प्यारामीटराइज्ड र डेटा-ड्रिभन टेस्टहरू के हुन्?

Question

Accepted Answer

**प्यारामीटराइज्ड (डेटा-ड्रिभन) टेस्टहरू** **एकै टेस्ट लजिकलाई इनपुट र अपेक्षित आउटपुटको बहु सेटसँग चलाउँछन्** — हरेक केसको लागि टेस्ट डुप्लिकेट गरेर बच्छन्। यसले धेरै परिदृश्यहरू (किनारको केसहरू समेत) संक्षिप्तमा परीक्षण गर्न सजिलो बनाउँछ।

## समस्या: डुप्लिकेट गरिएका टेस्टहरू

```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)
```

## प्यारामीटराइज्ड टेस्टहरू — एक टेस्ट, धेरै केसहरू

```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
```

अधिकतर फ्रेमवर्कहरूले यसलाई समर्थन गर्छन् (Jest `test.each`, pytest `@parametrize`, JUnit `@ParameterizedTest`)।

## लाभहरू

```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.
```

## यो किन महत्त्वपूर्ण छ

प्यारामीटराइज्ड (डेटा-ड्रिभन) टेस्टहरू बुझ्नु मूल्यवान छ किनभने यसले **धेरै परिदृश्यहरू संक्षिप्तमा परीक्षण गर्न सजिलो बनाउँछ**, जसले व्यापक परीक्षण (विशेष गरी किनारको केसहरू) समर्थन गर्छ, त्यसैले यो उपयोगी व्यावहारिक ज्ञान हो।

जो समस्या यसले समाधान गर्छ — धेरै इनपुट/आउटपुट संयोजनहरू परीक्षण गर्नु अन्यथा हरेक केसको लागि **टेस्ट डुप्लिकेट गर्न आवश्यक हुन्छ** (थकाऊ, दोहोरिने, राख्न गाह्रो) — वास्तविक छ, र प्यारामीटराइज्ड टेस्टहरूले यसलाई **एकै टेस्ट लजिकलाई केसहरूको टेबलमा चलाएर** समाधान गर्छन्।

यसले धेरै परिदृश्यहरू परीक्षण गर्न **संक्षिप्त** (एक टेस्ट बडी, धेरै केसहरू) बनाउँछ, **केसहरू थप्न सजिलो** बनाउँछ (डेटा पङ्क्ति थप्नु हो — जसले थप इनपुटहरू र **किनारको केसहरू** परीक्षण गर्न प्रोत्साहित गर्छ, व्यापक किनारको केस कभरेज समर्थन गर्दै, बगहरू पक्रिएमा), **हरेक केस अलग गरी रिपोर्ट गर्छ** (त्यसैले तपाई ठीकसँग देख्नु हुन्छ कुन इनपुट असफल भयो, डिबगिङ गर्न मद्दत गर्दै), र टेस्टहरूलाई राख्न योग्य राख्छ (डेटा टेबलले केसहरूलाई स्पष्ट रूपमा दस्तावेज गर्छ)।

धेरैजसो फ्रेमवर्कहरूले यसलाई समर्थन गर्छन् भनी बुझ्नु (Jest को `test.each`, pytest को `@parametrize`, JUnit को `@ParameterizedTest`) यसलाई स्ट्याकहरूमा व्यावहारिकरूपमा लागू योग्य बनाउँछ।

प्यारामीटराइज्ड टेस्टहरू धेरै इनपुट/आउटपुट संयोजनहरू भएका कार्यहरूको लागि आदर्श हुन्छन् — उपयोगिता कार्यहरू, मान्यकर्ताहरू, पार्सरहरू, र गणनाहरूको लागि सामान्य — जहाँ यसले डुप्लिकेट टेस्ट कोडको बोझ बिना सीमाहरू र किनारको केसहरू समेत कस्तूरहरूको पूरा दायरा परीक्षण गर्न सक्षम बनाउँछ।

यो संक्षिप्त, राख्न योग्य तरिकाले व्यापक इनपुट कभरेज हासिल गर्न अधिक व्यापक परीक्षन प्रोत्साहित गर्छ।

धेरै परिदृश्यहरू परीक्षण गर्नु (विशेष गरी किनारको केसहरू) व्यापक परीक्षणको लागि महत्त्वपूर्ण हो र प्यारामीटराइज्ड टेस्टहरूले यसलाई संक्षिप्त र राख्न योग्य बनाउँछन् (डुप्लिकेट गरिएका टेस्टहरू हटाएर, व्यापक इनपुट कभरेज प्रोत्साहित गर्दै), र तिनीहरूलाई र तिनीहरूको फ्रेमवर्क समर्थनलाई बुझ्नु प्रभावकारी परीक्षणको लागि उपयोगी हो, प्यारामीटराइज्ड र डेटा-ड्रिभन टेस्टहरू बुझ्नु मूल्यवान, व्यावहारिकरूपमा-सम्बन्धित ज्ञान हो — धेरै केसहरू संक्षिप्तमा परीक्षण गर्नको लागि एक उपयोगी प्रविधि, व्यापक किनारको केस कभरेज समर्थन गर्दै जुन प्रभावकारी परीक्षणको आवश्यकता छ, र एक उपयोगी उपकरण जहाँसुकै कार्यहरूमा लागू गरिन्छ जसमा पुष्टि गर्न धेरै इनपुट/आउटपुट संयोजनहरू छन्।