by Randy Rice
Una grande quantità di codice residente in sistemi complessi, non documentati. È una situazione che corrisponde a quella esistente in molte organizzazioni. Si è portati a credere che la percentuale più grande degli investimenti ICT vada nella direzione di nuove tecnologie. L'amara verità è, invece, che la gran parte dei soldi viene spesa per manutenere i sistemi più vecchi, quelli cosiddetti legacy, ovvero quelli che sono frutto dell'eredità del passato. Sistemi che sono tuttora organici alle necessità aziendali, ma che sono cresciuti in modo disorganizzato e non pianificato. Di fatto, dietro questi sistemi, il cui codice è continuato a crescere nel tempo, esistono funzionalità e difetti di cui nessuno è ormai a conoscenza.
Chiunque abbia lavorato nell'area della manutenzione del software sa che non è semplice mettere le mani nel codice sviluppato da altri e comprenderne il significato. A prima vista può sembrare che sia dedicato a svolgere una determinata funzione mentre, a causa di porzioni di codice cui si relaziona, l'effetto è diverso. Ciò significa che per comprendere la vera complessità del sistema è necessario affrontare un'analisi estesa, mirata a tutte le componenti del sistema: il codice, ovviamente, l'hardware, le interfacce con altri sistemi, i dati, le procedure, le persone stesse che operano su quel sistema.
L'ideale sarebbe riuscire ad avere disponibile una documentazione accurata e aggiornata. Ma ciò accade di rado.
L'esperienza ci insegna che anche la più piccola delle modifiche può dare luogo a un'infinita serie di conseguenze su tutte le componenti che sono interessate al sistema in oggetto. Per le persone addette al collaudo del software questo significa dover sempre accertarsi che le modifiche siano state fatte correttamente così come accertarsi che esse non abbiano causato effetti collaterali, non pianificati, sulle componenti associate. Questo tipo di attività è nota come test di conferma e test di regressione.
Nel test di regressione è importante sapere il numero di prove (test case) necessarie per collaudare una nuova release di software. Ciò dipende da:
Il livello di rischio del sistema da collaudare – Se l'effetto potenziale di difetti è minimo, è inopportuno eseguire un gran numero di test per ogni modifica effettuata. Tuttavia, se davvero sussistono dei rischi reali, è bene procedere con un gran numero di prove.
Il livello di integrazione del sistema – Questa è una lama a doppio taglio. Da una parte si ritiene che i sistemi altamente integrati richiedano test di regressione a causa della loro complessità e del gran numero di interfacce presenti (un cambiamento in un modulo potrebbe scatenare un difetto all'interno del flusso procedurale); dall'altra questi sistemi si prestano con molta difficoltà a essere sottoposti a test di regressione in quanto dovrebbero essere implementate un gran numero di prove per riuscire davvero a coprire l'intera dimensione ed estensione del sistema. Se fossimo nella condizione di poter prevedere quali potrebbero essere gli errori non vi sarebbe necessità di eseguire dei test di regressione. Ma questo non è quanto mediamente si verifica con la maggior parte dei sistemi.
La dimensione del cambiamento – Anche questo aspetto è difficile da determinare. Si è spesso tentati a ridurre il livello dei test di regressione in presenza di piccole modifiche. Tuttavia l'esperienza ci dice che alcuni dei problemi maggiori sono spesso causati da singoli, piccoli cambiamenti.
Le risorse disponibili per eseguire test di regressione – Ovvero tempo, persone e strumenti. Può capitare di accorgersi della necessità di eseguire un certo numero di test di regressione, ma essere limitati in questo dalla scarsità di risorse disponibili. È un qualcosa che ha a che fare con il test management. Le persone possono fare il loro lavoro solo se hanno a disposizione risorse adeguate. In assenza di strumenti di automation, i test di regressione possono risultare poco precisi e, allo tesso tempo, laboriosi. Sebbene un'attività di questo tipo, abitualmente definita come pseudo regression testing, possa apparire adeguata, non consente di effettuare un autentico test di regressione.
Due importanti domande
Gli aspetti di integrazione e interoperabilità comportano un'attività di testing di regressione molto complessa e dare risposta a semplici domande, quali cosa collaudiamo e quanto collaudiamo, risulta spesso difficile. L'approccio che descrivo nel seguito si è dimostrato adeguato in molti dei progetti in cui sono stato coinvolto.
Esempio
Ipotizziamo di avere quattro sistemi distinti, ciascuno con un certo numero di servizi e componenti. Il nostro obiettivo è eseguire un test di regressione ogni qualvolta venga apportata una modifica, anche piccola, a un servizio di un determinato sistema. La domanda è: “Cosa deve essere testato?”
Sappiamo che esiste un certo grado di integrazione, ma non sappiamo esattamente quale. È vero, esiste un'integrazione tra i quattro sistemi, ma siamo a conoscenza soltanto degli aspetti di integrazione che esistono tra soli due sistemi. Quando il sistema viene utilizzato, tutto sembra tranquillo, ma utilizzando un terzo sistema viene riscontrato un errore.
Un altro aspetto di questo problema è la mancanza di sufficiente documentazione tecnica. E questa situazione fa sì che non si possano condurre dei test di rilevante importanza. Il problema diventa ancor più complesso quando viene presa in considerazione l'integrazione tra tutti i sistemi. È una situazione che crea grandi difficoltà poiché questo tipo di interazioni può richiedere l'esecuzione di un numero elevatissimo di test.
E allora, che fare? Ecco due soluzioni che si sono rivelate valide in alcuni dei progetti in cui sono stato coinvolto.
Opzione 1
Un primo approccio prevede attività di testing che mette in gioco più componenti del sistema. Ciascuna porzione del test mette in esercizio molteplici funzioni in ciascun singolo sistema. Più porzioni di test vengono messe in esecuzione, maggiore sarà il numero di errori potenzialmente riscontrabili. La natura di questi test è di tipo random, per cui alcuni difetti potrebbero non essere rilevati.
Di solito non si hanno poi tempo e risorse sufficienti per eseguire un grande numero di test. Diventa pertanto importante, se non essenziale, avvalersi di strumenti di automazione. In caso contrario si deve intervenire di persona per cercare di stabilire il numero corretto di prove che devono essere determinate per soddisfare gli obiettivi.
Vi sono altre utili tecniche che possono essere considerate. Per esempio attività di testing di tipo pairwise, efficienti soprattutto per testare le interazioni tra due funzioni correlate. Tuttavia, esiste un approccio ancora più efficiente per eseguire test su interazioni di sistemi complessi, ed è quanto descritto nell'Opzione 2.
Opzione 2
Un metodo che funziona molto bene consiste nel non considerare in prima battuta gli aspetti di integrazione tecnica, ma focalizzarsi sull'integrazione business funzionale come definita dai processi di workflow. A differenza dell'integrazione tecnica, l'integrazione a livello di workflow permette di avere una migliore comprensione da parte delle persone che utilizzano il sistema e permette di operare un test rappresentativo della reale operatività che ha luogo su più sistemi. Non solo, seguendo il workflow di sistema si riesce anche ad avere una mappatura dell'integrazione tecnica.
Con questo approccio si possono creare test di regressione rappresentativi delle attività business più importanti. Si ottiene così un alto livello di copertura dei più importanti processi di workflow senza dover avviare attività di testing su funzionalità a bassa criticità.
Un ulteriore vantaggio di un approccio basato sul workflow consiste nel poter creare i test con più facilità poiché gli scenari funzionali sono ben compresi dagli esperti in materia. Agli scenari funzionali possono poi essere applicate delle priorità in termini di rischio, cosa che permette di utilizzare al meglio tempo e risorse soprattutto in situazioni dove queste sono limitate.
Conclusioni
Non esiste la soluzione perfetta per risolvere i problemi legati ad attività di testing di regressione in sistemi legacy complessi e mal documentati. A ogni modo intervenendo sui processi di workflow attraverso strumenti di test automation è spesso possibile ottenere ottimi risultati.
L’evoluzione dell’IT tra sfide e promesse
Frank Greco
Verso la new digital economy. Quale architettura per la trasformazione digitale?
Mike Rosen
Ecco come capire il cliente. I diversi punti di vista della Business Analysis
James Robertson
Ecco come capire il cliente I diversi punti di vista della Business Analysis
Suzanne Robertson
E se il Design Sprint fosse il nuovo asso nella manica? Come risolvere grandi problemi e testare nuove idee
James Hobart
Come essere veramente data driven. L’importanza dell’architettura dati
Mike Ferguson
Il Machine Learning in azienda. Come migliorare performance e previsioni
Frank Greco
Portfolio management avanzato: Come trasformare gli investimenti in cambiamento
Chris Potts
L’imbuto e le biglie. Ovvero la metafora della produttività dei team
Sander Hoogendoorn
Dal Data Warehouse al digital business. Un’architettura di trent’anni ancora valida
Barry Devlin
Dai silos a un ecosistema analitico integrato. Un approccio per avere dati da usare su più sistemi
Mike Ferguson
Come accelerare l’innovazione in azienda. La nuova generazione dell’IT enterprise
Frank Greco
Tassonomie e ricerche. Ecco come ottenere migliori risultati
Heather Hedden
Viaggio verso il data warehouse logico
Il grande dilemma della business intelligence
Rick van der Lans
Enterprise information catalog. I requisiti per fare la scelta giusta
Mike Ferguson
La nuova era dell’analisi predittiva - Le aziende alla prova del Machine Learning
Frank Greco
Uno sguardo Agile - Per capire il passato e progettare il futuro
Arie van Bennekum
Trasformazione Agile
Se il product owner diventa un collo di bottiglia
Sander Hoogendoorn
Una Fiat o una Ferrari?
Qual è la più adatta per il business digitale?
Barry Devlin
Vincere la complessità dei dati. È l’ora dello smart data management
Mike Ferguson
Big Data e Analytics - Se il machine learning accelera anche la data science
Mike Ferguson
I dati al centro del business
Christopher Bradley
I Big Data forniscono il contesto e la ricchezza predittiva attorno alle transazioni di business Avere dati coerenti e di qualità resta fondamentale per il processo decisionale
Barry Devlin
Cosa c’è dietro l’angolo? Cinque mosse per diventare un digital leader
Jeroen Derynck
Managing information technology Gestire l’IT come un business nel business
Mitchell Weisberg
Data integration self-service Miglioramento della produttività o caos totale?
Mike Ferguson
Project manager vecchi miti e nuove realtà
Aaron Shenhar
La catena alimentare dei requisiti
Suzanne Robertson
Come diventare un’azienda data-centric
Lindy Ryan
Enterprise analytical ecosystem - Come comprendere il comportamento online dei clienti e capitalizzare il valore dei dati nell’era Big Data
Mike Ferguson
Agilità? Basta Volere
Suzanne Robertson
Ma la vostra architettura è efficace?
Mike Rosen
Se il NoSQL diventa SQL
Rick van der Lans
La data quality e l’impatto sul business
Danette McGilvray
Business analysis e regole di business By Ronald G. Ross con Gladys S.W. Lam
Ronald Ross
Usare Scrum su larga scala: cosa cambia?
Craig Larman
Le architetture per ridurre il debito tecnico
Mike Rosen
Conversando con un marziano
Suzanne Robertson
Cosa c’è di nuovo nel project management?
Aaron Shenhar
Reinventare la Business Intelligence
Barry Devlin
Il nuovo volto della business intelligence
Shaku Atre
Alla ricerca del valore tra i pomodori nell'orto
John Favaro
I big data cambiano il mercato dei Database Server
Rick van der Lans
Un “superstorm” di informazioni
Barry Devlin
I dieci step per la qualità dei dati
Danette McGilvray
Perché è meglio evitare il private cloud?
Jason Bloomberg
Leonardo da Vinci aveva ragione!
Chris Date
Mobile user experience: Come adottare una strategia sostenibile
James Hobart
Cosa significa occuparsi di architettura?
Mike Rosen
Virtualizzazione dei dati e sistemi di Business Intelligence Agili
Rick van der Lans
Modelli e linguaggi naturali, quale il modo migliore per definire i requisiti?
James Robertson
Extreme Scoping: un approccio Agile all'Edw e alla BI
Larissa Moss
BI², la Business Intelligence al quadrato
Barry Devlin
I test di regressione in ambienti legacy
Randy Rice
Le conseguenze della consumerizzazione e del Cloud
Chris Potts
Come vanno gli affari? Chiedetelo al vostro cruscotto
Shaku Atre
Organizzare team di progetto efficienti in ambienti DW/BI
Larissa Moss
Big Data, come e perché
Colin White
Business Capabilities e l'allineamento del business all'IT
Mike Rosen
Il valore della tassonomia nella ricerca delle informazioni
Zach Wahl
BI, ma il Data Warehouse è ancora necessario?
Colin White
Reinventare la Business Intelligence
Barry Devlin
Il cruscotto delle prestazioni: il nuovo volto della Business Intelligence
Shaku Atre
Modelli e processi di User acceptance testing
Randy Rice
I limiti nel gestire l'IT come un Business
Chris Potts
Le componenti fondamentali del Cloud
George Reese
Metadati e DW 2.0
Derek Strauss
BI Open Source: basso costo e alto valore?
Jos van Dongen
Semplicità e requisiti
Suzanne Robertson
Business intelligence e analisi testuale
Bill Inmon
Extreme Scoping™: approcci agili al DW e alla BI
Larissa Moss
Dalla BI a un'architettura IT di livello Enterprise
Barry Devlin
Ambiente efficiente di ricerca di informazioni
James Hobart
Il Business deve trainare la Strategia IT
Chris Potts
Web database: la questione MapReduce (seconda parte)
Colin White
Web database: la questione MapReduce
Colin White
Misura delle prestazioni. I sette comandamenti
Harry Chapman
Le dieci cose che un architetto deve fare per creare valore
Mike Rosen
Sviluppare applicazioni a prova di sicurezza
Ken van Wyk
The ECM Landscape in 2008
Alan Pelz-Sharpe
Ma chi sono gli operatori dell’informazione?
Colin White
Qualità dell’informazione e trasformazione del management
Larry English
Classificazione sistematica delle informazioni
Zach Wahl
L’uso intensivo del Web nelle applicazioni di Bi
Colin White
Enterprise Search
Theresa Regli
La forza dell'astrazione
Steve Hoberman
La strada verso una BI pervasiva
Cindi Howson
Soa, una strategia di test
Randy Rice
Verso una BI più semplice e a minor costo
Colin White
I contenuti “Killer” del Web
Gerry McGovern
Sviluppo iterativo del software per i Dw
Larissa Moss
Qualità delle Informazioni e Datawarehousing
Larry English
Lo scenario Ecm 2008
Alan Pelz-Sharpe
La nascita del Web 3.0
John Kneiling
Documentazione: il dossier del crimine
Suzanne Robertson
L’impatto del Web 2.0 sui portali delle imprese
Colin White
Le tecniche vincenti di IT Management
Ken Rau
Web di successo se si conosce il cliente
Gerry McGovern
Un approccio alla BI incentrato sui processi
Colin White
Integrare Master Data Management e BI (Parte Seconda)
Mike Ferguson
Integrare Master Data Management e BI (Parte Prima)
Mike Ferguson
Il Project Manager è una Tata
Suzanne Robertson
Web di successo se si conosce il cliente
Gerry McGovern
L'informazione personalizzata
Colin White
La Tassonomia dell'Impresa
Zach Wahl
Managed Meta Data Environment (II parte)
David Marco
Managed Meta Data Environment
David Marco
Migliorare le applicazioni dell'impresa con Web 2.0
James Hobart
La Balanced Scorecard migliora la Performance dell'IT
Harry Chapman
La fusione dei processi dell'impresa grazie a Soa (II parte)
Max Dolgicer
La fusione dei processi dell'impresa grazie a SOA (I parte)
Max Dolgicer
Volere è Potere, in Ogni Senso
Suzanne Robertson
Dimostrate con i numeri il valore dei contenuti del web
Gerry McGovern
Il Back-end della pianificazione strategica dell'It
Ken Rau
L'audit delle prescrizioni di progetto (II parte)
Suzanne Robertson
L'audit delle prescrizioni di progetto (I parte)
Suzanne Robertson
Il Processo di gestione delle informazioni
Ted Lewis
I requisiti come strumento di gestione dei progetti
Suzanne Robertson
Il futuro è nel contenuto killer del web
Gerry McGovern
Alla ricerca del valore tra i pomodori nell'orto
John Favaro
Rilevare i costi sulla base delle attività
Ken Rau
Un percorso verso l'impresa intelligente (II parte)
Mike Ferguson
Un percorso verso l'impresa intelligente (I parte)
Mike Ferguson
Il Data Store Operativo: un lavoro di martello
Claudia Imhoff
Il data warehouse orientato all'impresa
Michael Schmitz
Dieci punti chiave per realizzare balanced scorecard di successo
Harry Chapman
Content management: i contenuti al primo posto
Gerry McGovern
Applicazioni Web ad alta disponibilità
John Kneiling
Il 2004, sarà l'anno in cui abbandoneremo html?
James Hobart
La tecnologia EII ripropone il data warehousing virtuale?
Colin White
Volere è Potere, in Ogni Senso
Suzanne Robertson
Realizzare il CPM e l'integrazione della BI
Mike Ferguson
Tutti i punti della FPA
Koni Thompson
Requiem per il Portale?
Colin White
Business Intelligence: dalla teoria alla realtà (II parte)
Shaku Atre
Business Intelligence: dalla teoria alla realtà (I parte)
Shaku Atre
I portali Corporate e di E-business: la nuova generazione del posto di lavoro
Mike Ferguson
I 10 errori da evitare nella realizzazione di un Meta Data Repository (II Parte)
David Marco
I 10 errori da evitare nella realizzazione di un Meta Data Repository (I parte)
David Marco
Usare i modelli per acquisire l'esperienza di progettazione
James Hobart
Realizzare l'Impresa Intelligente
Colin White
.NET or J2EE - Choosing the Right Web Services Framework
John Kneiling
Progettare Applicazioni Mobili di Successo
James Hobart
La Sociologia del Progetto: Identificare e Coinvolgere tutti i Partecipanti
Suzanne Robertson
Integrare la Business Intelligence nell'Impresa (II parte)
Mike Ferguson
Integrare la Business Intelligence nell'Impresa (I parte)
Mike Ferguson
L'Evoluzione del Portale di e-Business (II parte)
Colin White
L'Evoluzione del Portale di e-Business (I parte)
Colin White
Il Consulente WebEAI: Servizi Web, XML e l'Impresa
John Kneiling
Data Mining: Come Gestire le Relazioni con i Clienti Secondo i Principi del CRM
Weaver James