CRUD rozšíření algoritmu pro path based testing

Abstract

Testování softwaru hraje klíčovou roli při zajišťování kvality a spolehlivosti systému v průběhu celého vývojového cyklu. Zajištění kvality aplikace obvykle zahrnuje ověření jejího chování na základě předem definovaných požadavků prostřednictvím vytvoření a spuštění testovacích případů. Jak se však systémy stávají složitějšími, tradiční testovací techniky se potýkají s problémy při vytváření přesných testovacích případů kvůli různorodým uživatelským prostředím, složitým interakcím systému a optimalizaci výkonu. Model-based testing tyto problémy řeší nahlížením na testovací systém jako na model, který abstrahuje jeho očekávané chování. Ačkoliv nástroje pro generování testovacích případů pomocí této techniky existují, například Oxygen nebo GraphWalker, neumožňují nám do modelu zahrnout požadavky na data. To vede k tomu, že se v testovacím případě objevují kombinace kroků, které v reálném světě nemohou nastat. Následně se celý testovací případ stává neproveditelným, což vede ke snížení efektivity testování. Tato práce vychází z konceptu Negative Constrained Path-based Testing a zavádí nový algoritmus, který integruje constrainty do modelu systému, aby se zabránilo generování nesplnitelných testovacích případů. Poté se výsledky algoritmu hodnotí ve srovnání s výsledky algoritmu Oxygenu, přičemž zaměřuje na metriky jako je optimalita a snížení počtu nesplnitelných testovacích případů. Diplomová práce se zaměřuje na omezení existujících testovacích technik pomocí zavedení constraintů a klade si za cíl zlepšit stávající přístupy v testování softwaru zajištěním spolehlivějších výsledků testů.

Software testing plays a crucial role in ensuring the quality and reliability of the system through the whole development cycle. Quality assurance of the application usually involves verifying its behaviour against predefined requirements through the creation and execution of test cases. However, as systems become more complex, traditional testing techniques face challenges in generating accurate test cases due to diverse user environments, complex system interactions, and performance optimization. Model-based testing addresses these challenges by representing the System Under Test as a model that abstracts its expected behaviour. While several tools exist for test case generation using model-based testing, such as Oxygen or GraphWalker, they do not allow us to incorporate data requirements in the model. It leads to appearing in test case step combinations that cannot happen in the real world, making the whole test case infeasible. Such test cases reduce the effectiveness of the testing process, resulting in wasted resources that could be allocated elsewhere. Based on the concept of Negative Constrained Path-based Testing, this thesis introduces a novel algorithm that integrates constraints to prevent the generation of infeasible test cases. This approach enhances the existing methods by addressing data requirements in system models. The thesis details the development and analysis of this algorithm. Furthermore, it evaluates the results obtained using the developed algorithm against the ones obtained from Oxygen, focusing on metrics such as accuracy, optimality, and the number of infeasible test cases. By addressing the limitations of existing testing techniques using constraints, this research aims to advance software testing practices by ensuring more reliable testing outcomes.