正交分析法设计理论及实践

一、理念介绍

在黑盒用例设计方法中有一个大家耳熟能详的正交分析法，却鲜有人知 “Pairwise”设计理念。

设想一种常见的场景，工期很紧的项目，原定的测试时间被“无理”地压缩之后，如何能用极少的时间去保证更高的质量呢？

举个例子，如果让你测试一下word字体效果，你会整理出多少个用例呢？

答案很简单是2的七次方=128个用例，但当工期特别紧的时候（128个用例执行不完）你又会从中选取哪些用例来执行呢？

“Pairwise”（官网: http://www.pairwise.org/）是行之有效的一个思路或者是强有力的理论基础。它是L. L. Thurstone(29 May1887 – 30 September 1955)在1927年首先提出来的。他是美国的一位心理统计学家。Pairwise也正是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。

因此，pairwise基于覆盖所有2因子的交互作用产生的用例集合性价比最高而产生的。

举例来说明：当因子A为a1、B为b1时，接下来不可出现A为a1、B为b1 或者是 B为b1、A为a1（为什么会倒过来描述，可以思考一下）。

当然，在现实中会是有各种约束条件的，所以会出现IF … Then…，或者是在同一场景下，因子A、B、C之间的组合是可以精简的，而因子D、E、F、G却是需要全组合（在Pairwise中的术语称谓“阶”）。一个个完全依靠人工来进行输出太麻烦，各大contributor贡献出自己的开源工具，这里挑一个大公司的（微软）给大家介绍一下，工具名PICT。

工具下载地址：https://github.com/Microsoft/pict

最新的版本支持多平台（linux、mac、wind