# 什么是正交陣列測試（OATS）？ 工具，技術&示例 > 原文： [https://www.guru99.com/orthogonal-array-testing.html](https://www.guru99.com/orthogonal-array-testing.html) ## 什么是正交陣列測試？ **正交陣列測試（OAT）**是一種使用正交數組創建測試用例的測試技術。 當要測試的系統具有大量數據輸入時，它特別有用。 例如，當必須驗證火車票時，必須測試諸如-乘客數量，票號，座位號和火車號之類的因素。 對每個因素/輸入進行逐一測試很麻煩。 當質量檢查工程師將更多的輸入組合在一起并進行測試時，效率會更高。 在這種情況下，我們可以使用正交陣列測試方法。 輸入的配對或組合以及測試系統以節省時間的這種類型稱為成對測試。 OATS 技術用于成對測試。 在本教程中，您將學習- * [什么是 OAT（正交陣列測試）？](#1) * [為什么要使用 OAT（正交陣列測試）？](#2) * [OAT 的表示方式](#3) * [如何進行正交陣列測試：示例](#4) * [OAT 的優勢](#5) * [OAT 的缺點](#6) * [執行 OAT 時出錯或出錯](#7) ## 為什么要使用 OAT（正交陣列測試）？ 在當前情況下，由于代碼的復雜性，向客戶交付高質量的軟件產品已成為一項挑戰。 在傳統方法中，測試套件包括從輸入值和前提條件的所有組合中得出的測試用例。 結果，必須覆蓋 n 個測試用例。 但是在實際情況下，測試人員將無暇執行所有測試用例以發現缺陷，因為在此過程中還必須考慮其他流程，例如文檔，建議和來自客戶的反饋。 測試階段。 因此，測試經理希望優化測試用例的數量和質量，以最小的努力確保最大的[測試覆蓋率](/test-coverage-in-software-testing.html)。 此工作稱為[測試用例](/test-case.html)優化。 1. 測試配對互動的系統和統計方式 2. 交互和集成點是缺陷的主要來源。 3. 執行定義明確，簡潔的測試用例，這些測試用例可能會發現大多數（不是全部）錯誤。 4. 正交方法保證了所有變量的成對覆蓋。 ## OAT 的表示方式 計算 OAT 的公式  * 運行次數（N）–數組中的行數，轉換為將要生成的多個測試用例。 * 因子（K）–數組中的列數，轉換為可以處理的最大變量數。 * 級別（V）–可以在任何單個因子上獲取的最大值數。 一個因素有 2 到 3 個要測試的輸入。 輸入的最大數量決定了級別。 ## 如何進行正交陣列測試：示例 1. 確定方案的自變量。 2. 查找具有運行次數的最小陣列。 3. 將因子映射到數組。 4. 選擇任何“剩余”級別的值。 5. 將“運行”轉錄為測試用例，添加未生成的任何特別可疑的組合。 ### 例子 1 網頁具有三個不同的部分（頂部，中間，底部），可以分別向用戶顯示或隱藏 * 因素數= 3（上，中，下） * 級別數（可見性）= 2（隱藏或顯示） * 數組類型= L4（23） （4 是創建 OAT 陣列后到達的運行次數） 如果我們采用常規測試技術，則需要 2 X 3 = 6 個測試用例 | **測試用例** | **場景** | **要測試的值** | | 測試＃1 | 隱 | 最佳 | | 測試＃2 | 顯示 | Top | | 測試＃3 | HIDDEN | 底部 | | 測試＃4 | SHOWN | Bottom | | 測試＃5 | HIDDEN | 中間 | | 測試＃6 | SHOWN | Middle | 如果我們要進行 OAT 測試，則需要 4 個測試用例，如下所示： | **Test Cases** | **返回頂部** | **中** | **底部** | | Test #1 | 隱 | Hidden | Hidden | | Test #2 | Hidden | 可見 | Visible | | Test #3 | Visible | Hidden | Visible | | Test #4 | Visible | Visible | Hidden | ### 范例 2： 必須測試微處理器的功能： 1. 溫度：100℃，150℃和 200℃。 2. 壓力：2 psi，5psi 和 8psi 3. 摻雜量：4％，6％和 8％ 4. 沉積速率：0.1mg / s，0.2mg / s 和 0.3mg / s 通過使用常規方法，我們需要= 81 個測試用例來覆蓋所有輸入。 讓我們使用 OATS 方法： 因素數= 4（溫度，壓力，摻雜量和沉積速率） 級別=每個因子 3 個級別（溫度具有 3 個級別，分別為 100C，150C 和 200C，同樣，其他因子也具有級別） 創建一個如下數組： **1.具有因子號**的列 | **測試案例＃** | **溫度** | **壓力** | **摻雜量** | **沉積速率** | **2.輸入的行數等于每個因子的水平。 即溫度有 3 個等級。 因此，為溫度的每個級別插入 3 行** | **Test case #** | **Temperature** | **Pressure** | **Doping amount** | **Deposition rate** | | 1 | 100 度 | ? | ? | ? | | 2 | 100C | ? | ? | ? | | 3 | 100C | ? | ? | ? | | 4 | 150 度 | ? | ? | ? | | 5 | 150C | ? | ? | ? | | 6 | 150C | ? | ? | ? | | 7 | 200 度 | ? | ? | ? | | 8 | 200C | ? | ? | ? | | 9 | 200C | ? | ? | ? | **3.現在，在色譜柱中分配壓力，摻雜量和沉積速率。** 例如：在 100C，150C 和 200C 的溫度范圍內輸入 2 psi，對于 100C，150C 和 200C，同樣輸入 4％的摻雜量，依此類推。 | **Test case #** | **Temperature** | **Pressure** | **Doping amount** | **Deposition rate** | | 1 | 100C | 2 磅/平方英寸 | 4% | 0.1 毫克/秒 | | 2 | 100C | 5 磅/平方英寸 | 6% | 0.2 毫克/秒 | | 3 | 100C | 8 磅/平方英寸 | 8% | 0.3 毫克/秒 | | 4 | 150C | 2 psi | 4% | 0.1 mg/s | | 5 | 150C | 5 psi | 6% | 0.2 mg/s | | 6 | 150C | 8 psi | 8% | 0.3 mg/s | | 7 | 200C | 2 psi | 4% | 0.1 mg/s | | 8 | 200C | 5 psi | 6% | 0.2 mg/s | | 9 | 200C | 8 psi | 8% | 0.3 mg/s | 因此，在 OA 中，我們需要涵蓋 9 個測試用例。 ## OAT 的優勢 * 保證測試所有選定變量的成對組合。 * 減少測試用例的數量 * 創建較少的測試用例，以涵蓋所有變量的所有組合的測試。 * 可以完成變量的復雜組合。 * 與手工創建的測試集相比，它更易于生成且不易出錯。 * 對于[集成測試](/integration-testing.html)很有用。 * 由于減少了測試周期和測試時間，因此提高了生產率。 ## OAT 的缺點 * 隨著數據輸入的增加，測試用例的復雜性也隨之增加。 結果，增加了人工和花費的時間。 因此，測試人員必須進行[自動化測試](/automation-testing.html)。 * 對于軟件組件的集成測試很有用。 ## 執行 OAT 時出錯或出錯 1. 測試工作不應集中在應用程序的錯誤區域。 2. 避免選擇錯誤的參數進行組合 3. 避免使用正交陣列測試以減少測試工作量。 4. 手動應用正交陣列測試 5. 將正交陣列測試應用于高風險應用 **結論：** 在這里，我們看到了如何使用 OAT（正交陣列測試）來減少測試工作以及如何實現測試用例優化。 ***本文由 Madhumitha 提供。***