Apakah ujian berparameter dan dipacu data?

Question

Accepted Answer

**Ujian berparameter (dipacu data)** menjalankan **logik ujian yang sama dengan pelbagai set input dan output yang dijangka** — mengelakkan pertindihan ujian untuk setiap kes. Ia memudahkan untuk menguji banyak senario (termasuk kes tepi) secara ringkas.

## Masalahnya: ujian bertindih

```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)
```

## Ujian berparameter — satu ujian, banyak kes

```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
```

Kebanyakan framework menyokong ini (Jest `test.each`, pytest `@parametrize`, JUnit `@ParameterizedTest`).

## Faedah

```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.
```

## Mengapa ia penting

Memahami ujian berparameter (dipacu data) adalah berharga kerana ia memudahkan untuk **menguji banyak senario secara ringkas**, yang menyokong pengujian menyeluruh (terutamanya kes tepi), jadi ia merupakan pengetahuan praktikal yang berguna.

Masalah yang diselesaikannya — menguji banyak gabungan input/output jika tidak akan memerlukan **pertindihan ujian untuk setiap kes** (membosankan, berulang, sukar diselenggara) — adalah nyata, dan ujian berparameter menanganinya dengan menjalankan **logik ujian yang sama merentas jadual kes**.

Ini menjadikan pengujian banyak senario **ringkas** (satu badan ujian, banyak kes), memudahkan untuk **menambah kes** (sekadar menambah baris data — yang menggalakkan menguji lebih banyak input dan **kes tepi**, menyokong liputan kes tepi menyeluruh yang menangkap pepijat), melaporkan **setiap kes secara berasingan** (supaya anda nampak dengan tepat input mana yang gagal, membantu debugging), dan mengekalkan ujian mudah diselenggara (jadual data dengan jelas mendokumenkan kes-kes).

Memahami bahawa kebanyakan framework menyokong ini (Jest `test.each`, pytest `@parametrize`, JUnit `@ParameterizedTest`) menjadikannya boleh diaplikasikan secara praktikal merentas stack.

Ujian berparameter adalah ideal untuk fungsi dengan banyak gabungan input/output — lazim untuk fungsi utiliti, validator, parser, dan pengiraan — di mana ia membolehkan pengujian julat penuh kes (termasuk sempadan dan kes tepi) tanpa beban kod ujian bertindih.

Cara ringkas dan mudah diselenggara untuk mencapai liputan input yang luas ini menggalakkan pengujian yang lebih menyeluruh.

Memandangkan menguji banyak senario (terutamanya kes tepi) adalah penting untuk pengujian menyeluruh dan ujian berparameter menjadikan ini ringkas dan mudah diselenggara (mengelakkan ujian bertindih, menggalakkan liputan input yang luas), dan memandangkan memahaminya serta sokongan frameworknya berguna untuk pengujian yang berkesan, memahami ujian berparameter dan dipacu data adalah pengetahuan yang berharga dan relevan secara praktikal — satu teknik berguna untuk menguji banyak kes secara ringkas, menyokong liputan kes tepi menyeluruh yang diperlukan oleh pengujian berkesan, dan satu alat berguna yang digunakan di mana-mana fungsi mempunyai banyak gabungan input/output untuk disahkan.