zoukankan      html  css  js  c++  java
  • 软件测试方法之白盒测试与黑盒测试

    一、白盒测试(又可以称为基于逻辑覆盖的方法 或者 基于结构的方法)
    包括 语句覆盖,判定覆盖,条件覆盖,判定条件覆盖 ,条件组合覆盖,基本路径覆盖。
    1 判定覆盖
    设计若干用例,运行被测程序,使得程序中每个判断的取真分支和取假分支至少经历一次。可达到代码行覆盖。其实就是每条分支路径必须至少遍历一次。

    2 条件覆盖
    使每个判断中每个条件的可能取值至少满足一次。

    判断语句可以由几个条件组成,如a>0||b<1

    3 判定条件覆盖
    将两种方法结合起来,是判定和条件方法的交集。

    4 条件组合覆盖
    设计足够的测试用例,使得判断中每个条件的所有可能至少出现一次,并且每个判断本身的判定结果也至少出现一次。

    5 基本路径覆盖
    设计所有的测试用例,来覆盖程序中所有可能的、独立的执行路径。
    基本步骤:
    (1)程序的流程图
    (2)计算程序环路复杂度
    圈复杂度=边数-节点数+2
    或=判断节点数目+1

    二、黑盒测试
    包括 等价类划分、边界值分析、判断表与因果图法

    1 等价划分法
    用一组有限的数据去代表近似无限的数据,这是等价划分方法的基本思想,等价划分就是解决如何现在适当的数据子集来代表整个数据集的问题。等价划分技术的对象既可以是测试对象的输入,也可以是测试对象的输出。
    基本步骤:
    (1)识别等价类
    (2)创建测试用例

    2 边界值分析法
    边界包括输入等价类和输出等价类的大小边界
    基本步骤:
    (1)识别测试对象中参数的等价类
    (2)识别每个等价类的边界值
    (3)创建边界相关测试用例

    3 判断表与因果图 ?感觉有点像结对测试
    当知道因果图后,需要转化成判断表,已有软件可以实现 ;结对测试是针对输入值的两两组合,也有软件可以实现

    测试策略就是对于这些方法的组合

  • 相关阅读:
    每日一题
    每日一题
    每日一题
    每日一题
    每日一题
    Tensorflow学习(四)——递归神经网络RNN
    Tensorflow学习(三)——卷积神经网络应用于MNIST数据集分类
    Tenserflow学习(二)——MNIST数据集分类三层网络搭建+Dropout+tensorboard可视化
    Tenserflow学习(一)——MNIST数据集分类简单版本
    蓝桥杯第十届(2019)B组省赛1-9题练手源码
  • 原文地址:https://www.cnblogs.com/lxoc/p/6666511.html
Copyright © 2011-2022 走看看