组合测试（Combinatorial testing）是一种测试技术，它将输入参数进行不同的组合用于软件测试。显而易见，测试参数的组合越全面，测试的效果就会越好。
基本思路
1、识别可以变化的不同属性，包括数据，环境和配置
比如浏览器可以是IE 或 Chrome，操作系统可以是Windows11、XWindows10 或 Mac OS
2、系统性地生成需要测试的属性组合
比如 Windows11上的IE，Windows10上的Firefox，Mac OS的Chrome
一、类别划分（Category partition）
1、将自然语言描述的规格分解为独立的可测试的功能
对每个独立的功能识别出参数、环境因素 根据收集到的参数和环境因素，进一步识别出基本的类别
2、识别相关值
对于每个类别确定各类值 正常值 边界值 特殊值 错误值
3、引进约束
通过约束来减少没有实际意义的测试用例
二、结对测试 / 两两测试（Pairwise combinatorial testing）
如果约束选择得好，类别划分的方法会十分管用，否则，缺乏合适的约束，在很多情况下，这种方法产出的组合数量会达到一个惊人的数量。这个时候就需要使用结对测试了，它只要求两两元素进行配对，是一种正交分析的测试技术。
根据数学统计分析，73% 的缺陷（单因素是 35%，双因素是 38%）是由单因素或两个因素相互作用产生的。19% 的缺陷是由三个因素相互作用产生的。因此，Pairwise 基于覆盖所有两因素的生的用例集合是效率最而的方式。
举个例子。
对于一个显示器的展示进行测试，已知其包含以下元素和取值。
如果我们不加约束地使用类别划分的方法，一共可以产生432 (3x4x3x4x3）个测试用例。但如果我们使用Pairwise组合，就可以将测试用例浓缩到仅仅17个：
此时，如果根据实际情况再增加一些限制条件，可以更加精简用例数量。相比较最初的测试用例全集，这时候的测试用例子集是性价比更高的选择。
在Pairwise的基础上，还有一些其他的变种：
1、N-wise
对 N 个因素的所有取值进行全排列组合（笛卡尔积）而生成的一组测试用例集。理论上，该测试用例集可以发现所有 N 个因素共同作用引发的缺陷。
组合数量对比：
2、正交表法（OATS，Orthogonal Array Testing Strategy）
一种利用正交表的方式，当测试过程中存在较为复杂的情况，以较少的测试次数达到较好的测试效果的一种方法。相比Pairwise，这种方法是为正交试验服务的，强调因素间取值组合的“等概率覆盖”。
工具
基于微软开源工具PICT的正交用例在线生成工具：https://pairwise.yuuniworks.com/
组合测试工具：https://matris.sba-research.org/tools/cagen/#/workspaces
正交表查询：https://www.york.ac.uk/depts/maths/tables/orthogonal.htm
三、基于目录的测试（Catalog based testing）
选择合适的特征、归类都需要经验的积累。“目录”可以整合测试设计的经验，通过罗列出每一种测试类型的重要事项，使得功能测试效率提升。
测试流程
1、分析初始的规格文档，识别基础元素：
前提条件
后置条件
定义
变量
操作
2、根据前置条件，后置条件和定义，推导出第一组测试用例
3、应用“目录”完善这组测试用例
一个简单的测试目录
此处的in/out代表是否在输入/输出场景中可以出现。
对于我们在测试流程中识别到的元素和操作，可以按照测试目录扩充测试用例。比如下面这个非常简单的登录操作测试用例，每一个功能点都可以在目录里找到对应可以扩展的用例。
总结
类别划分：将自然语言描述的规格文档转化为一系列独立的功能，识别出不同的类别，取值，以及必要的约束，进而可以（自动化）得到组合用例。
基于目录的测试：通过对识别出来的取值，使用积累下来的测试模式，提升功能测试的效率。
结对测试：系统性的浓缩测试用例集的方法。
很显然，这几个方法之间有很强的关联性，在实际场景中几乎都是综合使用的。
还没有评论，来说两句吧...