【准则化的思想】一文讲透“边界值测试法”

如果在我们的价值观里，某些缺陷对被测对象来说是特别危险的、或者特别容易出现的，我们就可以采用基于缺陷的充分准则，来指导测试选择，保障测试集能够检出这些缺陷。

最典型的基于缺陷的充分准则就是“边界缺陷检出准则”。所谓“边界”，指的是分割测试中子空间的边界。那什么样的缺陷算是边界缺陷呢？比方说，被测程序期望里要求的是：“当a小于3的时候，怎么怎么处理”。可是程序实现的时候，这个决策被写成了a<2，或者a<4，这就是边界缺陷。更准确地说，这是“一维线性边界偏移缺陷”。

那如果我们希望排除这种缺陷，应该怎么做测试选择？

  ① 如果a<3被写成了a<2，那我们只需要选择a=2这个用例，就能发现实际结果和预期结果不一样；

  ② 如果a<3被写成了a<4，那我们只需要选择a=3这个用例，就能发现实际结果和预期结果不一样。

考虑另一种情况。假设期望的决策是a≤3：

  ① 如果程序里误写成了a≤2，那我们只需要选择a=3这个用例，就能发现实际结果和预期结果不一样；

  ② 如果程序里误写成了a≤3，那我们只需要选择a=4这个用例，就能发现实际结果和预期结果不一样。

其它的情况也类似，总结如下表：

能检出缺陷的用例上都标了*号。可见，只要我们选a = 2、a = 3、a = 4这三个用例，就可以确保检出这一类缺陷。

到这里，我们就能够归纳出“一维线性边界偏移缺陷检出准则”了：

这个准则要求，测试集中至少包含刚刚小于边界值、刚刚大于边界值、等于边界值这三个用例。这也就是我们经常使用的“边界值测试法”。

接下来我们讨论稍复杂一点的二维边界。如果决策表达式涉及两个数值变量，比如a + 2b ≤ 10，这时子空间的边界就是二维线性边界。要想确保测试集能检出二维线性边界偏移缺陷，我们可以遵循这样的准则：

这个准则的要求有点多~我们用一个例子解释一下。假设我们根据被测对象期望，把测试输入空间分割成D1和D2两个子空间：

中间这条蓝色虚线就是期望的边界，假定这个边界是属于D1的。A和B就是两个“边界上点”。所谓“近边界点”，指的是与边界非常接近的一个点。近到什么程度呢？近到中间容不下其它的点。假定C就是这样一个近边界点，它属于D2，而且它在边界上的垂直投影位置，在A、B两点之间。所以，选择A、B、C这3个点，就可以满足准则的要求。

问题来了：为什么选这样3个点，就可以确保检出所有的二维线性边界偏移缺陷呢？我们来想一想，在这个例子里，边界可能发生什么样的偏移？

一共有6种可能的情况（下列各图中，红色实线代表程序里实际的边界，如果它跟蓝色虚线不重合，就说明存在边界偏移缺陷）：

情况(1)：A、B两个点本来应该是属于D1的，但是当这种边界偏移发生的时候，A、B会误入D2，实际测试结果就会跟预期结果不一致，我们就能够检出缺陷；

情况(2)：C这个点本来应该是属于D2的，但是当这种边界偏移发生的时候，C会误入D1，它的测试结果就会跟预期不一致；

情况(3)：A这个点会误入D2；

情况(4)：B这个点误入D2；

情况(5)：A误入D2，C误入D1；

情况(6)：B误入D2，C误入D1。

可见，只要我们选择了A、B、C这三个点，无论程序里发生哪种偏移，我们都能发现问题。

有的同学可能会问了，是不是落了一种情况啊？

如果是这样的偏移，A、B还在D1里，C还在D2里，不是就没法检出缺陷了吗？实际上，这种情况是不会发生的，因为我们要求C是一个“近边界点”，它和边界之间距离很小，挤不下别的东西了。