მონაცემებზე დაფუძნებული ტესტირება (DDT) როგორ განსხვავდება ჩვეულებრივი ავტომატური ტესტისგან?

მონაცემებზე დაფუძნებული ტესტირება (DDT) განსხვავდება ჩვეულებრივი ავტომატური ტესტირებისგან იმით, რომ DDT-ში ტესტები ხორციელდება მონაცემთა ნაკრების გამოყენებით, რომელიც გარედან მიეწოდება (მაგალითად, ფაილებიდან, მონაცემთა ბაზებიდან ან სვეტებიდან), და არა მკაცრად კოდში ჩაწერილი.

ძირითადი განსხვავებები:

• ტესტის ლოგიკის განმეორებითი გამოყენება: ერთსა და იმავე ტესტის ფუნქცია რამდენჯერმე იშვიათად სხვადასხვა მონაცემებით.
• მონაცემებისა და კოდის განცალკევება: ტესტის მონაცემები ინახება ცალკე, რაც მათ შეცვლასა და გაფართოებას ამარტივებს.
• მოსაზღვრის გაუმჯობესება: შესაძლებელია მეტი ვარიანტის შემოწმება კოდის დუბლირების გარეშე.

Python-ის მაგალითი pytest-ის გამოყენებით:

import pytest

@pytest.mark.parametrize("input,expected", [
    (1, 2),
    (3, 4),
    (5, 6),
])
def test_increment(input, expected):
    assert input + 1 == expected

აქ, ერთი ტესტი რამდენიმე მონაცემთა ნაკრებს ამოწმებს, რაც DDT-ის არსია.