谈谈测试用例的分类
分类 谈谈 测试用例
2023-09-11 14:20:34 时间
一般来讲,测试用例设计的时候可以采用二维的方式归类:
横向:根据对用的FDD进行分类。
纵向:根据测试类型进行分类。
横向的分类主要根据功能模块进行划分。根据产品的不同而有所不同,但是一般每一个测试用例,都能追溯到一个具体的功能需求。具有类似功能需求的测试用例会放在一起,形成一个功能模块的测试集。
纵向的分类主要根据测试的类型进行分类。主要有以下几种类型:
BAT(Build Acceptance Test)
这类测试用例属于最基本的测试用例。一般都不复杂,但都是非常重要的基本用例。BAT测试用例具有很高的稳定性。BAT的测试用例大概会占测试用例的总数的30%左右。BAT里面的测试用例,往往都是作为Regression测试用例的。BAT的测试用例用例一旦fail, 意味产品有重大缺陷,基本无法发布。对应的测试用例发现的问题,往往为P1的Bug。
Core(Core Regression Test)
这类测试用例和BAT的测试用例很相似,代表核心功能,重要级别会比BAT要低些。测试用例会比较复杂,一般占整个总数的20%左右。一般Core集里面的测试用例fail, 对应的Bug也往往都是P1。Core和BAT比较难以划分,但是可以将不属于BAT和Func的测试用例划入到这个里面。
Func
这类测试用例往往是对BAT和Core的补充。BAT和Core执行的主要路径的测试用例,那么分支的测试用例往往都设计在Func里面,这类测试用例相对比较多和复杂,占整个测试用例的比例为50%左右。Func集里面测试用例fail, 对应的Bug往往为P2或者P3。
其他一般还会有,UI, Security, Performance, Localization等等。
大致结构和设计如下图:
最新内容请见作者的GitHub页:http://qaseven.github.io/
![](http://www.51testing.com/attachments/2014/10/14982672_201410201040381Xkkz.jpg)
相关文章
- Coursera台大机器学习课程笔记3 – 机器学习的分类和机器学习的可能性
- 用keras作CNN卷积网络书本分类(书本、非书本)
- 数据重组:对一堆相似字典进行分类统计(shidebin)
- Python 字符串str类型的方法(内建函数)分类举例列表
- 机器学习笔记:常用数据集之scikit-learn生成分类和聚类数据集
- 【图像分类】YOLOv5-6.2全新版本:支持图像分类
- Python之pandas:pandas的get_dummies函数简介(one-hot编码/将字符串似的分类变量转为哑变量/虚拟/伪/指示符变量)及其使用方法之详细攻略
- ML之H-Clusters:基于H-Clusters算法利用电影数据集实现对top 100电影进行文档分类
- 【java】java异常分类和异常处理以及面试中常见的问题
- 机器学习(三十九):遗传算法对机器学习(分类)模型的寻优
- 二分类的评价指标总结
- 云享专家张强:程序员垃圾代码分类指南
- 华为云垃圾分类大赛,让AI 帮你“见圾行事”
- 基于双向 GRU 的文本分类 Python 算法实战
- Python实现基于Optuna超参数自动优化的xgboost分类模型(XGBClassifier算法)项目实战
- Python实现ISSA融合反向学习与Levy飞行策略的改进麻雀优化算法优化支持向量机分类模型(SVC算法)项目实战
- FasterRCNN 提升分类精度(转)
- 原来ROC曲线更加健壮地反映模型的效果,看来还是比较关键的(就像逻辑回归,你总是希望模型让0/1分类的数据尽可能都向两端靠对不对,ROC就是反映这个好坏的指标)
- 【NLP-新闻文本分类】3 Bert模型的对抗训练
- 机器学习笔记-基于逻辑回归的分类预测
- 【ML 吴恩达】7 分类之K-邻近算法及评估指标
- 【ML特征工程】第 5 章 :分类变量:机器鸡时代的鸡蛋计数