Co jsou parametrizované a data-driven testy?

Question

Accepted Answer

**Parametrizované (data-driven) testy** spouštějí **stejnou logiku testu s více sadami vstupů a očekávaných výstupů** — což se vyhýbá duplikování testu pro každý případ. Umožňují snadno testovat více scénářů (včetně hraničních případů) stručně.

## Problém: duplikované testy

```text
Without parameterization, testing many input/output cases means COPYING the test:
  test('add 2+3', () => expect(add(2,3)).toBe(5));
  test('add 0+0', () => expect(add(0,0)).toBe(0));
  test('add -1+1', () => expect(add(-1,1)).toBe(0));
  → lots of near-identical, repetitive tests (tedious, hard to maintain)
```

## Parametrizované testy — jeden test, mnoho případů

```js
// run the SAME test logic over a TABLE of cases (Jest's test.each)
test.each([
  [2, 3, 5],
  [0, 0, 0],
  [-1, 1, 0],
  [100, 200, 300],
])('add(%i, %i) === %i', (a, b, expected) => {
  expect(add(a, b)).toBe(expected);     // one logic, run per case
});
// → each row is a separate reported test case; add a case = add a row
```

Většina frameworků to podporuje (Jest `test.each`, pytest `@parametrize`, JUnit `@ParameterizedTest`).

## Výhody

```text
✓ CONCISE — test many scenarios without duplicating the test body
✓ Easy to ADD CASES — just add a row of data (great for edge cases / many inputs)
✓ Each case reported SEPARATELY — you see exactly which input failed
✓ Clear, maintainable — the data table documents the cases
→ Ideal for functions with many input/output combinations and edge cases.
```

## Proč na to záleží

Rozmět parametrizované (data-driven) testy je cenné, protože umožňují **snadno testovat mnoho scénářů stručně**, což podporuje důkladné testování (zejména hraničních případů), takže je to užitečné praktické znalosti.

Problém, který řeší — testování mnoha kombinací vstup/výstup by jinak vyžadovalo **duplikování testu pro každý případ** (zdlouhavé, repetitivní, těžko udržovatelné) — je skutečný a parametrizované testy jej řeší spuštěním **stejné logiky testu přes tabulku případů**.

To činí testování mnoha scénářů **stručným** (tělo jednoho testu, mnoho případů), umožňuje **snadné přidávání případů** (stačí přidat řádek dat — což podporuje testování více vstupů a **hraničních případů**, podporující důkladné pokrytí hraničních případů, které chytá chyby), hlásí **každý případ zvlášť** (takže vidíte přesně, který vstup selhal, což pomáhá při ladění) a udržuje testy udržovatelné (tabulka dat jasně dokumentuje případy).

Rozmět, že většina frameworků to podporuje (Jest's `test.each`, pytest's `@parametrize`, JUnit's `@ParameterizedTest`) to činí prakticky použitelné v různých stackech.

Parametrizované testy jsou ideální pro funkce s mnoha kombinacemi vstup/výstup — běžné pro utility funkce, validátory, parsery a výpočty — kde umožňují testování celého rozsahu případů (včetně hranic a hraničních případů) bez břemene duplikovaného testovacího kódu.

Tímto stručným a udržovatelným způsobem dosažení širokého pokrytí vstupů se podporuje důkladnější testování.

Proto, že testování mnoha scénářů (zejména hraničních případů) je důležité pro důkladné testování a parametrizované testy to činí stručným a udržovatelným (vyhýbají se duplikování testů, podporují široké pokrytí vstupů) a protože jejich pochopení a pochopení podpory frameworků je užitečné pro efektivní testování, je pochopení parametrizovaných a data-driven testů cenné, prakticky relevantní znalosti — užitečná technika pro testování mnoha případů stručně, podporující důkladné pokrytí hraničních případů, které efektivní testování vyžaduje, a praktický nástroj používaný, kdekoli mají funkce mnoho kombinací vstup/výstup k ověření.