、完全具体化的模板类 一)代码 二)注意事项 三)执行结果 三、部分具体化的模板类 一)代码 二)注…

【研发工具】Yapi接口管理平台内网Centos8下搭建

1 环境依赖安装 环境要求 nodejs(7.6) (本文安装12.18.3) mongodb(2.6)(本文安装5.0.17) 1.1 安装Nodejs 1.1.1 下载安装包 下载地址:https://nodejs.org/zh-cn/download/这里下载…

代码随想录训练营Day42|背包问题

目录 学习目标 学习内容 416. 分割等和子集 学习目标 01背包问题,你该了解这些! 01背包问题,你该了解这些! 滚动数组 416. 分割等和子集 学习内容 problems/背包理论基础01背包-1.md programmercarl/leetcode-master&#…

Java【网络编程2】详解ServerSocket和Socket类, 逐行代码解析如何服务器客户端通信(附代码)

文章目录 前言一、认识 Socket(套接字), TCP 协议和 UDP 协议1, 什么是 Socket(套接字)2, 浅谈 TCP 协议和 UDP 协议的区别和特点 二、基于 TCP 协议的 Socket API1, ServerSocket 类2, Socket 类 三、逐行代码解析网络编程1, 逐行解析客户端1.1, 核心成员方法 start() 2, 逐行…

【黑马笔记】Servlet简易教程

1. Servlet demo 0. 新建web app项目 记得去 web.xml 中删除多余的配置&#xff0c;以及新建对应的文件夹 1. 导入 Servlet依赖坐标 <dependency><groupId>javax.servlet</groupId><artifactId>javax.servlet-api</artifactId><version&…

四块ACM区域赛金牌,我队友

是的&#xff0c;毕业12年以后&#xff0c;他来找我。     痛失网名了属于是&#xff0c;但是这不重要&#xff0c;​怎么说呢&#xff1f;有点激动&#xff0c;我得把这件事情记录下来&#xff0c;这是一位重量级的人物&#xff0c;也是大家眼中别人家的孩子。     他…

Python网络爬虫:Scrapy和Beautiful Soup的使用和数据处理技巧

章节一&#xff1a;引言 在当今互联网时代&#xff0c;数据的价值越来越被重视&#xff0c;而网络爬虫作为一种强大的工具&#xff0c;可以帮助我们从互联网中提取有用的数据。Python作为一门广泛应用于数据科学和网络开发的编程语言&#xff0c;有着丰富的库和框架来支持网络…

SD卡数据恢复软件哪个最好 SD卡数据恢复多少钱

SD卡是一种常见的数字存储卡&#xff0c;由于其体积小、存储能力强&#xff0c;至今仍然被应用在手机&#xff0c;行车记录仪&#xff0c;微型摄像机中。但SD卡在使用过程中可能会出现一些故障或者数据丢失的情况。那么今天小编就给大家介绍一下SD卡数据恢复软件哪个最好&#…

泊松分布和指数分布的关系

泊松分布和指数分布的关系 泊松分布用于描述单位时间&#xff08;或面积内&#xff09;随机事件发生的次数&#xff08;离散型随机变量&#xff09;&#xff0c; λ \lambda λ表示随机事件在单位时间&#xff08;或面积内&#xff09;发生的平均次数 The Poisson distributio…

操作系统进程调度算法——先来先服务、时间片轮转、优先级调度算法

一、先来先服务调度算法 &#xff08;1&#xff09;算法内容&#xff1a;先来先服务调度算法是一种最简单的调度算法&#xff0c;可以应用于高级调度也可以运用于低级调度。高级调度时&#xff0c;FCFS调度算法按照作业进入后备作业队列的先后顺序选择作业进入内存&#xff0c…

FL Studio 20汉化补丁及详细激活使用说明/fl studio21怎么设置中文?

音乐在人们心中的地位日益增高&#xff0c;近几年音乐选秀的节目更是层出不穷&#xff0c;喜爱音乐&#xff0c;创作音乐的朋友们也是越来越多&#xff0c;音乐的类型有很多&#xff0c;好比古典&#xff0c;流行&#xff0c;摇滚等等。对新手友好程度基本上在首位&#xff0c;…

AI新风向标PaLm2?能否取代ChatGPT成为AI领域的老大

AI新风向标PaLm2&#xff1f; ​ 前几天Google发布了&#xff0c;PaLM2作为Google的下一代大型语言模型&#xff0c;它会取代ChatGPT成为更智能的AI工具吗? 关于PaLM2 ​ PaLM 2是Google的下一代大型语言模型&#xff0c;它建立在谷歌在机器学习和负责任的人工智能方面的突破…

新一代硬件安全第5章 TRNG

title: “第5章 真随机数生成器的本征熵” author: date: 2023-05-18 output: word_document Chapter 5 Intrinsic Entropy for True Random Number Generation 5.1 Chapter Introduction True Random Number Generators (TRNGs) form an essential and indispensable part …