all one guide defect density its importance
Ένας οδηγός για την ατέλεια της πυκνότητας:
Μετρήσεις δοκιμής είναι δύσκολο. Είναι ο μόνος τρόπος μέτρησης, αλλά η ποικιλία είναι συντριπτική.
Θα μπορούσατε να συλλέξετε κάτι που δεν σας παρέχει τα αναλυτικά στοιχεία που θέλετε. Ο ασφαλέστερος τρόπος εδώ είναι να περπατήσετε στο καλά κτισμένο μονοπάτι.
Σχεδόν κάθε ομάδα στον κόσμο βασίζεται στο ελάττωμα Πυκνότητα για να κατανοήσει τις τάσεις των ελαττωμάτων.
Το σημερινό άρθρο είναι ένας οδηγός all-in-one για το Defect Density (DD).
τι είναι ο έλεγχος λειτουργικότητας με παράδειγμα
Τι θα μάθετε:
- Τι είναι το Defect Density;
- Πώς υπολογίζεται η πυκνότητα σφαλμάτων;
- Γιατί είναι σημαντική η πυκνότητα σφαλμάτων;
- Δεν πρέπει
- Παραλλαγές
- Σε ποιες τιμές του Bug Density το λογισμικό γίνεται απαράδεκτο;
- Τελικές σκέψεις:
- Συμπερασματικά
- Συνιστώμενη ανάγνωση
Τι είναι το Defect Density;
Ας δούμε τι σημαίνει κυριολεκτικά η πυκνότητα.
Είναι «ο βαθμός συμπαγής μιας ουσίας (Πηγή: Google)».
Έτσι, το Defect Density είναι η συμπαγής ατέλεια στην εφαρμογή. (Εντάξει, οπότε είναι απλώς μια εκλεπτυσμένη έκδοση της διανομής ελαττωμάτων.)
Οι εφαρμογές χωρίζονται σε λειτουργικούς τομείς ή πιο τεχνικά ΟΙΚΟΔΟΜΙΚΟ ΤΕΤΡΑΓΩΝΟ (Χιλιάδες γραμμές κώδικα). Ετσι, ο μέσος αριθμός ελαττωμάτων σε μια ενότητα ή ανά KLOC μιας εφαρμογής λογισμικού είναι πυκνότητα σφαλμάτων.
Πώς υπολογίζεται η πυκνότητα σφαλμάτων;
Είναι ένα απλό μαθηματικό.
Βήμα 1: Συλλέξτε την πρώτη ύλη: Θα χρειαστείτε τον συνολικό αριθμό. ελαττωμάτων (για απελευθέρωση / κατασκευή / κύκλο).
Βήμα 2: Υπολογίστε το μέσο όρο αριθ. ελαττωμάτων / Λειτουργική περιοχή ή KLOC
Τύπος ελαττωμάτων πυκνότητας με παράδειγμα υπολογισμού:
Παράδειγμα # 1: Για έναν συγκεκριμένο κύκλο δοκιμής υπάρχουν 30 ελαττώματα σε 5 ενότητες (ή εξαρτήματα). Η πυκνότητα θα είναι:
Σύνολο αρ. ελαττωμάτων / Σύνολο αριθ. των ενοτήτων = 30/5 = 6. Η DD ανά ενότητα είναι 6.
Παράδειγμα # 2: Μια διαφορετική προοπτική θα ήταν, ας πούμε, ότι υπάρχουν 30 ελαττώματα για το 15KLOC. Θα ήταν τότε:
Σύνολο αρ. ελαττωμάτων / KLOC = 30/15 = 0,5 = Η πυκνότητα είναι 1 ελάττωμα για κάθε 2 KLOC.
Το παράδειγμα 2 είναι μόνο για εκείνες τις ομάδες που γνωρίζουν το KLOC και χρειάζονται μέτρηση εναντίον του. Οι περισσότερες ομάδες δεν συνεργάζονται με αυτό το είδος στατιστικής. Αλλά αν χρειαστεί, μπορείτε να μάθετε πόσες KLOC είναι η εφαρμογή σας.
Γιατί είναι σημαντική η πυκνότητα σφαλμάτων;
Κάθε μέτρηση που συλλέγει η ομάδα δοκιμών μεταφέρει ένα από τα ακόλουθα:
- Πρόοδος
- Παραγωγικότητα
- Ποιότητα
Εάν όχι, σπαταλάτε το χρόνο σας.
Το DD είναι ο πιο αποτελεσματικός τρόπος για να κατανοήσετε την ποιότητα.
Για παράδειγμα: Μια εφαρμογή με DD 5 ανά KLOC είναι καλύτερης ποιότητας έναντι άλλης με 15 ανά KLOC.
Όσο υψηλότερη είναι η πυκνότητα σφαλμάτων, τόσο φτωχότερη είναι η ποιότητα.
Εξυπηρετεί δύο σημαντικούς σκοπούς:
- Πληροφορώ: Οι πληροφορίες είναι δύναμη, έτσι δεν είναι; Η γνώση των πιο αδύναμων περιοχών της εφαρμογής σας βοηθά να αποφασίσετε αν είναι «κατάλληλη για χρήση» ή όχι.
- Πρόσκληση σε δράση: Μια ενότητα με υψηλότερο DD χρειάζεται επιδιόρθωση. Το DD βοηθάει να τα αναγνωρίσει.
Δεν πρέπει
# 1)Μην λάβετε υπόψη διπλά / επιστρεφόμενα ελαττώματα
Η εσφαλμένη υπολογισμένη πυκνότητα ελαττωμάτων μπορεί να παραπλανήσει την ομάδα σας.
Μην συμπεριλάβετε διπλότυπα / επιστρεφόμενα ελαττώματα (όχι σφάλμα, λειτουργώντας όπως προορίζεται, δεν μπορεί να αναπαραχθεί , κ.λπ.) Αυξάνει το πλήθος του συνολικού αριθ. ελαττωμάτων, που σημαίνει ότι η DD θα αυξηθεί αναλογικά. Ως αποτέλεσμα, η μέτρηση ελαττωμάτων σας θα υποδηλώνει κακή ποιότητα, η οποία θα αποτελούσε έναν ορισμένο ψευδή συναγερμό.
#δύο)Μην το κάνετε με βάση τα δεδομένα μιας ημέρας
Ας δούμε αυτήν την υποθετική κατάσταση:
Την ημέρα 1, το DD είναι υψηλότερο. Αυτό θα μπορούσε να στείλει την ομάδα σας σε κατάσταση πανικού αμέσως.
Ετσι, περιμένετε μέχρι να έχετε καλύτερη πρώτη ύλη. Με άλλα λόγια, δεδομένα λίγων ημερών.
Επίσης, κατά τον υπολογισμό του DD, θέλετε ένα σωρευτικό πλήθος ελαττωμάτων.
Στον παραπάνω πίνακα, το DD σας από την Ημέρα 2 και μετά δεν λαμβάνει υπόψη τον αριθμό των ελαττωμάτων μέχρι στιγμής. Κοιτάζει μόνο τα δεδομένα αυτής της ημέρας.
Μου δίνει την εντύπωση ότι: «Η πυκνότητα ελαττωμάτων από την ημέρα 2 μειώνεται και αυξάνεται και δεν υπάρχει τάση». Επίσης, πώς μπορεί να μειωθεί η πυκνότητα ελαττωμάτων όταν δεν γίνεται τίποτα για τα ελαττώματα που αναφέρθηκαν την προηγούμενη ημέρα; Δεν είναι; Σκέψου το.
Ένας καλύτερος τρόπος για να γίνει αυτό είναι:
Αλλη μια φορά, Εάν το κάνετε αυτό καθημερινά, λάβετε υπόψη το σωρευτικό πλήθος ελαττωμάτων.
Παραλλαγές
Ανάλογα με το επίπεδο βελτίωσης που χρειάζεται η ομάδα σας, μπορείτε να τροποποιήσετε αυτήν τη μέτρηση ελαττωμάτων.
- Για DD της Ζητήματα υψηλής / κρίσιμης σοβαρότητας , ο τύπος σας μπορεί να είναι:
Σύνολο αρ. Υψηλών / Κρίσιμων ελαττωμάτων ανά KLOC ή μονάδες
- Μπορείτε να το κάνετε αυτό για την επιστροφή ζητημάτων ανά ενότητα. Εδώ θα συλλέξετε μόνο τον αριθμό των ζητημάτων που συνεχίζουν να εμφανίζονται σε εκδόσεις / εκδόσεις
Σε ποιες τιμές του Bug Density το λογισμικό γίνεται απαράδεκτο;
Βιομηχανικό πρότυπο πυκνότητας ελαττωμάτων:
Λοιπόν, αυτό διαφέρει για κάθε κλάδο, εφαρμογή και κάθε ομάδα. Η μεταποίηση θα έχει ένα συγκεκριμένο όριο και θα ήταν εντελώς διαφορετική για την πληροφορική.
Το DD στην ονομαστική του τιμή δείχνει κακή ποιότητα. Αλλά, με τη σειρά του, η σοβαρότητα των μεμονωμένων ελαττωμάτων αποφασίζει εάν το προϊόν είναι κατάλληλο για χρήση ή όχι.
Το High DD είναι ο δείκτης σας για να εμβαθύνετε και να αναλύετε τα ελαττώματα σας για τις συνέπειές τους.
Ποιος δεν θα ήθελε μηδενική πυκνότητα ελαττωμάτων, σωστά; Επομένως, παρόλο που δεν υπάρχει συγκεκριμένο πρότυπο, όσο χαμηλότερη είναι αυτή η τιμή, τόσο το καλύτερο.
Τελικές σκέψεις:
- Δεν είναι μια προγνωστική μέτρηση. Μια τιμή DD δεν βοηθά να περιμένουμε τη μελλοντική ποιότητα του προϊόντος. Μπορεί να είναι καλύτερο ή χειρότερο. Τα δεδομένα ιστορικού δεν θα βοηθήσουν στις μελλοντικές προβλέψεις.
- Κατά τη διάρκεια κρίσιμων σταδίων δοκιμής / κύκλων (όπως UAT), η DD υπολογίζεται με βάση το χρόνο.Για παράδειγμα: DD / First hour, DD ανά ημέρα κ.λπ.
- Όταν συγκεντρώνετε στατιστικά στοιχεία ελαττωμάτων πολλαπλών εκδόσεων / κύκλου, η πυκνότητα ελαττωμάτων μπορεί να είναι ανά κύκλο ή ανά κυκλοφορία.
- Μια απλή γραφική αναπαράσταση των δεδομένων πίνακα μπορεί να έχει ως εξής:
Συμπερασματικά
Το Defect Density είναι ένας βασικός δείκτης ποιότητας. Δεν μπορείτε να κάνετε λάθος με τη συλλογή και παρουσίαση αυτής της μέτρησης ελαττωμάτων. Επί πλέον? Είναι ένας από τους ευκολότερους υπολογισμούς.
Ελπίζω ότι αυτό το άρθρο σας έχει δώσει αρκετή έκθεση για να αρχίσετε να χρησιμοποιείτε το Defect Density για βαθύτερες πληροφορίες.
Συντάκτης : Το μέλος της ομάδας STH Swati έγραψε αυτό το λεπτομερές σεμινάριο.
Υπολογίζετε την πυκνότητα ελαττωμάτων στις ομάδες σας; Εάν ναι, το κάνετε ανά κύκλο, ανά ενότητα ή ανά KLOC; Εάν όχι, ποιες άλλες μετρήσεις σας βοηθούν να κατανοήσετε την ποιότητα; Μοιραστείτε τα σχόλια και τις ερωτήσεις σας παρακάτω.
Συνιστώμενη ανάγνωση
- Τι είναι η τεχνική δοκιμής βάσει ελαττωμάτων;
- Δοκιμή άλφα και δοκιμή beta (ένας πλήρης οδηγός)
- Οι καλύτερες υπηρεσίες δοκιμής λογισμικού QA από το SoftwareTestingHelp
- Τύποι δοκιμών λογισμικού: Διαφορετικοί τύποι δοκιμών με λεπτομέρειες
- Ο έλεγχος λογισμικού αφορά τις ιδέες (και τον τρόπο δημιουργίας τους)
- Οδηγός περίληψης δοκιμών τέλειου λογισμικού (με δείγμα βιογραφικού ελέγχου δοκιμής)
- Λειτουργική δοκιμή Vs Μη λειτουργική δοκιμή
- Τι είναι ο κύκλος ζωής ελαττωμάτων / σφαλμάτων στη δοκιμή λογισμικού; Εκμάθηση κύκλου ζωής ελαττωμάτων