რას წარმოადგენს თანხვედრის კლასების ანალიზის ტექნიკა და როგორ გამოიყენება პროგრამული უზრუნველყოფის ტესტირებაში?

ეკვივალენტობის კლასების ანალიზის ტექნიკა (Equivalence Partitioning) — ეს ტესტის შემთხვევების პროექტირების მეთოდია, რომელიც ეფუძნება მონაცემების (ან გამოსვლის პირობების) დაყოფას კლასებად, რომელთა წარმომადგენლები პროგრამის მიერ ერთნაირად დამუშავდება. თითოეული კლასის ერთ წარმომადგენელს ტესტირება მიიჩნევა საკმარისად მთელი კლასის დაფარვისთვის.

ძირითადი იდეა: თუ ერთი კლასის წარმომადგენლის ტესტმა გამოავლინა შეცდომა, სავარაუდოდ, სხვა წარმომადგენლებიც გამოავლენენ. თუ ერთი წარმომადგენლის ტესტმა შეცდომა არ გამოავლინა, სავარაუდოდ, სხვა წარმომადგენლებიც არ გამოავლენენ.

გამოყენება:

1. ეკვივალენტობის კლასების იდენტიფიცირება:
   • განსაზღვრულია დაშვებული და დაუშვებელი კლასები თითოეული შესვლის ველისთვის (რიცხვითი დიაპაზონი, სტრიქონების ნაკრები, ბულოვანი მნიშვნელობები და ა.შ.).
   • რიცხვითი დიაპაზონებისთვის:
     • დაშვებული დიაპაზონი.
     • რიცხვები ქვედა საზღვრის ქვეშ (დაუშვებელი კლასი).
     • რიცხვები ზედა საზღვრის ზევით (დაუშვებელი კლასი).
   • მნიშვნელობების ნაკრებისთვის:
     • დაშვებული მნიშვნელობები.
     • დაუშვებელი მნიშვნელობები (მაგალითად, სტრიქონები რიცხვების ველში).
   • მაგალითად, "ასაკი" ველისთვის 18-65 წლამდე:
     • დაშვებული კლასი: 18-65 (მაგალითად, 25, 40, 60)
     • დაუშვებელი კლასი: < 18 (მაგალითად, 17, 0)
     • დაუშვებელი კლასი: > 65 (მაგალითად, 66, 100)
2. ტესტის შემთხვევების შექმნა:
   • აირჩევა ერთი წარმომადგენელი თითოეულ კლასიდან (დაშვებული და დაუშვებელი).
   • შექმნიან ტესტის შემთხვევებს ამ წარმომადგენლებით, როგორც შესვლის მონაცემებით.

მაგალითი:

შეკვეთის ფორმა, "პროდუქტის რაოდენობა" ველი, დაშვებული მნიშვნელობა 1-დან 99-მდე.

ეკვივალენტობის კლასი	ტიპი	ტესტირების წარმომადგენლები
ნაკლები 1	დაუშვებელი	0, -5
1-დან 99-მდე	დაშვებული	1, 50, 99
მეტი 99	დაუშვებელი	100, 1000
არათანაბარი მნიშვნელობები	დაუშვებელი	"abc", " "

მცირედ ერთი წარმომადგენელი აირჩევა თითოეულ კლასიდან, რათა შექმნას ტესტის შემთხვევა. მაგალითად, ამ ველისთვის მინიმუმ 4-6 ტესტის შემთხვევა იქნება, რომლებიც დაფარავს ყველა განსაზღვრულ კლასს.

უპირატესობები:

• ტესტის შემთხვევების რაოდენობას ამცირებს.
• პროცესის სისტემატიზაციას უწყობს ხელს.
• უზრუნველყოფს კარგი ტესტირების დაფარვას ნაკლებ ტესტით, ვიდრე თითოეული შესაძლო შესვლის მნიშვნელობის ტესტირებით.

მოხერხებულობა:

• შეიძლება არ გამოავლინოს შეცდომები საზღვრის მნიშვნელობებზე (ხშირად გამოიყენება საზღვრის მნიშვნელობების ანალიზთან ერთად).
• ეფექტიანობა დამოკიდებულია კლასების სწორ იდენტიფიცირებაზე.