自动生成用例概论

背景：

当某个接口修改或者新增的时候，我们需要快速的进行冒烟验证，除了测试人员提供的用例外，我们可以通过算法自动解决用例生成的问题。

最全算法：

算法原型：笛卡尔积算法
算法介绍：各个参数的个数的乘积
代码设计：
python：tertools模块中product方法

优势：覆盖全
劣势：冗余用例多

最常用算法：

算法原型：正交表算法
算法介绍：根据正交性从全面试验中挑选出部分有代表性的点进行试验,这些有代表性的点具备了“均匀分散,齐整可比”的特点，具体逻辑可以参考另外一篇文章
代码设计：
见以下参考开源代码

优势：覆盖了大部分的场景，随着参数个数越多，用例的精简更明显。
劣势：参数多的时候设计分析麻烦，算法较为复杂，存在冗余用例也存在缺失用例

精简算法：

算法原型：Pairwise（结对）算法

算法介绍：基于数学统计和对传统的正交分析法进行优化后得到的产物。
Pairwise基于如下2个假设：
(1)每一个维度都是正交的，即每一个维度互相都没有交集。
(2)根据数学统计分析，73%的缺陷(单因子是35%，双因子是38%)是由单因子或2个因子相互作用产生的。19%的缺陷是由3个因子相互作用产生的。

优势：覆盖所有2因子的交互作用产生的用例集合性价比最高而产生的，解决双因子缺陷率的38%问题
劣势：
(1)Pairwise对于维度的分解来说，需要对业务很熟悉。以及需要正交测试法的理论支持。需要中等专业的测试人员才能完成。
(2)pairwise还是有一定的遗漏。相比于全正交设计法来说，pairwise算法对于多于2个因素相互作用所产生的bug，没有覆盖率上会有遗漏还需要补充单因子的用例集合。

代码设计：
python： allpairspy 的AllPairs模块

其他算法：

遗传算法+其他算法：

总结：

可以根据接口的参数个数自动选择算法类型，最终需要经过不断实验才能更好的判断类型。

参考文档：

正交表生成参考代码：
https://github.com/lovesoo/OrthogonalArrayTest

正交设计