කේත පරීක්ෂණ ලෝකයේ "හරිත ලකුණ" (✅) නිරන්තරයෙන් විශ්වාසය ලැබූ නමුත්, එය සැබෑ තහවුරු කිරීමක් නොවේ. ප්රධාන පරීක්ෂකයෙක් ලෙස මම දැකපු තත්ත්ව තුනක් මේ ගැටළුවේ නිරන්තර පැවති බව පෙන්වයි.
1. පරීක්ෂණය නැවත ක්රියාත්මක කිරීමේ වංචාව – Flaky test කියනවා නම්, ඒක කාලය, ත්රෙඩ් එකතු වීම, හෝ පරීක්ෂණ අනුක්රමය වෙනස් වීමෙන් පමණක් වැරදි ය. Google 2016 දී පවසුවා ඔවුන්ගේ පරීක්ෂණ 16%ක පමණ අස්ථිර බව. බොහෝ සංස්ථා මේ අස්ථිරතාව සම්පූර්ණයෙන් ඉවත් කිරීමේ පරිබාහිර විසඳුමක් ලෙස CI වල retry count එකක් යොදයි. එය ගැටලුව ලුහුබැඳීමට පමණක්, නිවැරදිව හඳුනාගැනීමට නොහැක.
2. තර්ක නොකිරීමේ පරීක්ෂණ – බොහෝ විට පරීක්ෂණ කේතයකට බොහෝ assert ලා තිබේ, නමුත් ඒවායේ විස්තරයක් නොදෙයි. පරීක්ෂණ අසාර්ථක වුවත්, කුමන කොටස වැරදියි කියා හඳුනාගැනීමට අපහසුයි. මෙය “Assertion Roulette” ලෙස හැඳින්වෙයි. විවිධ අධ්යයන වල පෙන්වා ඇත, 60% පමණ JUnit පරීක්ෂණවල මේ වර්ගය පවතින බව.
3. AI කේත‑ඇජන්ට්ගේ මතක නැති බව – AI මූලික කේත‑ඇජන්ට් හෝ LLM‑වලට පරීක්ෂණ පසුබැසීමේ මතකයක් නොමැති නිසා, ඒක එකවර වැරදියි නම්, ඊළඟ පරීක්ෂණයේම ඒක නැවතත් සිදු කරයි. මෙය පුහුණුවීමේ අඩුපාඩුවක් නොව, සැලසුමක අඩුපාඩුවයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
- සිසුන් – පරීක්ෂණයේ සැබෑ අර්ථය තේරුම් ගත හැකි වීම, තත්ව‑අධික්ෂේපණය (debugging) කුසලතා වර්ධනයට උදව් කරයි.
- ඩෙවලොපර් – flaky test හෝ assertion roulette වැනි ගැටළු හඳුනාගෙන, CI pipeline එකේ නිවැරදි retry strategy එකක් නිර්මාණය කළ හැක.
- ව්යාපාර – නිවැරදි පරීක්ෂණ මාර්ගෝපදේශයන් මඟින් නිෂ්පාදන ගුණාත්මකභාවය වැඩිවීම, දෝෂ හඳුනාගැනීමේ වියදම අඩු වීම, ඉක්මනින් වෙළඳපලට පිවිසීමට හැකියාව ලැබේ.
සාරාංශයෙන්, හරිත ලකුණ එකක් “පරීක්ෂණ සාර්ථකයි” කියා කියනවා නමුත්, එය පසුබැසීමේ ගැටළුවක් වශයෙන් සැලකිය යුතුය. එය සලකා නොගත්තාම, අනාගතයේ තවත් බරපතළ දෝෂවලට හේතුවක් වෙයි.
ඔබේ කේත‑පරීක්ෂණ ක්රමවේදය පරීක්ෂා කර, flaky test, assertion roulette, AI‑ඇජන්ට් මතක ගැටළු ඉවත් කිරීමෙන් වැඩි විශ්වාසය සහිත නිෂ්පාදන ලබාගන්න.
