स्वयंचलित चाचणीची विशिष्ट रचना काय आहे?

आम्ही आमच्या स्वयंचलित चाचण्या कशा रचू? महत्त्वाचे म्हणजे, आम्ही आमच्या स्वयंचलित चाचण्या निवारक व पुनरावृत्ती करण्यायोग्य कसे बनवू शकतो?

प्रत्येक स्वयंचलित चाचणी एक किंवा त्यापेक्षा जास्त निर्धारित अटींच्या विरूद्ध वैध असणे आवश्यक आहे. म्हणजेच स्वयंचलित चाचणी तयार करताना एखाद्या क्रियेचा काय परिणाम झाला पाहिजे हे आम्हाला माहित असले पाहिजे जेणेकरुन आम्ही योग्य मूल्यांकन मूल्ये जागोजागी ठेवू शकू.

स्वयंचलित चाचण्या कोणत्याही हस्तक्षेपाशिवाय स्वयंचलितपणे चालविल्या पाहिजेत. शिवाय, स्वयंचलित चाचण्यांचे परिणाम निरोधक आणि विश्वासार्ह असले पाहिजेत.

पण आपण हे कसे साध्य करू?

उत्तर अगदी सोपे आहे परंतु जे वारंवार दुर्लक्षित होते आणि ते म्हणजे वापर नियंत्रित डेटा .

चाचणीचे घटक

चाचणी चालविण्यासाठी, आम्हाला तीन घटकांची आवश्यकता आहे:



  • अर्ज
  • परिदृश्य
  • डेटा

एक घटक जो अनुप्रयोगाच्या वर्तनावर जोरदारपणे प्रभाव पाडतो डेटा ; अनुप्रयोगास आवश्यक असलेला डेटा आणि त्यास पुरविला जाणारा डेटा

हे स्पष्ट करण्यासाठी, ई-कॉमर्स अनुप्रयोगाबद्दल विचार करा जेथे वापरकर्ते उत्पादने शोधू शकतात.

डेटाबेस रिकामे नसताना डेटाबेसमध्ये उत्पादने असतात तेव्हा शोध परिणाम पृष्ठ वेगळ्या प्रकारे दिसेल आणि वागेल.

साहजिकच आमच्या स्वयंचलित चाचण्यांमध्ये भिन्न statesप्लिकेशन स्टेट्सची पूर्तता झाली पाहिजे आणि भिन्न वर्तन पहावे.

जेव्हा आम्ही एखादे उत्पादन शोधतो आणि आम्ही याद्या पाहतो तेव्हा आम्ही परीणामांचे प्रमाणीकरण कसे करू शकतो? हा डेटा आपल्या अपेक्षेप्रमाणे आहे याची आपण कशी खात्री बाळगू शकतो? शिवाय, आम्ही ही प्रक्रिया पुन्हा पुन्हा करण्यायोग्य कशी बनवू शकतो जेणेकरून प्रत्येक नवीन उपयोजितांवर समान परिणाम मिळू शकेल?

स्वयंचलित चाचण्या निश्चय कसे करावे

स्वयंचलित चाचण्यांमध्ये आम्हाला नियंत्रित डेटाची आवश्यकता का आहे?

मी आपणास एका वाईट अभ्यासाचे एक उदाहरण देतो जे मी स्वयंचलित चाचण्यांमध्ये वारंवार होत असल्याचे पाहतो:

एक अत्यंत खराब चाचणी ही आहे की आम्ही एखाद्या उत्पादनाचा शोध घेतो आणि आम्ही असे प्रतिपादन करतो की आमच्याकडे काही सूची प्रदर्शित आहेत. आम्ही खोलवर तपासणी करणार नाही - जोपर्यंत पृष्ठावर उत्पादने दिसतील तोपर्यंत आम्ही चांगले आहोत. इन्सान!

दुर्दैवाने, यामुळे काही प्रश्न अनुत्तरीत राहतील:

  • योग्य डेटाबेसमधून डेटा येत आहे हे आम्हाला कसे कळेल? आम्ही उपहासात्मक डेटासह मॉक सर्व्हरशी कनेक्ट आहोत?
  • डेटा कसा परत मिळाला हे आम्ही कसे समजतो?
  • शोध परिणाम पृष्ठामध्ये वस्तूंची योग्य संख्या कशी दर्शविली जाते हे आम्हाला कसे कळेल?

परीक्षांच्या निकालांवर ठामपणे सांगणे आवश्यक आहे. ठामपणे समजून घेणे आणि वैध धनादेश असणे आवश्यक आहे.

जर आम्ही डेटा नियंत्रित करत नाही तर आमच्याकडे वरील प्रश्न जाणून घेण्याचा किंवा तपासण्याचा कोणताही मार्ग नाही.

स्वयंचलित चाचण्या निवारक करण्यासाठी, आम्हाला स्वतः डेटा तयार करणे आवश्यक आहे. स्वयंचलित चाचण्यांनी ज्ञात डेटा इंजेक्ट करावा आणि त्या डेटा विरूद्ध निकाल प्रमाणित करावा.

आम्ही फक्त इतर प्रक्रियेद्वारे वापरल्या जाणार्‍या डेटावर अवलंबून असल्यास आणि ते बदलू शकतात, तर आमच्या स्वयंचलित चाचण्या विश्वसनीय ठरणार नाहीत. आमच्याकडे निकाल निश्चित करण्याचा कोणताही मार्ग नाही.

स्वयंचलित चाचण्या पुनरावृत्ती करण्यायोग्य कसे करावे

स्वयंचलित चाचण्या स्वयंचलितपणे चालल्या पाहिजेत. ख auto्या स्वयंचलित फॅशनमध्ये, सीआय / सीडी बिल्ड पाइपलाइन सारख्या प्रक्रियेद्वारे चाचण्या सुरू केल्या जातात ज्या चाचण्यांची अंमलबजावणी आणि अहवाल नियंत्रित करतात.

पुन्हा, आम्ही डेटा कसा हाताळतो याचा स्वयंचलित चाचण्यांची विश्वासार्हता आणि पुनरावृत्तीवर परिणाम होतो.

चांगल्या स्वयंचलित चाचणीची एक विशिष्ट रचना आहे

  • 1 - सेटअप [ज्ञात डेटा तयार करा]
  • २ - चाचणी [तयार केलेला डेटा वापरा]
  • 3 - टियरडाउन [तयार केलेला डेटा नष्ट करा]

चाचणी डेटा तयार करा

आम्हाला प्रत्येक वेळी चाचणी डेटा सेटअप करण्याची आवश्यकता का आहे? प्रत्येक वेळी जेव्हा आपण चाचण्या घेतो तेव्हा हे आमचे काम कमी करते का? आम्ही एकदा सेट करुन पुन्हा त्याच डेटाचा पुन्हा वापर करू शकत नाही?

ठीक आहे, चाचणी संपल्यानंतर डेटाचे काय होते हे आम्हाला कसे कळेल? कदाचित दुसर्‍या व्यक्तीच्या चाचणीने डेटा सुधारित केला असेल किंवा हटविला असेल?

पुढच्या वेळी तीच चाचणी घ्यायची असेल तर डेटा वापरायला आपल्या आधीपासूनच अस्तित्त्वात आहे हे आपण कसे सांगू शकतो?

चाचणी डेटा नष्ट करा

आम्हाला तयार केलेला चाचणी डेटा नष्ट करण्याची आवश्यकता का आहे?

कारण पुढच्या अंमलबजावणीवर, जेव्हा आम्ही चाचणी डेटा तयार करण्याचा प्रयत्न करतो, तेव्हा डुप्लिकेट डेटा असतो किंवा त्यापेक्षा वाईट आम्हाला चाचण्यांमध्ये अपवाद वगळता येईल.

आम्ही चाचणी डेटा हटवत नसल्यास आणि यादृच्छिक चाचणी डेटा पुन्हा तयार करत राहिल्यास, जादा वेळ डेटाबेसमध्ये बरेच चाचणी डेटा असतील आणि आम्हाला इतर समस्या असतील.

म्हणून आपला चाचणी डेटा तयार आणि नष्ट करण्याचे सुनिश्चित करा.

सारांश

आमच्या चाचणी स्वयंचलित प्रयत्नांमधून अधिक मूल्य मिळविण्यासाठी, आम्हाला चांगल्या संरचनेसह चांगल्या चाचण्या तयार करण्याची आवश्यकता आहे.

आम्ही आमच्या चाचण्यांना अंदाज लावण्यायोग्य आणि निवारक बनवू शकतो हा एक मार्ग म्हणजे चाचणी डेटा नियंत्रित करणे. चाचणीसाठी अस्तित्त्वात असलेल्या डेटावर अवलंबून राहण्याऐवजी स्वयंचलित चाचण्यांनी डेटा चालू ठेवण्याच्या दृष्टीने पूर्व-चरण म्हणून बियाणे आवश्यक आहे.

आमच्या स्वत: च्या चाचणी डेटा सीड करून, आम्ही विविध परिस्थितीसाठी चाचणी घेऊ शकतो. शिवाय, आम्ही खात्री बाळगू शकतो की ठामपणे निवेदने ज्ञात डेटा तपासत आहेत. यामुळे चाचण्या निवारक होतील.

स्वयंचलित चाचणी परिस्थिती वारंवार चालविण्यासाठी, आम्हाला हे सुनिश्चित करणे आवश्यक आहे की परिस्थिती चालवण्यापूर्वी आमच्या चाचण्या चाचणी डेटा तयार करतात. हे स्वयंचलित चाचणीच्या सेटअप विभागात केले जाते.

त्यानंतर परिस्थिती सेटअप चरणात तयार केलेला डेटा वापरेल.

शेवटी जेव्हा आम्ही चाचणी पूर्ण केली जाते, तेव्हा कोणताही तयार केलेला डेटा हटवून आपल्याकडे चाचणी वातावरण स्वच्छ करण्याचा एक मार्ग असावा. हे स्वयंचलित चाचणीच्या टियरडाऊन विभागात केले जाते.

संबंधित: