组合测试策略

当参数多、环境多、"全组合测不完"时运用正交试验法、Pairwise和判定表来解决组合爆炸问题。如果系统有多个输入字段的组合依赖关系（如"A=1且B=2时C不能为3"）、或者需要适配多浏览器多操作系统多语言，一定要用此技能来设计高效的组合覆盖方案。不要试图全覆盖——组合测试的核心是用最少的用例达到最高的组合覆盖率。输出组合覆盖矩阵并标注覆盖遗漏。 本技能属于 QA Test Skills 技能集（49 个技能之一），完整工作流体验需安装全套：npx skills add Kokxi/qa-test-skills

⚠️ 本技能单独使用效果有限，建议配合完整技能集（12 步工作流）使用。安装：npx skills add Kokxi/qa-test-skills

⚠️ 安全警告：本技能的示例可能涉及订单号、支付金额、截图、身份证、手机号等敏感数据。 实际使用时请勿粘贴真实生产数据、客户信息或财务凭证；测试前应脱敏/掩码处理。 本技能仅在 workspace/ 输出评估文件，不持久化、不外传、不跨会话复用。

核心原则

全组合测不完，不测又怕漏——用科学方法简化。提供 Pairwise、正交实验法、风险加权组合三种简化策略。组合数必须少于全量组合，并标注覆盖分析。

三种简化策略

策略1：Pairwise（两两组合）

原理：每个参数的每个值，至少与其他参数的每个值组合一次

text

适用场景：
- 参数数量中等（3-10个）
- 每个参数取值不多（2-5个）
- 需要较全面覆盖

生成方法：
1. 列出所有参数及其取值
2. 使用Pairwise算法生成最小用例集
3. 人工审核补充高风险组合

示例：
参数A：a1, a2
参数B：b1, b2, b3
参数C：c1, c2

全组合：2×3×2=12个
Pairwise：最多4-5个用例

策略2：正交实验法

原理：用正交表安排实验，均衡分散、整齐可比

text

适用场景：
- 参数数量多（>10个）
- 需要统计分析
- 因素间交互作用小

正交表选择：
- L4(2^3)：3个2水平因素，4次实验
- L8(2^7)：7个2水平因素，8次实验
- L9(3^4)：4个3水平因素，9次实验
- L16(4^5)：5个4水平因素，16次实验

示例：
因素：
- 浏览器：Chrome, Firefox, Safari（3水平）
- 操作系统：Windows, Mac, Linux（3水平）
- 分辨率：1024x768, 1920x1080（2水平）

选择L18(3^7)正交表

策略3：风险加权组合

原理：高风险组合多测，低风险组合少测

text

适用场景：
- 已有历史缺陷数据
- 能识别高风险区域
- 需要重点突破

风险评估维度：
1. 业务影响：出问题影响多大？
2. 历史缺陷：这里出过Bug吗？
3. 技术复杂度：实现复杂吗？
4. 变更频率：经常改吗？

风险等级：
- 高风险：全组合测试
- 中风险：Pairwise测试
- 低风险：单参数测试

组合测试流程

步骤1：识别参数

text

参数识别清单：
├─ 输入参数
│   ├─ 用户输入：文本、数字、选择
│   ├─ 系统参数：配置、环境
│   └─ 数据参数：数据状态、数据量
│
├─ 环境参数
│   ├─ 浏览器：Chrome, Firefox, Safari
│   ├─ 操作系统：Windows, Mac, Linux
│   ├─ 设备：PC, Mobile, Tablet
│   └─ 网络：WiFi, 4G, 弱网
│
└─ 状态参数
    ├─ 用户状态：新用户、老用户、VIP
    ├─ 数据状态：空、少量、大量
    └─ 系统状态：正常、高负载、异常

步骤2：评估风险

风险评估矩阵：

参数组合	业务影响	历史缺陷	技术复杂度	风险等级
A1+B1	高	有	高	高
A1+B2	中	无	中	中
A2+B1	低	无	低	低

步骤3：选择策略

text

根据风险等级选择测试策略：

高风险组合 → 全组合测试
  示例：支付+优惠券+退款

中风险组合 → Pairwise测试
  示例：浏览器×操作系统×分辨率

低风险组合 → 单参数测试
  示例：不同字体、不同颜色

步骤4：生成用例

text

用例生成模板：

用例编号：COMBO-001
组合内容：[参数1=值1, 参数2=值2, 参数3=值3]
风险等级：高/中/低
测试重点：[这个组合要特别关注什么]
前置条件：[测试前需要准备什么]
测试步骤：[具体操作步骤]
预期结果：[期望的输出]

组合测试示例

场景：电商下单功能

参数识别：

• 用户类型：新用户、老用户、VIP
• 商品类型：普通商品、虚拟商品、预售商品
• 支付方式：微信、支付宝、银行卡
• 优惠券：无、满减券、折扣券

风险评估：

• 高风险：VIP+预售+折扣券（复杂业务规则）
• 中风险：新用户+虚拟商品（特殊流程）
• 低风险：老用户+普通商品+微信（常规流程）

测试策略：

text

高风险组合（全组合）：
- VIP+预售+微信+折扣券
- VIP+预售+支付宝+折扣券
- VIP+预售+银行卡+折扣券
- VIP+预售+微信+满减券
- VIP+预售+支付宝+满减券
- VIP+预售+银行卡+满减券

中风险组合（Pairwise）：
- 新用户+虚拟商品+微信
- 新用户+普通商品+支付宝
- 老用户+虚拟商品+银行卡
- 老用户+预售商品+微信

低风险组合（单参数）：
- 新用户+普通商品+微信+无优惠券
- 老用户+普通商品+微信+无优惠券
- VIP+普通商品+微信+无优惠券

策略选择速查表

特征	推荐策略	组合压缩比	最佳适用
参数3-10个，每参数2-5值	Pairwise	全组合的10-30%	功能、兼容测试
参数>10个，需统计分析	正交实验	全组合的5-20%	配置、环境兼容测试
有历史缺陷数据	风险加权	按需调整	回归测试、重点突破
高安全/高风险	全组合	100%	支付、安全模块

常见反模式

1. 一刀切选Pairwise：不管场景都用两两组合 → 高安全场景必须全组合，低风险场景单参数即可
2. 参数遗漏：只列了输入参数，漏了环境/状态参数 → 参数识别清单必须覆盖输入/环境/状态三类
3. 对结果不排序：Pairwise跑出100条用例直接全测 → 按风险等级排序，先跑高风险组合
4. 忽略交互：只测单参数，不测参数间组合 → 所有业务规则设计到的参数间交互必须覆盖

异常处理引导

场景	表现	处理方式
参数过多导致组合爆炸	简化后仍有1000+组合	按风险加权：高风险组合全覆盖，低风险抽样
环境差异导致不一致	不同环境结果不同	锁定基线环境，标注差异，分环境执行
业务规则频繁变化	组合条件随需求变更	稳定参数做基础组合，易变参数单独测试
遗漏关键组合	上线后发现未覆盖的组合有问题	更新检查清单，增加历史缺陷驱动的组合权重

输出示例

场景：电商下单功能测试（参数：用户类型×商品类型×支付方式） → 参数识别：用户（新用户/老用户/VIP）、商品（普通/虚拟/预售）、支付（微信/支付宝/银行卡） → 策略选择：Pairwise生成9条组合覆盖所有两两交互 → 风险加权：VIP用户+预售商品+微信支付标记为高风险（深测）

参数太多（10个参数×每个5种取值）全组合2小时跑不完 → 先用Pairwise压缩到核心组合，再补充高风险组合深测

检查清单

组合测试完成后检查：

• 参数识别是否完整？
• 风险评估是否合理？
• 策略选择是否恰当？
• 高风险组合是否全覆盖？
• 用例是否可执行？
• 测试效率是否提升？