正交测试如何减少用例数量？

Question

在设计多因素、多水平的组合测试时，如何利用正交表有效减少测试用例数量？当系统存在多个输入参数，每个参数又有多个取值时，全量组合将导致测试用例急剧膨胀。正交测试通过选取具有代表性的组合，实现以最少用例覆盖最多交互情况。但实际应用中常面临：如何正确选择正交表（如L9、L16等）？参数水平不一致时如何处理？交互作用是否被遗漏？这些问题直接影响测试覆盖率与缺陷检出率。如何在保证质量的前提下，最大化减少用例数量，是实施正交测试的关键挑战。

Answer 1

一、正交测试基础概念与核心价值

在软件系统中，当存在多个输入参数且每个参数具有多个取值（即“多因素、多水平”）时，全量组合测试会导致测试用例数量呈指数级增长。例如，6个参数各取3个水平，全组合为 3⁶ = 729 条用例，显然不可行。

正交测试法（Orthogonal Array Testing, OAT）基于正交表（如 L9(3⁴)、L16(4⁵) 等），通过数学上的正交性原理，从所有可能组合中选取少量但具有代表性的测试用例，实现高覆盖率的同时显著减少用例数。

其核心优势在于：

• 保证任意两个参数的所有水平组合至少出现一次（两两覆盖）
• 降低测试成本，提升执行效率
• 适用于配置测试、GUI参数组合、接口参数校验等场景

正交表记法如 L_N(q^k) 表示：N 是测试用例数，k 是最多可支持的因素数，q 是每个因素的水平数。例如 L9(3⁴) 表示只需 9 条用例即可覆盖 4 个因素、每个因素 3 水平的两两交互。

二、正交表的选择策略

选择合适的正交表是成功实施正交测试的第一步。常见正交表包括 L4、L8、L9、L12、L16、L18 等，需根据实际参数数量和水平进行匹配。

正交表	测试用例数	最大因素数	水平一致性	典型应用场景
L4(2³)	4	3	2水平	布尔型开关组合
L8(2⁷)	8	7	2水平	多选项功能测试
L9(3⁴)	9	4	3水平	三档配置项测试
L12(2¹¹)	12	11	混合（主2）	轻量级大规模参数
L16(4⁵)	16	5	4水平	精细化等级设置
L18(2¹×3⁷)	18	8	混合水平	异构参数系统
L25(5⁶)	25	6	5水平	高精度控制面板
L27(3¹³)	27	13	3水平	复杂业务规则引擎
L32(2³¹)	32	31	2水平	超大规模开关测试
L50(2¹×5¹²)	50	13	混合水平	异构设备兼容性

三、处理参数水平不一致的挑战

现实系统中，各参数水平数往往不同（如 A:2级，B:3级，C:4级），而标准正交表通常要求统一水平数。解决方法如下：

1. 水平扩展法：将低水平参数“虚拟扩展”至高水平，例如将2水平参数复制其值填满3水平位置，再后续去重或合并等效用例。
2. 选用混合正交表：使用支持混合水平的正交表，如 L18(2¹×3⁷)，可同时处理1个2水平因子和7个3水平因子。
3. 分层设计：先按水平分组，分别设计子正交实验，再整合结果。
4. 工具辅助映射：借助PICT、AllPairs、Jenny等组合测试生成工具自动处理非均衡水平。

例如，若系统有参数 A(2), B(3), C(3), D(4)，可优先考虑 L18 或 L36 表，或采用工具生成满足覆盖强度的最小集合。

四、交互作用的识别与保障

正交表默认保障两两交互覆盖，但更高阶交互（如三因素组合）可能被遗漏。关键在于判断哪些交互更易引发缺陷。

可通过以下方式增强交互覆盖：

• 结合业务经验标记高风险参数组合，手动补充关键路径用例
• 使用成对测试工具（如 PICT）生成满足 t-wise 覆盖（t≥2）的测试集
• 引入覆盖矩阵分析，验证是否遗漏关键交叉点

// 示例：使用 Microsoft PICT 工具定义参数模型
OS: Windows, Linux, macOS
Browser: Chrome, Firefox, Safari
Connection: WiFi, 5G, Ethernet
Load: Light, Heavy

// 运行命令生成两两组合
pict model.pict > test_cases.txt
    

五、流程化实施框架与自动化集成

为确保正交测试高效落地，建议建立标准化流程：

graph TD
            A[识别输入参数] --> B[确定各参数水平]
            B --> C{是否存在混合水平?}
            C -- 是 --> D[选用混合正交表或工具生成]
            C -- 否 --> E[匹配标准正交表]
            D --> F[生成初始测试用例]
            E --> F
            F --> G[审查业务关键路径]
            G --> H[补充高风险组合]
            H --> I[输出最终测试集]
            I --> J[集成CI/CD自动化执行]

六、质量与效率的平衡策略

最大化减少用例数量不能以牺牲关键路径覆盖为代价。应采用“基准+增量”策略：

• 以正交法生成基础用例集（覆盖两两交互）
• 结合历史缺陷数据分析，识别高频故障组合
• 添加边界值、异常值、默认值等特殊场景
• 利用覆盖率指标（如参数对覆盖率）评估完整性

最终目标是在 80%~90% 的交互覆盖率 下，将用例数控制在全组合的 5%~15% 以内，实现质量与效率的最佳平衡。