Parameterized และ data-driven test คืออะไร?

Question

Accepted Answer

**Parameterized (data-driven) test** รัน **logic ของเทสต์เดียวกันด้วยชุดอินพุตและเอาต์พุตที่คาดหวังหลายชุด** — หลีกเลี่ยงการทำซ้ำเทสต์สำหรับแต่ละกรณี มันทำให้ทดสอบสถานการณ์จำนวนมาก (รวมถึง edge case) ได้ง่ายและกระชับ

## ปัญหา: เทสต์ที่ทำซ้ำ

```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)
```

## Parameterized test — เทสต์เดียว หลายกรณี

```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
```

framework ส่วนใหญ่รองรับสิ่งนี้ (Jest `test.each`, pytest `@parametrize`, JUnit `@ParameterizedTest`)

## ประโยชน์

```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.
```

## ทำไมจึงสำคัญ

การเข้าใจ parameterized (data-driven) test มีคุณค่าเพราะมันทำให้ **ทดสอบสถานการณ์จำนวนมากได้อย่างกระชับ** ซึ่งสนับสนุนการทดสอบที่ละเอียด (โดยเฉพาะ edge case) จึงเป็นความรู้ที่มีประโยชน์ในทางปฏิบัติ

ปัญหาที่มันแก้ — การทดสอบชุดอินพุต/เอาต์พุตจำนวนมากมิฉะนั้นจะต้อง **ทำซ้ำเทสต์สำหรับแต่ละกรณี** (น่าเบื่อ ซ้ำซาก ดูแลรักษายาก) — เป็นเรื่องจริง และ parameterized test จัดการมันโดยการรัน **logic ของเทสต์เดียวกันบนตารางของกรณี**

สิ่งนี้ทำให้การทดสอบสถานการณ์จำนวนมาก **กระชับ** (test body เดียว หลายกรณี) ทำให้ **เพิ่มกรณีได้ง่าย** (แค่เพิ่มแถวข้อมูล — ซึ่งสนับสนุนการทดสอบอินพุตและ **edge case** มากขึ้น สนับสนุนการครอบคลุม edge case อย่างละเอียดที่จับบั๊ก) รายงาน **แต่ละกรณีแยกกัน** (เพื่อให้คุณเห็นว่าอินพุตใดล้มเหลว ช่วยในการ debug) และรักษาเทสต์ให้ดูแลรักษาได้ (ตารางข้อมูลบันทึกกรณีอย่างชัดเจน)

การเข้าใจว่า framework ส่วนใหญ่รองรับสิ่งนี้ (Jest `test.each`, pytest `@parametrize`, JUnit `@ParameterizedTest`) ทำให้นำไปใช้ได้จริงข้าม stack

Parameterized test เหมาะสำหรับฟังก์ชันที่มีชุดอินพุต/เอาต์พุตจำนวนมาก — พบบ่อยสำหรับ utility function, validator, parser, และการคำนวณ — ที่ซึ่งมันช่วยให้ทดสอบกรณีทั้งช่วง (รวมถึงขอบเขตและ edge case) ได้โดยไม่มีภาระของ test code ที่ซ้ำกัน

วิธีที่กระชับและดูแลรักษาได้นี้ในการบรรลุการครอบคลุมอินพุตที่กว้างสนับสนุนการทดสอบที่ละเอียดมากขึ้น

เนื่องจากการทดสอบสถานการณ์จำนวนมาก (โดยเฉพาะ edge case) สำคัญต่อการทดสอบที่ละเอียดและ parameterized test ทำให้สิ่งนี้กระชับและดูแลรักษาได้ (หลีกเลี่ยงเทสต์ที่ซ้ำกัน สนับสนุนการครอบคลุมอินพุตที่กว้าง) และเนื่องจากการเข้าใจมันและการรองรับของ framework มีประโยชน์ต่อการทดสอบที่มีประสิทธิภาพ การเข้าใจ parameterized และ data-driven test จึงเป็นความรู้ที่มีคุณค่าและเกี่ยวข้องในทางปฏิบัติ — เทคนิคที่มีประโยชน์ในการทดสอบกรณีจำนวนมากอย่างกระชับ สนับสนุนการครอบคลุม edge case อย่างละเอียดที่การทดสอบที่มีประสิทธิภาพต้องการ และเครื่องมือที่สะดวกซึ่งนำไปใช้ที่ใดก็ตามที่ฟังก์ชันมีชุดอินพุต/เอาต์พุตจำนวนมากที่ต้องตรวจสอบ