QUẢN LÝ DỮ LIỆU THỬ KIỂM TRONG KIỂM THỬ PHẦN MỀM

Ngành công nghiệp thử nghiệm ngày nay đang tìm kiếm các cách và phương tiện để tối ưu hóa công sức và chi phí thử nghiệm. Một lĩnh vực tiềm năng của tối ưu hóa là quản lý dữ liệu thử nghiệm. Thử nghiệm đầy đủ và bao phủ phụ thuộc chủ yếu vào chất lượng của dữ liệu thử nghiệm. Nó là viết tắt của lý do mà không có đảm bảo chất lượng kiểm tra dữ liệu là không thể đạt được. Một kế hoạch kiểm thử với một số kịch bản toàn diện không thể được thực hiện trừ khi dữ liệu phù hợp có sẵn để chạy các kịch bản.

Dữ liệu tốt nhất được tìm thấy trong sản phẩm vì đây là những mục nhập thực tế mà ứng dụng sử dụng. Trong khi sử dụng dữ liệu sản phẩm, luôn luôn cẩn trọng để tạo một tập hợp con của dữ liệu. Điều này làm giảm nỗ lực tham gia vào việc lập kế hoạch kiểm tra và thực hiện và giúp đạt được sự tối ưu hóa. Tuy nhiên, dữ liệu trực tiếp không phải lúc nào cũng dễ dàng để thử nghiệm. Tùy thuộc vào doanh nghiệp, sự riêng tư và sự hợp lý có thể được liên kết với việc sử dụng dữ liệu trực tiếp. Thông thường dữ liệu không đầy đủ và do đó không thể dùng để thử nghiệm. Tốt nhất là tránh sử dụng dữ liệu thô để bảo vệ doanh nghiệp và tránh xa các vụ kiện tụng tốn kém.

Thách thức của Quản lý dữ liệu thử nghiệm (TDM) nằm ở việc thu thập đúng dữ liệu có hiệu quả. Trước khi tiến hành bằng cách này, chúng ta cần tìm câu trả lời cho một số câu hỏi có liên quan: Liệu có lợi ích tích cực từ việc đầu tư này? Chúng ta bắt đầu triển khai Quản lý Dữ liệu Thử nghiệm ở đâu? Chúng ta có nên bắt đầu với thử nghiệm chức năng hoặc thử nghiệm phi chức năng? Có thể thử nghiệm tự động hóa?

Thực tiễn không bao gồm các bước quản lý dữ liệu test trong vòng đời thử nghiệm thường dẫn đến sự thiếu hiểu biết đối với TDM trong nhóm kiểm tra. Ở đây giải thích tại sao các thử nghiệm trong trường thử nghiệm chức năng, phi chức năng và tự động cần tới dịch vụ TDM. Tiếp nữa là những thách thức dữ liệu thử nghiệm mà người kiểm tra phải đối mặt và mô tả những lợi ích vô song của việc thực hiện TDM thành công.

Tầm quan trọng của quản lý dữ liệu thử nghiệm

TDM đang nhanh chóng đạt được tầm quan trọng trong ngành công nghiệp thử nghiệm. Đằng sau sự quan tâm ngày càng tăng đối với TDM là những tổn thất tài chính lớn do các khiếm khuyết sản phẩm, có thể đã được phát hiện bằng cách kiểm tra với dữ liệu thử thích hợp. Cách đây vài năm, dữ liệu kiểm tra được giới hạn trong một vài hàng dữ liệu trong cơ sở dữ liệu hoặc một số tệp tin mẫu. Kể từ đó, thử nghiệm tổng quan đã đi một chặng đường dài. Giờ đây, các tổ chức tài chính và ngân hàng dựa vào bộ dữ liệu thử nghiệm mạnh mẽ và các kết hợp độc nhất có phạm vi bao phủ cao và thúc đẩy việc thử nghiệm, bao gồm cả thử nghiệm bác bỏ. TDM giới thiệu cách tiếp cận kỹ thuật có cấu trúc để kiểm tra các yêu cầu dữ liệu của tất cả các kịch bản có thể. Các tổ chức tài chính và ngân hàng lớn cũng sử dụng TDM để tuân thủ đúng quy định. Đây là một lĩnh vực quan trọng đối với các tổ chức này, do có những hình phạt nặng nếu không tuân thủ quy định này. Hình phạt đối với việc không tuân thủ quy định có thể lên tới hàng trăm ngàn đô la trở lên. Mặt nạ dữ liệu (Data masking) của thông tin nhạy cảm và tạo dữ liệu tổng hợp là một số dịch vụ TDM chính có thể đảm bảo

Quản lý dữ liệu thử nghiệm là gì?

Dữ liệu thử nghiệm là bất kỳ thông tin nào được sử dụng làm đầu vào để thực hiện một bài kiểm tra. Nó có thể là tĩnh hoặc giao dịch. Dữ liệu tĩnh chứa tên, quốc gia, tiền tệ, v.v, không nhạy cảm, trong khi dữ liệu liên quan đến Số an sinh xã hội, thông tin thẻ tín dụng hoặc lịch sử bệnh án có thể có tính chất nhạy cảm. Ngoài dữ liệu tĩnh, nhóm thử nghiệm cần có sự kết hợp đúng của bộ dữ liệu giao dịch / điều kiện để thử nghiệm vai trò của các tính năng và kịch bản.

TDM là quá trình hoàn thành nhu cầu dữ liệu thử nghiệm của các đội kiểm tra bằng cách đảm bảo rằng dữ liệu thử nghiệm về chất lượng được cung cấp đúng với số lượng phù hợp, đúng định dạng và môi trường phù hợp, vào thời điểm thích hợp. Nó đảm bảo rằng các dữ liệu được cung cấp bao gồm tất cả các mảng lớn của dữ liệu, nguyên vẹn và có kích thước phù hợp. Dữ liệu được cung cấp không được quá lớn về số lượng như dữ liệu sản xuất hoặc quá nhỏ để đáp ứng tất cả các nhu cầu thử nghiệm. Dữ liệu này có thể được cung cấp mỗi phép tổng hợp dữ liệu hoặc lấy ra từ sản xuất và che giấu hoặc bằng cách tìm kiếm từ bảng tra cứu.

TDM có thể được thực hiện hiệu quả với sự trợ giúp bởi các quy trình được xác định rõ ràng, phương pháp thủ công và các tiện ích độc quyền. Nó cũng có thể được thực hiện bằng cách sử dụng các công cụ TDM phát triển tốt như Datamaker, Optim hoặc các công cụ khác hiện có trên thị trường. Chiến lược TDM có thể được xây dựng dựa trên loại yêu cầu dữ liệu trong dự án. Chiến lược này có thể dưới dạng:

• Xây dựng các truy vấn SQL trích xuất dữ liệu từ nhiều bảng trong cơ sở dữ liệu
• Tạo tập tin phẳng dựa trên:

• Quy tắc lập bản đồ
• Sửa đổi đơn giản hoặc desensitizing dữ liệu sản xuất hoặc các tập tin
• Một kết hợp thông minh của tất cả những điều trên

Những thách thức của việc thu thập dữ liệu thử nghiệm

Một số thách thức phổ biến nhất mà các nhóm thử nghiệm phải đối mặt trong khi tìm nguồn dữ liệu thử nghiệm là:

• Dữ liệu thử nghiệm bao hàm thường thường không đầy đủ và đội có thể không có kiến thức.
• Yêu cầu xóa dữ liệu với các thông số kỹ thuật thường không được thu thập và ghi lại trong giai đoạn yêu cầu kiểm thử.
• Nhóm thử nghiệm có thể không có quyền truy cập vào các nguồn dữ liệu
• Dữ liệu thường được yêu cầu từ nhóm phát triển, Việc đáp ứng thường chậm do ưu tiên các nhiệm vụ khác.
• Dữ liệu thường có sẵn trong các khối lớn từ bãi thải và có thể nhạy cảm về mặt tự nhiên, có phạm vi bap phủ hạn chế hoặc có thể không thích hợp cho các kịch bản được kiểm thử.
• Số lượng dữ liệu lớn có thể cần thiết trong một khoảng thời gian ngắn và các công cụ thích hợp có thể không thuộc quyền của nhóm thử nghiệm.
• Cùng một dữ liệu có thể được sử dụng bởi nhiều nhóm thử nghiệm, trong cùng một môi trường, dẫn đến dữ liệu hư hỏng.
• Rà soát và sử dụng lại dữ liệu hiếm khi được thực hiện và tận dụng.
• Người kiểm tra có thể không có kiến thức về các giải pháp tạo ra dữ liệu luân phiên bằng cách sử dụng công cụ TDM.
• Mối quan hệ logic dữ liệu có thể bị ẩn ở cấp độ mã hóa và do đó người kiểm tra không thể trích xuất hoặc che giấu tất cả các dữ liệu tham chiếu.
• Sự phụ thuộc dữ liệu hoặc kết hợp để kiểm tra các tình huống nghiệp vụ nhất định có thể làm tăng thêm những khó khăn trong việc tìm nguồn dữ liệu thử nghiệm.
• Người kiểm thử thường dành một khoảng thời gian đáng kể để giao tiếp với các kiến trúc sư, quản trị cơ sở dữ liệu và các nhà phân tích nghiệp vụ để thu thập dữ liệu thử nghiệm thay vì tập trung vào việc kiểm tra thực tế và việc xác nhận.
• Một lượng lớn thời gian được sử dụng để thu thập dữ liệu thử nghiệm.
• Hầu hết việc tạo ra dữ liệu xảy ra trong quá trình thực hiện dựa trên học tập.
• Nếu không tìm thấy dữ liệu liên quan đến khuyết tật trong quá trình thử nghiệm, nó có thể gây ra nguy cơ lớn cho sản phẩm.

TDM Cung cấp giải pháp hiệu quả và nhiều lợi ích có giá trị Triển khai TDM hiệu quả có thể giải quyết hầu hết các thách thức đã đề cập ở trên. Một số lợi ích chính mà một doanh nghiệp có thể đạt được bằng cách tận dụng các dịch vụ TDM là:

1. TDM trong thử nghiệm chức năng

Hầu hết các thách thức được đề cập trước đây là một phần của cuộc đấu tranh hàng ngày về kiểm tra chức năng. Những thách thức thường gặp nhất là: mức độ bao phủ thấp, sự phụ thuộc cao, truy cập bị giới hạn, môi trường thử nghiệm quá lớn, và các chuỗi thời gian thử nghiệm kéo dài. Việc thực hiện thành công TDM trong các dự án thử nghiệm chức năng có thể giảm bớt hầu hết các vấn đề này và đảm bảo tính đầy đủ của thử nghiệm từ quan điểm kinh doanh. Trong thử nghiệm chức năng, TDM được điều chỉnh bởi nhiều yếu tố được đánh dấu dưới đây.

a. Độ bao phủ Tiếp xúc với tất cả các kịch bản có thể hoặc các trường hợp thử nghiệm cần phải là yếu tố thúc đẩy chính cho việc cung cấp dữ liệu trong thử nghiệm chức năng. Dữ liệu được cung cấp cho thử nghiệm này phải bao gồm:

• Các kịch bản tích cực (Với các giá trị hợp lệ làm cho trường hợp thử nghiệm vượt qua)
• Các kịch bản tiêu cực (Với các giá trị không hợp lệ dẫn đến xử lý lỗi thích hợp)
• Điều kiện ranh giới (Với giá trị dữ liệu ở các chi cực của các giá trị có thể)
• Tất cả các luồng chức năng được định nghĩa trong yêu cầu (dữ liệu cho mỗi luồng)

b. Khối lượng thấp Bộ dữ liệu đơn cho mỗi kịch bản là vừa đủ cho nhu cầu. Dữ liệu thử nghiệm lặp lại cho các trường hợp thử nghiệm tương tự có thể không bắt buộc và có thể chứng minh là lãng phí thời gian. Điều này có thể giúp làm giảm đáng kể thời gian thực hiện.

c. Sử dụng lại cao Một số dữ liệu thử nghiệm như tài khoản, ID khách hàng, mã quốc gia, v.v ... có thể được sử dụng lại trong các trường hợp thử nghiệm để giữ cho dữ liệu thử nghiệm được tối ưu hóa. Dữ liệu giao dịch tĩnh và cơ bản cho một ứng dụng có thể được căn cứ để được phục hồi hoặc lấy ra để kiểm tra phát hành bảo trì ở những khoảng thời gian đều đặn, tùy thuộc vào tần số phát hành.

d. Công cụ hoặc tiện ích Vì các tiện ích có khả năng tạo ra khối lượng lớn cùng loại dữ liệu, chúng có thể không có ích trong việc chuẩn bị dữ liệu chức năng. Nếu công cụ này có khả năng tạo ra một dải dữ liệu để đáp ứng tất cả các yêu cầu về dữ liệu và dữ liệu có thể được sử dụng lại trên các bản phát hành thì sẽ có ích khi sử dụng tiện ích hoặc công cụ để thực hiện TDM.

2. TDM trong thử nghiệm Hiệu suất

Chuẩn bị dữ liệu thử nghiệm trong kiểm thử hiệu năng bị ảnh hưởng nhiều nhất bởi các vấn đề như yêu cầu khối lượng lớn với phạm vi đáng kể, thời gian chuẩn bị dữ liệu cao, môi trường có giới hạn và các cửa sổ thực hiện ngắn. Nhóm TDM với các công cụ và kỹ thuật của họ có thể cung cấp các giải pháp cho việc tạo ra số lượng lớn với chu trình làm mới nhanh đảm bảo việc cung cấp dữ liệu chất lượng cao đúng thời gian để đáp ứng nhu cầu dốc đứng này. Dữ liệu thử nghiệm để kiểm tra hiệu năng được đặc trưng bởi:

a. Số lượng dữ liệu cao Thử nghiệm hiệu suất luôn đòi hỏi số lượng lớn dữ liệu thử nghiệm theo cách hoạt động của nó. Nhiều người dùng đồng thời tải lên một ứng dụng để chạy một dòng chảy của các cuộc thi thử nghiệm. Do đó nhiều bộ dữ liệu được yêu cầu song song, với số lượng lớn, dựa trên mô hình khối lượng công việc.

b. Tiêu thụ nhanh dữ liệu kiểm thử Vì tải trọng hoặc áp lực đối với ứng dụng gây ra bởi nhiều người dùng, dữ liệu được cung cấp cho chúng được tiêu thụ nhanh chóng. Điều này dẫn đến sự cạn kiệt nhanh chóng của khối lượng lớn dữ liệu thử nghiệm.

c. Chu kỳ cung cấp dữ liệu rất ngắn Vì dữ liệu được tiêu thụ rất nhanh trong việc kiểm tra hiệu năng nên một chu trình thực hiện mới đòi hỏi dữ liệu được bổ sung trước khi bắt đầu. Điều này ngụ ý rằng chiến lược TDM phải đảm bảo rằng dữ liệu thử nghiệm có thể được tạo lại, trích xuất lại hoặc cung cấp trong một khoảng thời gian ngắn để tránh ảnh hưởng của việc không có dữ liệu trong chu kỳ kiểm tra.

d. Phân phối khối lượng công việc Kiểm tra hiệu suất hiện nay không sử dụng một loại dữ liệu nhiều lần. Nếu sử dụng các trường hợp bao gồm nhiều loại dữ liệu, với tỷ lệ tương ứng của mỗi lần xuất hiện, một mô hình tải công việc tương tự được xây dựng cho môi trường thử nghiệm. Do đó dữ liệu thông minh cần được cung cấp cho một mô hình tải công việc bao gồm nhiều loại. Điều này làm tăng sự phức tạp của việc tạo ra dữ liệu.

3. TDM trong thử nghiệm Tự động

Một số thách thức lớn nhất trong thử nghiệm tự động là kết hợp với việc tạo ra dữ liệu thử nghiệm. Bao gồm trong thách thức này là không có khả năng tạo ra dữ liệu nhanh chóng từ Front end, nhanh chóng tiêu hao lượng dữ liệu lớn trong quá trình chạy thử nghiệm, hạn chế truy cập dữ liệu động và một phần phần sẵn có của môi trường. Thực hiện một chiến lược TDM được thiết kế tốt có thể hỗ trợ nhiều lần lặp lại dữ liệu động trong khoảng thời gian ngắn bằng cách tổng hợp tạo hoặc trích xuất dữ liệu, sử dụng công cụ TDM. Dữ liệu thử nghiệm để kiểm thử tự động được điều khiển bởi các yếu tố như:

a. Tính tự động của tạo dữ liệu thử nghiệm Dữ liệu cần thiết để kiểm tra tự động hóa thường được tạo ra bằng cách sử dụng một trong các quy trình tự động, hoặc từ giao diện người dùng (UI) front-end hoặc thông qua tạo hoặc chỉnh sửa các hoạt động dữ liệu trong cơ sở dữ liệu. Những phương pháp này tốn rất nhiều thời gian và có thể yêu cầu nhóm tự động hóa phải có được ứng dụng cũng như kiến thức về miền.

b. Tiêu thụ nhanh dữ liệu thử nghiệm Tương tự như kiểm tra hiệu năng, thử nghiệm tự động hóa cũng tiêu tốn dữ liệu ở tốc độ rất nhanh. Do đó, chiến lược cung cấp dữ liệu phải phù hợp với việc tạo ra dữ liệu nhanh chóng với chu kỳ sống tương đối ngắn.

c. Độ bao phủ cao Cũng như kiểm thử chức năng, kiểm thử tự động cũng yêu cầu dữ liệu thử nghiệm cho từng tình huống tự động. Yêu cầu dữ liệu có thể bị giới hạn trong gói kiểm tra hồi quy và vẫn bao gồm một dải dữ liệu rộng.