当前位置: 首页 > news >正文

软件测试之因果图法

因果图法

1. 概述

因果图法是一种**利用图解法分析输入条件、输出结果的各种组合情况,**从而设计测试用例的方法.

因果图法适用于有多个输入和多个输出,而且输入和输入之间有相互的组合关系,输入和输出之间有相互的制约和依赖关系.

使用场景和判定表法是一样的.

在界面中有多个控件,控件之间有组合或限制关系,不同的输入组合会对应不同的输出结果,如果想弄清楚不同的输入组合到底对应哪些输出结果,可以使用因果图/判定表法。(因果图/判定表法比较适合测试组合数量较少的情况,一般少于20种)

和判定表法的不同:

  • 因果图,只是一个用图形表示,表示因果方式不同而已

关联:

  • 判定表和因果图是等价的,判定表是因果图的简化版。

2.核心

2.1 因果图

原因(因): 输入条件

结果(果): 输出结果

因果图: 就是通过画图的方式来表示输入条件(因)和输出结果(果)之间的关系。

2.2 因果图中的图形符号

(1). 恒等(=)

在这里插入图片描述

含义: 原因出现结果出现,原型不出现,结果不出现. 例如:若c=10,则d=0.

(2). 非 (~)

在这里插入图片描述

含义: 若原因出现,则结果不出现;原因不出现则结果出现.例如: 搜索联系人,若有就不提示错误.

(3). 或 (v)

在这里插入图片描述

含义: 若几个原因中有一个出现,这结果出现;若都不出现,结果不出现.

(4). 与(^)

在这里插入图片描述

含义: 若几个原因都出现结果才出现,否则,结果不出现.

2.3 约束

输入状态相互之间还可能存在某些互相依赖的关系,称为约束. 输出状态之间也存在某些约束.在因果图中使用特定符号表示这些约.

束.

在这里插入图片描述

(1). 输入条件约束

  • E(exclude) 约束: a和b中至多有一个为1.
  • I(include) 包含: a、b和c中至少有一个必须是1.
  • R(required) 要求: a是1时,b必须是1.
  • O(only) 唯一: a和b必须有一个,且仅有1个为1.

(2). 输出条件约束

  • M(mandatory) 强制: 若结果a是1,结果b强制为0.

3. 设计测试用例

步骤

  1. 了解需求,找出所有的输入条件(因)
  2. 找出所有的输出结果(果)
  3. 画因果图、填判定表
  4. 判定表中每个规则就是一条测试用例

4.案例

问题描述: 如想对文件进行修改,输入的第一列字符必须是a或b,第二列字符必须是一个数字,如果第一列字符不正确则给出信息L,如果第二个字符不正确,则给出字符M

4.1 了解需求,找出输入条件

1— — 第一列字符是a

2 — — 第一列值符为b、

3 — — 第二列必须是数字

4.2 找出所有的输出结果

结果:

4— 信给出息l

5— 信息m

6— 修改文件

4.3 画因果图、填判定表

通过分析得出,原因1和原因2不可能同时出现,添加约束E. 设置9为中间点.

因果图如下:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-R5ER9bTf-1677381558010)(/images/cause.png)]

判定表法

条件(原因)12345678
1YYNNNNYY
2NNYYNNYY
3YNYNYNYN
中间值9YYYYNN
动作(结果)4YY
5YY
6YYY

注意: 第7列和第8列不可能出现,所以排除这两种情况.

4.4 根据判定表设计测试用例

在这里插入图片描述

5.小结

因果图法是通向判定表法的一个中间过程.我们经常会将因果图法和判定表分析法结合起来使用.

对于业务逻辑比较复杂的我们建议先使用因果图法进行分析,然后再转化为判定表法,最后写测试用例.这样思路比较清晰,

对于简单的可以直接使用判定表法直接分析,然后写测试用例.

相关文章:

软件测试之因果图法

因果图法 1. 概述 因果图法是一种**利用图解法分析输入条件、输出结果的各种组合情况,**从而设计测试用例的方法. 因果图法适用于有多个输入和多个输出,而且输入和输入之间有相互的组合关系,输入和输出之间有相互的制约和依赖关系. 使用场景和判定表…...

vue中子组件间接修改父组件传递过来的值

一、前言 Vue官方文档Props单向数据流讲解 Vue中遵循单向数据流,所有的 props 都遵循着单向绑定原则,props 因父组件的更新而变化,自然地将新的状态向下流往子组件,而不会逆向传递。这避免了子组件意外修改父组件的状态的情况&a…...

Java I/O

前言 关于IO, 想必你听过很多中I/O方式, 有的是OS视角的, 有的是JDK本身支持的, 有的是纯实现视角。但是作为一个developer, 我希望你能先搞清楚上下文之后, 再去理解内容, 否则容易抬杠。这个上下文有横向和纵向两个维度。纵向维度包括JDK底层, JDK上层包装库, 开发框架(如Ne…...

pytorch学习日记之图片的简单卷积、池化

导入图片并转化为张量 import torch import torch.nn as nn import matplotlib.pyplot as plt import numpy as np from PIL import Image mymi Image.open("pic/123.png") # 读取图像转化为灰度图片转化为numpy数组 myimgray np.array(mymi.convert("L"…...

【java基础】抽象类和抽象方法

文章目录基本介绍抽象类抽象方法使用总结基本介绍 在面向对象的概念中,所有的对象都是通过类来描绘的,但是反过来,并不是所有的类都是用来描绘对象的,如果一个类中没有包含足够的信息来描绘一个具体的对象,这样的类就…...

RDD的内核调度【博学谷学习记录】

RDD的依赖关系RDD的依赖: 指的一个RDD的形成可能是有一个或者多个RDD得出, 此时这个RDD和之前的RDD之间产生依赖关系在Spark中, RDD之间的依赖关系,主要有二种依赖关系:1- 窄依赖:目的: 为了实现并行计算操作, 并且提高容错的能力指的: 一个RDD上的一个分区的数据, 只能完整的交…...

二叉树——二叉搜索树的最小绝对差

二叉搜索树的最小绝对差 链接 给你一个二叉搜索树的根节点 root ,返回 树中任意两不同节点值之间的最小差值 。 差值是一个正数,其数值等于两值之差的绝对值。 示例 1: 输入:root [4,2,6,1,3] 输出:1 示例 2&…...

git的使用(终端输入指令)下

文章目录前言1、git 分支创建分支查看分支切换分支合并分支删除分支2.提交到远程仓库远程提交链接一下自己仓库总结前言 上章链接 :git的使用(终端输入指令)上 我们接着上着来说 上章把 git 的 功能实现了一部分,本章我们接着上文…...

python使用influxdb-client管理InfluxDB的bucket

bucket的概念类似数据库的“库”,同时每个库中的数据都因为存在“时间戳”,每个数据都会有一个对应的时间点 influxdb-client-python官方github页面:https://github.com/influxdata/influxdb-client-python 管理bucket的官方示例&#xff1…...

【c++】模板2—类模板

文章目录类模板语法类模板与函数模板区别类模板中成员函数常见时机类模板对象做函数参数类模板与继承类模板成员函数类外实现类模板分文件编写类模板与友元类模板语法 类模板作用: 建立一个通用类,类中的成员数据类型可以不具体制定,用一个虚…...

基于SpringCloud的可靠消息最终一致性03:项目骨架代码(下)

上一节把整个项目的演示内容、项目结构、POM文件和配置文件都讲完了,接下来继续。 先安装并启动Nacos,然后在其中建立一个名为xiangwang-payment-dev.yaml的配置文件,内容为: # 指定运行环境 spring:autoconfigure:exclude: com.alibaba.druid.spring.boot.autoconfigure.D…...

linux如何彻底的删除文件

一、使用rm命令删除 直接用rm 先用ls -alt看下文件信息及拥有者等 可以看到拥有者是eve用户,所以在eve用户的终端中rm命令即可, 如果是root或者其他,则优先用root或其他账号进行删除 (base) eveEve:~$ ls -alt a.txt -rw-rw-r-- 1 eve eve …...

数据仓库Hive的安装和部署

1)去apache.hive.org官网下载hive 目前hive主要有三大版本,Hive1.x、Hive2.x、Hive3.x Hive1.x已经2年没有更新了,所以这个版本后续基本不会再维护了,不过这个版本已经迭代了很多年了,也是比较稳定的 Hive2.x最近一直…...

Python调用CANoe常见问题

一、Win32com已经安装成功但是在pycharm中提示错误 No module named win32com.clientPyCharm中出现unresolved reference的解决方法 一直提示需要升级pip版本Pywin32已成功安装,但仍提示没有win32com模块...

一起Talk Android吧(第五百零七回:图片滤镜ImageFilterView)

文章目录背景介绍功能介绍图片滤镜图片圆角图片缩放图片旋转图片平移各位看官们大家好,上一回中咱们说的例子是"如何调整组件在约束布局中的角度",这一回中咱们说的例子是" 图片滤镜ImageFilterView"。闲话休提,言归正转&#xff0c…...

Java 解释器和即时解释器(JIT)之间的区别

区别是: 翻译 .class (字节码文件) 的粒度和方式不同 解释器是一个逐条解释并执行字节码指令的组件,每次**只翻译一条**指令并执行,然后再翻译下一条指令。 它的翻译粒度是一条指令,而且是按需翻译&#x…...

Acwing 蓝桥杯 第二章 二分与前缀和

今天来补一下之前没写的总结,题是写完了,但是总结没写感觉没什么好总结的啊,就当打卡了789. 数的范围 - AcWing题库思路:一眼二分,典中典先排个序,再用lower_bound和upper_bound维护相同的数的左界和右界就…...

CSDN原力增长规则解读 实测一个月

CSDN原力越来越难了,当然,这对生态发展来说也是好事。介绍下原力增长有哪些渠道吧。发布原创文章:10分/次,每日上限为15分、2篇回答问题:1分/次,每日上限2分,2回答发动态:1分/次&…...

HDMI协议介绍(三)--InfoFrame

目录 Auxiliary Video information (AVI) InfoFrame AVI InfoFrame包结构 Header Body 举个例子 附录 Audio InfoFrame Audio InfoFrame包结构 Header Body Vendor Specific InfoFrame Vendor Specific InfoFrame包结构 Header Body AVI/AUDIO/VSI Infoframe都…...

【RocketMQ】源码详解:Broker端消息储存流程、消息格式

消息存储流程 入口: org.apache.rocketmq.remoting.netty.NettyRemotingAbstract#processRequestCommand org.apache.rocketmq.broker.processor.SendMessageProcessor#asyncProcessRequest 消息到达broker后会经过netty的解码、消息处理器等,最后根据…...

区块链是怎么实现的-通俗版,不讲难懂术语

分享一个大牛的人工智能教程。零基础!通俗易懂!风趣幽默!希望你也加入到人工智能的队伍中来!请轻击人工智能教程​​​​​https://www.captainai.net/troubleshooter 按底层实现逻辑,分 5 步讲完,你能彻底…...

避坑指南:解决ORB-SLAM2+octomap建图时点云倾斜和rviz警告问题

避坑指南:解决ORB-SLAM2octomap建图时点云倾斜和rviz警告问题 当你在Ubuntu 20.04环境下将ORB-SLAM2与octomap_server集成,试图生成八叉树地图时,可能会遇到两个典型问题:点云在rviz中显示倾斜,以及频繁出现的"oc…...

API密钥泄露后如何亡羊补牢?Dify加固紧急响应流程,48小时内阻断未授权调用

更多请点击: https://intelliparadigm.com 第一章:API密钥泄露事件的应急响应总览 API密钥泄露是云原生环境中最常见且危害最直接的安全事件之一,可能在数秒内导致数据窃取、资源劫持甚至账单爆炸。快速识别、隔离与凭证轮换构成应急响应的黄…...

如何5分钟掌握FanControl:Windows风扇调速终极指南

如何5分钟掌握FanControl:Windows风扇调速终极指南 【免费下载链接】FanControl.Releases This is the release repository for Fan Control, a highly customizable fan controlling software for Windows. 项目地址: https://gitcode.com/GitHub_Trending/fa/Fa…...

Claude Code 如何快速接入 Taotoken 实现稳定调用 Anthropic 模型

Claude Code 如何快速接入 Taotoken 实现稳定调用 Anthropic 模型 1. 准备工作 在开始配置之前,请确保已安装 Claude Code 并拥有有效的 Taotoken API Key。API Key 可在 Taotoken 控制台的「API 密钥」页面创建。同时建议在模型广场查看当前支持的 Anthropic 模型…...

SFPO技术:突破深度学习GPU内存与计算效率瓶颈

1. 项目背景与核心价值在深度学习模型训练过程中,GPU内存瓶颈和计算效率问题一直是困扰开发者的两大痛点。传统优化方法往往需要在内存占用和计算速度之间做出妥协,而SFPO(Sparse-Full Parallel Optimization)方法的出现&#xff…...

NSFW检测模型完全指南:使用Keras深度学习技术构建93%准确率的图像分类器

NSFW检测模型完全指南:使用Keras深度学习技术构建93%准确率的图像分类器 【免费下载链接】nsfw_model Keras model of NSFW detector 项目地址: https://gitcode.com/gh_mirrors/ns/nsfw_model NSFW检测模型是一个基于Keras深度学习框架构建的图像分类器&…...

Taotoken用量看板与成本管理功能带来的预算控制体验

Taotoken用量看板与成本管理功能带来的预算控制体验 1. 用量看板的核心功能 Taotoken控制台的用量看板为项目管理者提供了多维度的API消耗数据可视化。进入控制台后,默认展示最近7天的调用概览,包括总token消耗量、成功请求次数以及按模型分类的用量分…...

医学影像多模态学习:MedCLIPSeg技术解析与应用

1. 项目概述:当医学影像遇上多模态学习 去年在协助某三甲医院搭建胸片分析系统时,主治医师指着屏幕上的CT影像问我:"能不能让AI像人类医生一样,看到片子后不仅能识别病灶,还能用自然语言描述病变特征?…...

使用OpenClaw构建AI Agent时配置Taotoken作为供应商的要点

使用OpenClaw构建AI Agent时配置Taotoken作为供应商的要点 1. 准备工作 在开始配置之前,请确保已安装OpenClaw并拥有有效的Taotoken API Key。API Key可在Taotoken控制台的「API密钥管理」页面创建。同时确认OpenClaw版本支持自定义供应商配置,建议使用…...