Software-Testwerkzeuge Ressourcen

Sobald wir entschieden haben, welche Mock-Daten wir verwenden, nutzen unsere Ingenieure den Autogenerator, um die Daten zu validieren, die im Workflow, in der Mitte oder am Ende des Flusses, im DOM zurückgegeben werden. Wenn die Daten auf irgendeine Weise mithilfe von Geschäftsregeln transformiert werden, stellen wir sicher, dass die Daten konsistent von Lauf zu Lauf zurückgegeben werden.

Mehr anzeigen

Weniger anzeigen

Kurz gesagt, es ist ein Prozess von Versuch und Irrtum, aufgeteilt zwischen Menschen und Maschinen. Wir sammeln Metadaten basierend auf jedem Ereignis und bestimmen/entdecken die Sequenzen, die Menschen durchlaufen. Von dort aus ermöglicht uns ein Prozess von Versuch und Irrtum herauszufinden, welche Mock-Daten wir eingeben sollten, um jeden Pfad zu durchlaufen. Da der Prozess bereits weiß, wie Erfolg basierend auf einem vorbestimmten Workflow aussieht, werden wir wissen, dass die Mock-Daten korrekt sind, wenn wir diesen Workflow erfolgreich abschließen können. Wir validieren dann, dass die von der Anwendung zurückgegebenen Daten konsistent zurückgegeben werden. Dieser Prozess hat derzeit einige Menschen, die helfen. In Zukunft werden Maschinen jedoch in der Lage sein, dieses Raten und Überprüfen unabhängig durchzuführen, angesichts der begrenzten Anzahl von Optionen, die sie überprüfen können, und weil sie wissen, welchen Pfad sie als nächstes erreichen müssen, basierend auf dem vordefinierten Pfad, der den Erfolg definiert. Es ist eine Übung im maschinellen Lernen! Wir bringen es ihm derzeit bei.

Mehr anzeigen

Weniger anzeigen

Da wir bereits den Pfad kennen, den wir testen, haben wir eine Definition von Erfolg für jeden Testfall. Wir werden mit Versuch und Irrtum mit Mock-Daten arbeiten, bis wir den Pfad erreichen, den wir gehen müssen. Dies umfasst Dropdowns, Formularfelder und alle anderen Daten, die dazu führen würden, dass wir einen anderen oder verzweigten Pfad einschlagen. Wie Sie sich vorstellen können, ist die Tatsache, dass Mock-Testdaten so lange getestet werden können, bis das Ergebnis einem bekannten Erfolgszustand entspricht, ein maschinelles Lernproblem, das schließlich vollständig automatisiert werden kann. Wir arbeiten daran. Einige Erläuterungen, wie wir Testdaten verwalten: -Viele der Mock-Daten beeinflussen den Workflow nicht – Logins, Kontodetails wie Name oder Adresse, welches Produkt zum Warenkorb hinzugefügt wird. Wir verwenden, was praktisch ist. -Syntaktisch eingeschränkte Daten wie eine Telefonnummer werden kontextbezogen oder durch Versuch und Irrtum erstellt. -Wenn wir negative Testfälle in der Produktion beobachten, werden wir sie testen – jedoch werden wir nicht erschöpfend Permutationen von Mock-Daten testen, um den negativen Testfall auszulösen. -Wir erstellen so viele Testdaten wie möglich, insbesondere während der Kontoeinrichtungsabläufe. Wir versuchen, die Testdaten, die wir in der Testsuite erstellen, so zu manipulieren, dass sie weniger von den Testdatenmanagementprozessen unserer Kunden abhängig sind. -Wenn die Testdaten nicht durch eine menschliche Aktion ausgelöst werden (wie in einem Überwachungstool), müssen wir nach einer API oder einem Datenstrom fragen, um uns zu ermöglichen, diese Daten auszulösen oder zu empfangen. -Wenn Daten zwischen einer Benutzerrolle und einer anderen übermittelt werden (wie ein Kunde, der ein Produkt bestellt, und ein Mitarbeiter, der die Bestellung bearbeitet), werden wir die Tests so anordnen, dass diese Daten während des Testablaufs erstellt und übermittelt werden.

Mehr anzeigen

Weniger anzeigen