Enfoques para la generación de datos de prueba en pruebas de software

Pruebas de software | Lo esencial

Como probador, no solo necesita probar el producto de software, sino también administrar, recopilar y mantener un gran volumen de conjuntos de datos para probar de manera eficiente todos los casos de prueba principales, para garantizar que se cumplan todos los requisitos. lo máximo posible sin importar si se trata de pruebas funcionales o no funcionales. Estos conjuntos de datos de prueba actúan como entrada para los casos de prueba y luego, sobre la base de estos conjuntos de datos, se genera una salida y se analiza el comportamiento del sistema, ya sea esperado o no.

Generación de datos de prueba : 
la generación de datos de prueba es el proceso de recopilar y administrar una gran cantidad de datos de varios recursos solo para implementar los casos de prueba para garantizar la solidez funcional del sistema bajo prueba. Estos conjuntos de datos generados actúan como entrada para los casos de prueba para que se pueda verificar el comportamiento del sistema. Los conjuntos de datos de prueba están diseñados o seleccionados para pruebas positivas o negativas. Generar un conjunto de datos racional y relevante es una tarea muy compleja porque la cobertura de un conjunto de datos mal enmarcado puede dejar que se verifiquen casos de prueba importantes. 

Por lo tanto, existen algunas técnicas que se utilizan principalmente para generar los conjuntos de datos:

1) Generación manual de datos de prueba: 
en esta técnica, el probador genera manualmente todos los conjuntos de datos con respecto a todos los casos de prueba requeridos a través de la experiencia y las anticipaciones. 

Ventajas : 

1. Fácil de implementar, no se necesitan herramientas adicionales para implementar.
2. Aumentar la confianza del probador.

Contras :

1. La precisión de los conjuntos de datos generados por este esquema es mayormente dudosa.
2. Proceso que requiere mucho tiempo.

2) Generación de datos de prueba automatizada: 
la característica principal de esta prueba que la hace más eficiente que la técnica anterior es la velocidad, la técnica de generación de datos automatizada produce datos de manera acelerada mediante el análisis de un gran volumen de datos en un intervalo de tiempo pequeño. En este esquema utilizamos herramientas automatizadas, hay muchas disponibles en el mercado.

Ventajas :

1. Los conjuntos de datos generados por este esquema son muy precisos.
2. La velocidad de generación de datos es muy rápida.

Contras:

1. El único inconveniente de este método es que es un método más costoso de implementar.
2. La segunda es que estas herramientas toman tiempo para entender el sistema.

3) Enfoque de inyección de datos de back-end: 
este método se realiza con la ayuda de consultas SQL. Aquí, un probador escribe la consulta relevante y la inyecta en la base de datos para completar los conjuntos de datos requeridos con respecto a los casos de prueba. Este también es un método más fácil que genera una gran cantidad de datos en solo unos minutos. Podemos actualizar la base de datos en este esquema si se encuentran nuevos conjuntos de datos a través de otros recursos, como documentos XML de muestra, etc., que podrían actualizarse para uso futuro si es necesario.

Ventajas:

1. Es una técnica que consume menos tiempo.
2. Se requiere menos experiencia en comparación con la técnica anterior, ya que solo necesita escribir una consulta correcta para completar los datos requeridos.

Contras:

1. Si escribe una consulta no válida o incorrecta, puede llenar un conjunto de datos ilógico o puede causar la falla de su sistema de base de datos, así que preste atención mientras inyecta cualquier consulta en la base de datos.

4) Herramienta de terceros: 
hay una serie de herramientas disponibles en el mercado que son procesadas o proporcionadas por las herramientas externas. Estas herramientas primero comprenden los escenarios de su sistema bajo prueba y luego generan un conjunto de datos según el requisito. Estas herramientas se pueden personalizar según las necesidades del negocio. Estas herramientas brindan una amplia cobertura y precisión en la generación de conjuntos de datos.

Ventajas:

1. Estas herramientas son precisas porque primero comprenden todo el sistema y luego generan los conjuntos de datos en consecuencia.

Contras:

1. Técnica más costosa de implementar porque el precio de dicha herramienta es alto en comparación con otra técnica.
2. Menos cobertura en el caso de un entorno de prueba heterogéneo porque estas herramientas no son de naturaleza genérica.