Recursos de Herramientas de Pruebas de Software

Una vez que hemos decidido qué datos simulados estamos utilizando, nuestros ingenieros utilizan el Autogenerador para validar que los datos se devuelven en el flujo de trabajo, en el medio o al final del flujo, en el DOM. Si los datos se transforman de alguna manera utilizando reglas de negocio, nos aseguraremos de que los datos se devuelvan de manera consistente de ejecución a ejecución.

Mostrar más

Mostrar menos

En resumen, es un proceso de prueba y error dividido entre humanos y máquinas. Tenemos en cuenta que estamos recopilando metadatos basados en cada evento, y estamos determinando/descubriendo las secuencias por las que las personas están pasando. A partir de ahí, un proceso de prueba y error nos permite averiguar qué datos simulados deberíamos introducir para atravesar cada camino. Debido a que el proceso ya sabe cómo es el éxito basado en un flujo de trabajo predefinido, sabremos que los datos simulados son correctos cuando podamos completar con éxito ese flujo de trabajo. Luego validamos que los datos devueltos por la aplicación se devuelven de manera consistente. Este proceso actualmente cuenta con la ayuda de algunos humanos. Sin embargo, en el futuro las máquinas podrán hacer esta prueba y verificación de manera independiente, dado el número limitado de opciones que pueden verificar, y porque saben a qué camino necesitan llegar a continuación, dado el camino predefinido que define el éxito. ¡Es un ejercicio de aprendizaje automático! Actualmente lo estamos enseñando.

Mostrar más

Mostrar menos

Debido a que ya conocemos el camino que estamos probando, tenemos una definición de éxito para cada caso de prueba. Probaremos datos simulados hasta que sigamos el camino que necesitamos. Esto incluye menús desplegables, campos de formulario y cualquier otro dato que nos haría seguir un camino diferente o ramificado. Como puedes imaginar, el hecho de que los datos de prueba simulados puedan probarse hasta que el resultado coincida con un estado de éxito conocido, es un problema de aprendizaje automático que eventualmente puede ser completamente automatizado. Estamos trabajando en ello. Algunas elaboraciones de cómo gestionamos los datos de prueba: -Muchos de los datos simulados no afectan el flujo de trabajo: inicios de sesión, detalles de cuenta como nombre o dirección, qué producto se selecciona para agregar al carrito. Usamos lo que es conveniente. -Los datos restringidos sintácticamente, como un número de teléfono, se crearán usando contexto o prueba y error. -Si observamos casos de prueba negativos en producción, los probaremos; sin embargo, no probaremos exhaustivamente permutaciones de datos simulados para desencadenar el caso de prueba negativo. -Creamos tantos datos de prueba como sea posible, especialmente durante los flujos de creación de cuentas. Intentamos manipular los datos de prueba que creamos en el conjunto de pruebas para ser menos dependientes de los procesos de gestión de datos de prueba de nuestros clientes. -Si los datos no son desencadenados por una acción humana (como en una herramienta de monitoreo), necesitaremos pedir una API o flujo de datos para permitirnos desencadenar o recibir esos datos. -Si los datos se están pasando entre un rol de usuario y otro (como un cliente que ordena un producto y un empleado manejando el pedido), ordenaremos las pruebas para asegurarnos de que estos datos se creen y pasen durante el flujo de prueba.

Mostrar más

Mostrar menos