使用allpairs自动设计组合测试用例

一、pairwise算法介绍
测试过程中，对于多参数并且参数多值的情况，进行测试用例组织，之前一直使用【正交分析法】进行用例组织，就是把每个参数的所有值分别和其他参数的值做一个全量组合。用Python脚本实现，就是itertools模块中product方法（又称笛卡尔积法）,然后再用正交表进行筛选。但是全正交设计法，测试case太多，投入的成本太大，所以引入了pairwise算法。
Pairwise （结对）算法源于对传统的正交分析方法优化后得到的产物，Pairwise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。

二、使用步骤

1. 安装第三方包

pip install allpairspy

2.使用方法
假设我们要构建一组弱网条件下的测试用例的集合，影响因素有：网络带宽，丢包了，网络延迟
每个因素都有多个需要测试的条件，比如网络带宽分别需要测试1M,3M,5M,10M
下面的代码演示了如何使用allpairs来生成两两的正交测试条件

from allpairspy import AllPairs
 
if __name__ == '__main__':
    # 带宽，丢包，延迟
    parameters = [
        ["1M", "3M", "5M", "10M"],
        ["1%", "5%", "10%", "15%"],
        ["0ms", "50ms", "100ms", "200ms"]
    ]
    # 设置组合因子n的数目，默认为2
    pairwise = AllPairs(parameters,n=2)
    for i, v in enumerate(pairwise):
        print("%i:\t%s" % (i, str(v)))
# 结果
0:  ['1M', '1%', '0ms']
1:  ['3M', '5%', '0ms']
2:  ['5M', '10%', '0ms']
3:  ['10M', '15%', '0ms']
4:  ['10M', '10%', '50ms']
5:  ['5M', '5%', '50ms']
6:  ['3M', '1%', '50ms']
7:  ['1M', '15%', '50ms']
8:  ['1M', '10%', '100ms']
9:  ['3M', '15%', '100ms']
10: ['5M', '1%', '100ms']
11: ['10M', '5%', '100ms']
12: ['10M', '1%', '200ms']
13: ['5M', '15%', '200ms']
14: ['3M', '10%', '200ms']
15: ['1M', '5%', '200ms']