म्यूटेशन टेस्टिङ्ग के हो?

Question

Accepted Answer

**म्यूटेशन टेस्टिङ्ग**ले कोडमा जानीजानी साना बग्स ("mutants") को परिचय गरेर र परीक्षणहरूले तिनलाई **पक्र सक्छन् कि भनी जाँच गरेर** **परीक्षण सुइटको गुणस्तर** मूल्यांकन गर्छ। यसले परीक्षणहरूले वास्तवमा कतिसम्म दोषहरू पत्ता लगाउन सक्छन् भनी मापन गर्छ — कभरेज भन्दा बढी, जो केवल कार्यान्वयन मापन गर्छ।

## म्यूटेशन टेस्टिङ्ग कसरी काम गर्छ

```text
1. A tool makes small changes (MUTATIONS) to the code, e.g.:
   → change + to -, > to >=, true to false, remove a statement, change a constant
   → each mutation = a deliberate "bug" (a MUTANT version of the code)
2. Run the TEST SUITE against each mutant:
   → tests FAIL → the mutant is "KILLED" (good — tests caught the bug) ✓
   → tests PASS → the mutant "SURVIVED" (bad — tests DIDN'T catch the bug) ✗
3. MUTATION SCORE = % of mutants killed → measures how good the tests are at catching bugs
```

## यो कभरेज भन्दा किन राम्रो हो

```text
COVERAGE → measures if code was EXECUTED (not if behavior was verified) → can be high with
  weak tests (no real assertions)
MUTATION TESTING → measures if tests actually DETECT bugs (changes in behavior):
  → a surviving mutant reveals a GAP — tests execute that code but don't verify it well
    (weak/missing assertions, untested behavior)
→ A much stronger signal of TEST QUALITY than coverage.
```

## विचारहरू

```text
✓ Reveals weak tests (high coverage but surviving mutants = false confidence)
⚠️ COMPUTATIONALLY EXPENSIVE (runs the suite many times — once per mutant) → slow
⚠️ "Equivalent mutants" (mutations that don't change behavior) → false survivors to ignore
→ Tools: Stryker (JS), PIT (Java), mutmut (Python). Use on critical code; run periodically.
```

## किन यो महत्त्वपूर्ण छ

m्यूटेशन टेस्टिङ्ग बुझ्नु वरिष्ठ-स्तरको मूल्यवान ज्ञान हो किनभने यसले कभरेजको मुख्य कमजोरीलाई सम्बोधन गरी, **कभरेज भन्दा परीक्षण गुणस्तरको धेरै बलियो मापन** प्रदान गर्छ, त्यसैले परीक्षण सुइटहरू मूल्यांकन र सुधार गर्नको लागि उपयोगी छ।

मौलिक अन्तर्दृष्टि यो हो कि **कभरेजले कार्यान्वयन मापन गर्छ, सत्यापन गर्दैन** — कोड "कभर" गर्न सकिन्छ (परीक्षणहरूद्वारा कार्यान्वयन गर्न सकिन्छ) तर परीक्षणहरूले वास्तवमा यसको व्यवहार सत्यापन गर्दैनन् (कमजोर वा हराएको assertions), झुठो आत्मविश्वास दिन्छ। **म्यूटेशन टेस्टिङ्ग**ले यो सम्बोधन गर्छ कि परीक्षणहरूले वास्तवमा **बग्स पत्ता लगाउँछन् कि भनी** मापन गरेर: यसले कोडमा साना जानीजानी बग्स (mutants) को परिचय गरी र परीक्षणहरूले तिनलाई पक्रेका छन् कि भनी जाँच गरी (एक mutant परीक्षणहरूद्वारा असफल हुएर "killed" हुनु राम्रो हो; एक "surviving" mutant भनेको परीक्षणहरूले त्यो बग पक्रेनन् भन्ने हो)।

**mutation score** (killed गरिएका mutants को प्रतिशत) कभरेज भन्दा परीक्षण गुणस्तरको धेरै बलियो संकेत हो किनभने यसले परीक्षणहरूले वास्तवमा व्यवहार सत्यापन गर्छन् भनी प्रकट गर्छ — एक **surviving mutant ले वास्तविक खालीपन** (परीक्षणहरूले कोड कार्यान्वयन गर्छन् तर यसलाई राम्ररी सत्यापन गर्दैनन्, जस्तै कमजोर assertions वा परीक्षण नगरिएको व्यवहार) जो कभरेजले मिस गर्छ भनी खोलिदिन्छ।

यो बुझ्नु — कि म्यूटेशन टेस्टिङ्ग उच्च कभरेजको पछाडि लुकिएका कमजोर परीक्षणहरू खोलिदिन्छ — मुख्य मूल्य हो, उच्च कभरेज राम्रो परीक्षणहरूको ग्यारान्टी गर्दैन भन्ने सीमा सम्बोधन गर्छ।

**विचारहरू** बुझ्नु — कि यो **कम्प्यूटेशनली महँगो** हो (सुइटलाई प्रत्येक mutant को लागि एक पटक चलाउनु, यसलाई ढिलो बनाउँछ), कि "equivalent mutants" (व्यवहार परिवर्तन नगर्ने mutationहरू) झुठा survivors हुन् जिनलाई बेवास्ता गर्न सकिन्छ, र कि उपकरणहरू अस्तित्वमा छन् (Stryker, PIT, mutmut) — कहिले र कसरी यसलाई प्रयोग गर्न भनेर (विपत्तिशील कोडमा, समय-समयमा, सधैं गर्दैनन्) को व्यावहारिक जागरूकता प्रतिबिम्बित गर्छ।

परीक्षण गुणस्तर वास्तवमा महत्त्वपूर्ण हो (केवल कभरेजले झुठो आत्मविश्वास दिन सक्छ) र म्यूटेशन टेस्टिङ्ग परीक्षणहरूले वास्तवमा बग्स पक्रेका छन् वा छैनन् भनी जाँच गरेर धेरै बलियो मापन प्रदान गर्छ, र यो बुझ्नु, कभरेज भन्दा यसको लाभ, र यसको व्यावहारिक विचारहरू परीक्षण सुइटहरू वास्तवमा मूल्यांकन र सुधार गर्नको लागि उपयोगी हो, म्यूटेशन टेस्टिङ्ग बुझ्नु वरिष्ठ-स्तरको मूल्यवान ज्ञान हो — वास्तविक परीक्षण गुणस्तर मापन गर्ने एक परिष्कृत प्रविधि, कभरेजको मुख्य कमजोरी सम्बोधन गर्छ, र वरिष्ठ भूमिकाहरूको लागि अपेक्षित गहिराइ बुझाइ — केवल कभरेज संख्या गर्दैन तर वास्तविक परीक्षण प्रभावकारिता माथि चिन्तित — प्रतिबिम्बित गर्छ।