Μενού

Έννοια, διαδικασία και στρατηγική διαχείρισης δεδομένων δοκιμής

test data management concept

Δοκιμάστε Το Όργανο Μας Για Την Εξάλειψη Των Προβλημάτων

Στο τελευταίο σεμινάριο, εστιάσαμε πώς να προετοιμάσετε το Test Bed για να ελαχιστοποιήσετε τα ελαττώματα του Test Test . Σε συνέχεια με το ίδιο σεμινάριο, σήμερα θα μάθουμε πώς να ρυθμίσετε και να διατηρήσετε το Περιβάλλον δοκιμών και σημαντικόΔιαχείριση δεδομένων δοκιμήςτεχνικές.

Δοκιμή διαδικασίας ρύθμισης περιβάλλοντος

Ο πιο σημαντικός παράγοντας για το περιβάλλον δοκιμής είναι να το αναπαραγάγετε όσο το δυνατόν πιο κοντά στο περιβάλλον τελικών χρηστών. Συνήθως, οι τελικοί χρήστες δεν αναμένεται να εκτελέσουν καμία διαμόρφωση ή εγκατάσταση από μόνες τους καθώς αποστέλλεται ένα πλήρες προϊόν ή σύστημα σε αυτούς. Ως εκ τούτου, από αυτόν τον ορισμό, ακόμη και οι ομάδες δοκιμής δεν χρειάζεται να εκτελούν ρητά τέτοιες διαμορφώσεις.

Έννοια, διαδικασία και στρατηγική διαχείρισης δεδομένων δοκιμής

Εάν οποιεσδήποτε τέτοιες διαμορφώσεις απαιτούνται για καθαρά δοκιμαστικούς σκοπούς (αλλά θα διαμορφωθούν για τελικούς χρήστες), τότε πρέπει να προσδιοριστούν οι διαχειριστές. Αυτοί οι διαχειριστές που διαμορφώνουν το περιβάλλον ανάπτυξης πρέπει να είναι τα ίδια άτομα που ρυθμίζουν το περιβάλλον δοκιμής.

Εάν η ίδια η ομάδα ανάπτυξης αναλαμβάνει την πρωτοβουλία στην εγκατάσταση / ρύθμιση παραμέτρων, τότε πρέπει να βοηθήσουν να κάνουν το ίδιο ακόμη και στο περιβάλλον δοκιμής.

Για παράδειγμα, εάν πρέπει να δοκιμάσετε μια εφαρμογή (με το σχετικό ενδιάμεσο λογισμικό που πρέπει να εγκατασταθεί και να διαμορφωθεί) σε ένα σύστημα σε διάφορες πλατφόρμες λειτουργικού συστήματος κ.λπ. - ο καλύτερος τρόπος για να αντιμετωπίσετε αυτό είναι να χρησιμοποιήσετε εικονικοποίηση ή περιβάλλοντα Cloud .

Έχετε ένα κύριο σύστημα όπου όλες οι εφαρμογές και το απαιτούμενο μεσαίο λογισμικό έχουν εγκατασταθεί και ρυθμιστεί σωστά. Στη συνέχεια, κάντε αυτό το σύστημα μια κύρια εικόνα καταγράφοντας το και κλωνοποιείτε πολλές εμφανίσεις από την ίδια εικόνα έτσι ώστε κάθε χρήστης να αισθάνεται ότι έχει ένα ειδικό σύστημα με την υπό δοκιμή εφαρμογή.

Εδώ παρακάτω, είναι μια εικονογραφική απεικόνιση του τι θα συνεπαγόταν μια διαδικασία δοκιμαστικού περιβάλλοντος:

δεδομένα δοκιμής και διαδικασία περιβάλλοντος δοκιμής

Διαδικασία ρύθμισης περιβάλλοντος δοκιμής

Τι θα μάθετε:

Συντήρηση περιβάλλοντος δοκιμής

Τόσα πολλά ειπώθηκαν για την προετοιμασία του περιβάλλοντος δοκιμής, παρά τις προκλήσεις, αυτό είναι αναμφίβολα κάτι περισσότερο από το έδαφος για να απαιτηθεί η συντήρηση ή η τυποποίηση του περιβάλλοντος δοκιμής. Πολλές φορές, ένας υπεύθυνος δοκιμών χάνει τον χρόνο δοκιμής λόγω προβλημάτων περιβάλλοντος ή ρύθμισης.

Με μια ταχεία αύξηση στα λειτουργικά συστήματα και το φάσμα του υλικού και του λογισμικού, το περιβάλλον πρέπει να είναι σχεδόν δυναμικό στη φύση, προκειμένου να αντιμετωπίσει τις ανάγκες. Οι ομάδες δοκιμών μπορούν να διασφαλίσουν ότι παρέχουν ένα προϊόν υψηλής ποιότητας με μια καλή διαδικασία διαχείρισης δοκιμών και αυτό θα βοηθούσε στη βέλτιστη χρήση των πόρων που είναι περιορισμένα διαθέσιμοι.

Βασικοί δείκτες για τη διασφάλιση της αποτελεσματικής συντήρησης του περιβάλλοντος δοκιμών

Ως περιβάλλον δοκιμών, οι περισσότερες φορές περιέχουν ετερογενείς πλατφόρμες και στοίβες, παρουσιάζοντας παρακάτω είναι μερικοί βασικοί δείκτες για τη διασφάλιση της αποτελεσματικής συντήρησης του περιβάλλοντος δοκιμής.

# 1) Αποτελεσματική κοινή χρήση και διανομή περιβάλλοντος:

Όπως προαναφέρθηκε, μία από τις βασικές προκλήσεις της προετοιμασίας του περιβάλλοντος δοκιμών είναι ότι πολλές ομάδες ή άνθρωποι πρέπει να χρησιμοποιούν το ίδιο σύνολο πόρων για τους σκοπούς της δοκιμής τους. Ως εκ τούτου, πρέπει να αναπτυχθεί ένας κατάλληλος μηχανισμός κοινής χρήσης που να ανταποκρίνεται στις ανάγκες όλων των ομάδων και των ανθρώπων χωρίς καθυστέρηση των προγραμμάτων.

Αυτό μπορεί να επιτευχθεί διατηρώντας ένα σύνδεσμο αποθετηρίου ή πληροφοριών όπου όλα τα δεδομένα σχετικά με:

  1. ποιος χρησιμοποιεί το περιβάλλον,
  2. όταν το περιβάλλον είναι ελεύθερο να χρησιμοποιηθεί και
  3. πώς καταχωρείται με ακρίβεια η κατανομή του χρόνου χρήσης του περιβάλλοντος.

Προσδιορίζοντας προληπτικά πού η απαίτηση των πόρων είναι μεγάλη έναντι της περιορισμένης διαθεσιμότητας αυτών, μεγάλο χάος ακυρώνεται αυτόματα.

Η δεύτερη πτυχή αυτού είναι να επανεξετάσουμε τις απαιτήσεις πόρων των ομάδων για καθεμία κύκλος δοκιμών και αναζητήστε ποιοι πόροι δεν χρησιμοποιούνται πολύ. Αναλύστε εάν οι συγκεκριμένοι πόροι μπορούν να αντικατασταθούν με τυχόν νέους πόρους ή συστήματα που μπορεί να χρειαστούν.

# 2) Έλεγχοι υγιεινής:

Ορισμένες απαιτήσεις δοκιμής χρειάζονται μια ολοκληρωμένη ρύθμιση ή ρύθμιση δοκιμών που περιλαμβάνει περίπλοκα βήματα που είναι εξαιρετικά χρονοβόρα για κατανάλωση. Αυτό συμβαίνει ειδικά κατά τη διάρκεια του δοκιμή από άκρο σε άκρο που περιλαμβάνει δύο ή περισσότερα στοιχεία για να συνεργαστούμε. Ως εκ τούτου, το ίδιο περιβάλλον δοκιμών μπορεί να χρειαστεί να επαναχρησιμοποιηθεί από πολλές ομάδες.

Σε τέτοιες περιπτώσεις, έχοντας καλή κατανόηση ολόκληρου του περιβάλλοντος στο σύνολό του, συγκεντρώνοντας τι είδους δοκιμές πραγματοποιούνται από διάφορες ομάδες, θα χρωματίσει μια λογική εικόνα για να βοηθήσει στην παροχή αυτών των συγκεκριμένων πόρων στις αντίστοιχες ομάδες.

Λαμβάνοντας υπόψη τους παραπάνω παράγοντες - μπορούν να πραγματοποιηθούν βασικές δοκιμές υγιεινής που θα βοηθήσουν στην επιτάχυνση των δοκιμών για μεμονωμένες ομάδες ή αμέσως σε ανησυχία εάν το περιβάλλον πρέπει να υποστεί κάποιες αλλαγές ή διορθώσεις ως αποτέλεσμα αυτών των ελέγχων υγιεινής.

# 3) Παρακολούθηση τυχόν διακοπών:

Ακριβώς όπως κάθε ομάδα που έχει ένα δοκιμαστικό περιβάλλον έχει τη δική τους, ένας οργανισμός έχει όλα τα πιθανά περιβάλλοντα δοκιμών που διατηρούνται από μια παγκόσμια ομάδα υποστήριξης.

Επιπλέον, ακριβώς όπως οι ομάδες που διαθέτουν το περιβάλλον δοκιμής τους έχουν το δικό τους τοπικό χρόνο διακοπής σε περίπτωση αναβάθμισης υλικολογισμικού / λογισμικού, οι παγκόσμιες ομάδες πρέπει επίσης να διασφαλίσουν ότι όλα τα περιβάλλοντα συμμορφώνονται με τα πιο πρόσφατα πρότυπα που μπορεί να συνεπάγονται διακοπή ρεύματος ή δικτύου.

Ως εκ τούτου, αυτοί που διατηρούν το περιβάλλον δοκιμών πρέπει να παρακολουθούν κάθε διακοπή που μπορεί να συμβεί και να ενημερώσουν εκ των προτέρων την ομάδα δοκιμής για να σχεδιάσουν την εργασία τους αναλόγως.

# 4) Εικονικοποιήστε όποτε είναι δυνατόν:

Αυτό είναι και πάλι πολύ σημαντικό όπου πρέπει να γίνουν δοκιμές με κοινή χρήση του περιβάλλοντος και υπάρχει απόλυτη ανάγκη βελτιστοποίησης των πόρων. Σε τέτοιες στιγμές, η χρήση ενός εικονικοποιημένου περιβάλλοντος όπως ένα σύννεφο για σκοπούς δοκιμής είναι η απάντηση.

Όταν χρησιμοποιείτε ένα τέτοιο περιβάλλον, το μόνο που χρειάζεται να κάνουν οι υπεύθυνοι δοκιμών, είναι να παράσχουν μια στιγμή και αυτή η περίπτωση, αφού προβλεφθεί, θα δημιουργήσει ένα ανεξάρτητο Test Bed ή Test Περιβάλλον που θα περιέχει όλους τους διαφορετικούς πόρους, όπως ένα ειδικό λειτουργικό σύστημα, βάση δεδομένων, μεσαίο λογισμικό, αυτοματοποιημένα , κ.λπ. που απαιτούνται για τη δοκιμή.

Μόλις ολοκληρωθεί η δοκιμή, αυτές οι περιπτώσεις μπορούν να καταστραφούν μειώνοντας έτσι σημαντικά το κόστος για έναν οργανισμό. Τα περιβάλλοντα cloud είναι ιδιαίτερα χρήσιμα για λειτουργικές δοκιμές επαλήθευσης, περιοχές δοκιμών αυτοματισμού.

# 5) Δοκιμή παλινδρόμησης / αυτοματοποίηση:

εισαγωγή κωδικού ταξινόμησης c ++

Όσο και αν υπάρχουν νέες λειτουργίες και δυνατότητες που αναπτύσσονται, δοκιμές παλινδρόμησης πρέπει να εκτελούνται για αυτές τις λειτουργίες για κάθε κύκλο απελευθέρωσης. Ως εκ τούτου, παρόλο που στον οπίσθιο χώρο, τα περιβάλλοντα δοκιμών για δοκιμές παλινδρόμησης φαίνεται να λειτουργούν με την ίδια ρύθμιση δοκιμής με τα ίδια δεδομένα, στην πραγματικότητα εξελίσσονται συνεχώς κάθε κυκλοφορία σύμφωνα με τα χαρακτηριστικά που εφαρμόζονται επίσης.

Κάθε κύκλος απελευθέρωσης προϊόντος θα είχε έναν ή περισσότερους γύρους δοκιμών παλινδρόμησης. Έτσι, η δημιουργία περιβάλλοντος δοκιμής παλινδρόμησης για κάθε κύκλο απελευθέρωσης προϊόντος και η επαναχρησιμοποίησή τους εντός του κύκλου, θα απεικονίζει σίγουρα τη σταθερότητα του περιβάλλοντος δοκιμής.

Η ανάπτυξη πλαισίων αυτοματοποίησης και η χρήση αυτοματισμού για παλινδρομικές δοκιμές, βοηθά επίσης στη βελτίωση της αποτελεσματικότητας ενός περιβάλλοντος δοκιμής, επειδή ο αυτοματισμός θα υποθέσει ότι το περιβάλλον είναι σταθερό και τα ελαττώματα που προέρχονται είναι καθαρά προσανατολισμένα σε χαρακτηριστικά / κώδικα.

# 6) Γενική διακυβέρνηση:

Όταν υπάρχουν κάποια προβλήματα με το υλικό ή το λογισμικό δοκιμαστικού περιβάλλοντος, αυτά τα ζητήματα πρέπει να απευθύνονται στα κατάλληλα άτομα για να διασφαλίσουν επιδιορθώσεις, εάν δεν μπορούν να επιδιορθωθούν εσωτερικά από εκείνους που συντηρούν το εργαστήριο.

Για παράδειγμα, Εάν οποιαδήποτε δοκιμή προκαλεί ένα ελάττωμα που περιλαμβάνει έναν περιορισμό στο υλικολογισμικό ή το λογισμικό που χρησιμοποιείται στο τρέχον περιβάλλον, αυτό γενικά δεν μπορεί να διορθωθεί αποκλειστικά από εκείνους που είναι υπεύθυνοι για τη συντήρηση του περιβάλλοντος.

Ως εκ τούτου, ο καταναλωτής (που είναι ο δοκιμαστής σε αυτήν την περίπτωση) πρέπει να κληθεί να υποβάλει τα κατάλληλα αιτήματα υπηρεσίας. Αυτά πρέπει να απευθύνονται στον κατάλληλο πωλητή ή ομάδα και ο συντονισμός πρέπει να γίνεται τακτικά μαζί τους για να διασφαλιστεί ότι η επόμενη έκδοση έχει διορθωθεί στο συγκεκριμένο πρόβλημα.

Μια άλλη πτυχή της διακυβέρνησης θα ήταν η παροχή λεπτομερών περιβαλλοντικών εκθέσεων στη διοίκηση ή στους ενδιαφερόμενους φορείς κατά καιρούς, οι οποίες βοηθούν στην παραγωγή διαφάνειας και αποτελούν ένα καλό έδαφος για οποιαδήποτε ανάλυση.

Προετοιμασία δεδομένων δοκιμής

Ας ρίξουμε μια ματιά στο τελευταίο τμήμα του α Δημιουργία δοκιμαστικής κλίνης - η οποία περιλαμβάνει τη ρύθμιση των δεδομένων δοκιμής . Με ένα τόσο μεγάλο κομμάτι να αναφέρεται για το περιβάλλον δοκιμής, η πραγματική ουσία του περιβάλλοντος δοκιμής, η ανθεκτικότητα και η αποτελεσματικότητά του μπορούν να μετρηθούν με τα δεδομένα δοκιμής. Εξ ορισμού, τα δεδομένα δοκιμής είναι κάθε είδος εισόδου που δίνεται στον κώδικα λογισμικού που δοκιμάζεται.

Παρόλο που ξοδεύουμε πολύ χρόνο στη σχεδίαση δοκιμαστικών περιπτώσεων, ο λόγος για τον οποίο τα δεδομένα δοκιμών είναι σημαντικά είναι επειδή εξασφαλίζει πλήρη κάλυψη δοκιμών για όλα τα είδη σεναρίων, βελτιώνοντας έτσι την ποιότητα. Θα μπορούσαν να υπάρχουν ορισμένα δεδομένα δοκιμών που απαιτούνται για οποιαδήποτε ευχάριστη ή θετική δοκιμή διαδρομής.

Ορισμένα άλλα δεδομένα θα μπορούσαν να σχεδιαστούν για σφάλματα ή αρνητικές δοκιμές, οι οποίες είναι πολύ χρήσιμες για την ανακάλυψη της απόδοσης της εφαρμογής όταν τοποθετούνται σε ανώμαλες καταστάσεις.

Τα δεδομένα δοκιμής γενικά δημιουργούνται πριν από την έναρξη της εκτέλεσης κειμένου, επειδή κάθε περιβάλλον δοκιμής έχει το δικό του σύνολο πολυπλοκότητας ή η προετοιμασία των ίδιων των δεδομένων μπορεί να είναι μια μακροχρόνια διαδικασία. Έτσι, γενικά, οι πηγές δεδομένων δοκιμής θα μπορούσαν να είναι η εσωτερική ομάδα ανάπτυξης ή οι τελικοί χρήστες που καταναλώνουν τον κώδικα ή τη δυνατότητα.

Για παράδειγμα,Δοκιμή λειτουργίας

Ας πάρουμε ένα παράδειγμα όπου πρέπει να εκτελέσετε λειτουργικές δοκιμές ή δοκιμές μαύρου κουτιού. Εδώ ο στόχος είναι ότι ο κώδικας πρέπει να ανταποκρίνεται λειτουργικά στις απαιτήσεις που καθορίζονται.

Έτσι, σε τέτοιες περιπτώσεις - η προετοιμασία δοκιμαστικών περιπτώσεων θα πρέπει γενικά να καλύπτει τα ακόλουθα είδη δεδομένων:

  • Δεδομένα θετικής διαδρομής: Με το έγγραφο περίπτωσης χρήσης ανάπτυξης ως αναφορά, αυτά είναι τα δεδομένα γενικά συγχρονισμένα με την εκτέλεση των θετικών σεναρίων διαδρομής.
  • Δεδομένα αρνητικής διαδρομής: Πρόκειται για δεδομένα που θεωρούνται γενικά «άκυρα» σε σχέση με τη σωστή λειτουργική λειτουργία του κώδικα.
  • Μηδενικά δεδομένα: Δεν παρέχονται δεδομένα όταν η εφαρμογή ή ο κωδικός αναμένει αυτά τα δεδομένα.
  • Λάθος δεδομένα: Προσδιορισμός της απόδοσης του κώδικα όταν τα δεδομένα παρέχονται σε παράνομη μορφή.
  • Δεδομένα ορίων συνθηκών: Ελέγξτε τα δεδομένα που παρέχονται εκτός του ευρετηρίου ή του πίνακα για να προσδιορίσετε την απόδοση του κώδικα.

Τα δεδομένα δοκιμών διαδραματίζουν βασικό ρόλο στον προσδιορισμό του πού μπορεί να σπάσει εντελώς ένα προϊόν ή μια λειτουργία. Πάντα έχετε πρακτική ψηφοφορίας και επικύρωσης του είδους των δεδομένων που τροφοδοτούνται στο περιβάλλον δοκιμής σε διαφορετικές φάσεις δοκιμών.

Διαχείριση δεδομένων δοκιμής

Όταν τα δεδομένα δοκιμών διαδραματίζουν τόσο σημαντικό ρόλο στη διασφάλιση της ποιότητας του προϊόντος, είναι λογικό να πούμε ότι η διαχείριση και ο εξορθολογισμός του διαδραματίζει επίσης εξίσου σημαντικό ρόλο στη Διασφάλιση Ποιότητας οποιουδήποτε προϊόντος πρέπει να κυκλοφορήσει στους πελάτες.

Ανάγκη για τη διαχείριση δεδομένων δοκιμής και βέλτιστες πρακτικές:

# 1) Ένας μεγάλος αριθμός οργανώσεων έχουν γρήγορα μεταβαλλόμενους επιχειρηματικούς στόχους για την κάλυψη των αναγκών του τελικού χρήστη και ως εκ τούτου είναι περιττό να αναφέρουμε ότι τα κατάλληλα δεδομένα δοκιμών είναι καθοριστικά για τον προσδιορισμό της ποιότητας της δοκιμής. Αυτό θα περιλαμβάνει τη ρύθμιση του ακριβούς είδους δεδομένων για τα αντίστοιχα περιβάλλοντα δοκιμών και την παρακολούθηση των μοντέλων συμπεριφοράς.

Όπως ήδη συζητήθηκε, ένα μεγάλο μέρος του χρόνου μιας ομάδας δοκιμών δαπανάται στον σχεδιασμό των δεδομένων δοκιμών και των σχετικών καθηκόντων του. Πολλές φορές η δοκιμή οποιασδήποτε λειτουργικότητας τείνει να παρεμποδίζεται σε μεγάλο βαθμό λόγω της μη διαθεσιμότητας κατάλληλων δεδομένων δοκιμής που αποτελεί κρίσιμη πρόκληση όσον αφορά την πλήρη κάλυψη δοκιμών.

#δύο) Επίσης μερικές φορές για ορισμένες απαιτήσεις δοκιμών τα δεδομένα δοκιμών πρέπει να ανανεώνονται συνεχώς . Αυτό από μόνο του προκαλεί μεγάλη καθυστέρηση στον κύκλο λόγω της συνεχούς επανεργασίας που αυξάνει επίσης το κόστος της εφαρμογής που φθάνει στην αγορά.

Σε ορισμένες άλλες περιπτώσεις, εάν το προϊόν που αποστέλλεται έχει εμπλοκή με διαφορετικές μονάδες ομάδας εργασίας σε έναν μεγάλο οργανισμό, η δημιουργία και η ανανέωση των δεδομένων δοκιμών απαιτεί ένα περίπλοκο επίπεδο συντονισμού σε αυτές τις ομάδες εργασίας.

# 3) Παρόλο που οι δοκιμαστικές ομάδες πρέπει να δημιουργήσουν όλα τα είδη δεδομένων που είναι δυνατόν να διασφαλίσουν επαρκή έλεγχο, οι οργανισμοί πρέπει επίσης να θεωρήσουν ότι αυτό θα σήμαινε ότι όλα τα διαφορετικά είδη δεδομένων πρέπει να αποθηκευτούν σε κάποιο είδος αποθετηρίου.

Παρόλο που το αποθετήριο είναι καλή πρακτική, η αποθήκευση υπερβολικών και ανεπιθύμητα δεδομένα όχι μόνο θα αυξήσει σημαντικά τον αποθηκευτικό χώρο για την αποθήκευση αυτών των μεγάλων κομματιών δεδομένων, αλλά θα καθιστά επίσης ολοένα και πιο δύσκολη τη λήψη των κατάλληλων δεδομένων για την εν λόγω δοκιμή εάν δεν υπάρχει συντήρηση έκδοσης και αρχειοθέτηση αυτού του αποθετηρίου.

Οι περισσότεροι από τους οργανισμούς αντιμετωπίζουν γενικά αυτές τις κοινές προκλήσεις όσον αφορά τα δεδομένα δοκιμών. Κατά συνέπεια, πρέπει να υπάρχουν ορισμένες στρατηγικές διαχείρισης που πρέπει να τεθούν σε εφαρμογή για να ελαχιστοποιηθεί ο βαθμός αυτών των προκλήσεων.

Ακολουθούν μερικές προτεινόμενες μεθοδολογίες για τη διαχείριση των δεδομένων δοκιμής και τη διατηρούν σχετικές με τις ανάγκες δοκιμών. Οι ακόλουθες πρακτικές είναι πολύ βασικές και γενικές που συνήθως λειτουργούν για τους περισσότερους οργανισμούς. Το πώς υιοθετείται, είναι αποκλειστικά η διακριτική ευχέρεια των αντίστοιχων οργανισμών.

Στρατηγικές διαχείρισης δεδομένων δοκιμής

# 1) Ανάλυση δεδομένων

Γενικά, τα δεδομένα δοκιμής κατασκευάζονται με βάση τις δοκιμαστικές περιπτώσεις που θα εκτελεστούν. Για παράδειγμα, σε μια ομάδα δοκιμών συστήματος, το end-end test σενάριο πρέπει να προσδιοριστεί βάσει του σχεδιασμού των δεδομένων δοκιμής. Αυτό μπορεί να περιλαμβάνει μία ή περισσότερες εφαρμογές για να λειτουργήσει.

Ας πούμε σε ένα προϊόν που κάνει διαχείριση φόρτου εργασίας - περιλαμβάνει την εφαρμογή ελεγκτή διαχείρισης, τις εφαρμογές μεσαίου λογισμικού, τις εφαρμογές βάσης δεδομένων όλες να λειτουργούν σε συνάρτηση μεταξύ τους. Τα απαιτούμενα δεδομένα δοκιμής για το ίδιο θα μπορούσαν να διασκορπιστούν. Πρέπει να γίνει διεξοδική ανάλυση όλων των διαφορετικών ειδών δεδομένων που ενδέχεται να απαιτούνται για να διασφαλιστεί η αποτελεσματική διαχείριση.

# 2) Ρύθμιση δεδομένων για να αντικατοπτρίζει το περιβάλλον παραγωγής

Αυτό είναι γενικά μια επέκταση από το προηγούμενο βήμα και επιτρέπει να κατανοήσουμε ποιο θα είναι το σενάριο του τελικού χρήστη ή της παραγωγής και ποια δεδομένα απαιτούνται για το ίδιο. Χρησιμοποιήστε αυτά τα δεδομένα και συγκρίνετε αυτά τα δεδομένα με τα δεδομένα που υπάρχουν αυτήν τη στιγμή στο τρέχον περιβάλλον δοκιμών. Με βάση αυτά τα νέα δεδομένα ενδέχεται να χρειαστεί να δημιουργηθούν ή να τροποποιηθούν.

# 3) Προσδιορισμός της εκκαθάρισης δεδομένων δοκιμής

Με βάση την απαίτηση δοκιμής στον τρέχοντα κύκλο απελευθέρωσης (όπου ένας κύκλος απελευθέρωσης μπορεί να διαρκέσει για μεγάλο χρονικό διάστημα), τα δεδομένα δοκιμής ενδέχεται να χρειαστεί να τροποποιηθούν ή να δημιουργηθούν όπως αναφέρεται στο παραπάνω σημείο. Αυτά τα δεδομένα δοκιμής αν και δεν είναι άμεσα σχετικά, ενδέχεται να απαιτηθούν αργότερα. Ως εκ τούτου, θα πρέπει να διατυπωθεί μια σαφής διαδικασία για τον προσδιορισμό του πότε μπορούν να καθαριστούν τα δεδομένα δοκιμής.

# 4) Προσδιορίστε ευαίσθητα δεδομένα και προστατέψτε τα

Πολλές φορές, για να δοκιμάσετε σωστά τις εφαρμογές, ενδέχεται να απαιτείται μεγάλη ποσότητα πολύ ευαίσθητων δεδομένων. Για παράδειγμα, ένα περιβάλλον δοκιμής που βασίζεται σε σύννεφο είναι μια δημοφιλής επιλογή, επειδή παρέχει δοκιμές διαφόρων προϊόντων κατά παραγγελία.

Ωστόσο, κάτι τόσο βασικό όσο η εγγύηση του απορρήτου των χρηστών σε ένα σύννεφο προκαλεί ανησυχία. Έτσι, ειδικά σε περιπτώσεις όπου θα πρέπει να αναπαράγουμε το περιβάλλον χρήστη, πρέπει να προσδιοριστεί ο μηχανισμός προστασίας των ευαίσθητων δεδομένων. Ο μηχανισμός διέπεται σε μεγάλο βαθμό από τον όγκο των δεδομένων δοκιμής που χρησιμοποιούνται.

# 5) Αυτοματισμός

Ακριβώς όπως υιοθετούμε αυτοματοποίηση για την εκτέλεση επαναλαμβανόμενων δοκιμών ή για την εκτέλεση των ίδιων δοκιμών με διαφορετικά είδη δεδομένων, είναι επίσης δυνατό να αυτοματοποιηθεί η δημιουργία δεδομένων δοκιμής. Αυτό θα βοηθούσε στην αποκάλυψη τυχόν σφαλμάτων που ενδέχεται να προκύψουν σε σχέση με δεδομένα κατά τη διάρκεια της δοκιμής. Ένας πιθανός τρόπος για να γίνει αυτό είναι η σύγκριση των αποτελεσμάτων που παράγονται από ένα σύνολο δεδομένων από διαδοχικές δοκιμές. Στη συνέχεια, αυτοματοποιήστε αυτήν τη διαδικασία σύγκρισης.

# 6) Αποτελεσματική ανανέωση δεδομένων χρησιμοποιώντας ένα κεντρικό αποθετήριο

Αυτή είναι μακράν οι πιο σημαντικές μεθοδολογίες και αποτελεί το επίκεντρο της εφαρμογής της διαχείρισης δεδομένων. Όλα τα σημεία που αναφέρθηκαν παραπάνω, ειδικά εκείνα που αφορούν τη ρύθμιση δεδομένων, η εκκαθάριση δεδομένων σχετίζονται άμεσα ή έμμεσα με αυτό.

Πολλή προσπάθεια για τη δημιουργία δεδομένων δοκιμής μπορεί να εξοικονομηθεί διατηρώντας ένα κεντρικό αποθετήριο που περιέχει όλα τα είδη δεδομένων που μπορεί να απαιτούνται για διάφορα είδη δοκιμών. Πώς γίνεται αυτό; Σε διαδοχικούς κύκλους δοκιμών, είτε για μια νέα δοκιμαστική περίπτωση είτε για μια τροποποιημένη δοκιμαστική υπόθεση ελέγξτε εάν τα δεδομένα υπάρχουν στο αποθετήριο. Εάν δεν υπάρχουν, τροφοδοτήστε πρώτα αυτά τα δεδομένα στο περιβάλλον δοκιμής.

Στη συνέχεια, αυτό μπορεί να κατευθυνθεί σε αυτό το αποθετήριο για μελλοντική αναφορά. Τώρα για διαδοχικούς κύκλους κυκλοφορίας, η δοκιμαστική ομάδα μπορεί να χρησιμοποιήσει όλα ή ένα υποσύνολο αυτών των δεδομένων. Δεν είναι εμφανές το πλεονέκτημα; Ανάλογα με τα σύνολα δεδομένων που χρησιμοποιούνται συχνά, τα ξεπερασμένα δεδομένα μπορούν εύκολα να εξαλειφθούν και επομένως να διασφαλιστεί ότι υπάρχουν πάντα σωστά δεδομένα, μειώνοντας έτσι το κόστος αποθήκευσης αυτών των περιττών δεδομένων.

Δεύτερον, μπορείτε επίσης να αποθηκεύσετε μερικές εκδόσεις αυτού του αποθετηρίου ή να την αναθεωρήσετε όπως απαιτείται. Η ύπαρξη διαφορετικών εκδόσεων του αποθετηρίου μπορεί να βοηθήσει πολύ στη δοκιμή παλινδρόμησης για να προσδιορίσει ποια αλλαγή στα δεδομένα μπορεί να προκαλέσει τη διάσπαση του κώδικα.

συμπέρασμα

Το περιβάλλον δοκιμών πρέπει να έχει πρωταρχική σημασία σε κάθε ομάδα δοκιμών. Κάθε κύκλος κυκλοφορίας θα φέρει ένα πλήθος νέων προκλήσεων για την καταπολέμηση ενός αναξιόπιστου και μη προγραμματισμένου περιβάλλοντος δοκιμών.

Ως επαναστατικό μέτρο, πολλοί οργανισμοί εφαρμόζουν τώρα στρατηγικές, όπως τη δημιουργία ειδικών ομάδων δοκιμής συντήρησης περιβάλλοντος που δημιουργούν συγκεκριμένα πλαίσια για την αποτελεσματική συντήρηση των δοκιμαστικών περιβαλλόντων, για να εξασφαλίσουν ομαλότερους κύκλους απελευθέρωσης.

Η βελτιωμένη δοκιμή είναι μόνο μια προφανής επίδραση του εξορθολογισμού της διαχείρισης δεδομένων δοκιμών. Μια βασική ουσία είναι ότι εξασφαλίζει μια οικονομικά αποδοτική λύση για τους οργανισμούς, χωρίς να συμβιβάζεται με την αξιοπιστία του προϊόντος.

Πείτε μας πώς διαχειρίζεστε το περιβάλλον δοκιμών σας και πώς προετοιμάζετε τα δεδομένα δοκιμών; Θέλετε να προσθέσετε συμβουλές;

Συνιστώμενη ανάγνωση

^