Pairwise算法

正交分析法进行软件测试的时候，会生成很多的测试用例。
假设有三个维度，每个维度有两个因子，如果用正交分析法会生成8个测试用例，这只是在维度和因子数很小的情况下，实际测试时维度数和因子数较大会产生很多很多的测试用例，为了提高效率需要对正交法产生的测试用例进行取舍。

pairwise的假设

1. 每个维度都是正交的
2. 根据数学统计分析，73%的缺陷是因为单因子和双因子产生，19%的缺陷是3因子相互作用产生。
   因此，pairwise基于覆盖所有2因子的交互作用产生的用例集合性价比最高而产生的

pairwise算法

假设现在有3个维度：

1. 浏览器：Firefox， Chrome
2. OS: Linux, Windows, IOS
3. 语音: zh-CN， English

现在用正交分析法,会产生12个测试用例：

1. FLZ
2. FLE
3. FWZ
4. FWE
5. FIZ
6. FIE
7. CLZ
8. CLE
9. CWZ
10. CWE
11. CIZ
12. CIE

现在使用pairwise算法对测试用例进行取舍：
从第12个测试用例开始，两两组合CI、CE、IE，如果其它测试用例出现过这三个两两组合就可以舍去第12个测试用例。
- 11出现CI，10出现CE， 6出现IE，所以可以删除12。
- 第11个测试用例因为有CI这个组合，而其它测试用例没有出现这个组合所以保留
- 第10个测试用例的cw在第9个，CE在第8个，WE在第4个，第10个测试用例删除
- 第9个因为CW所以保留，第8个也保留因为CE，第7个因为CZ也保留
- 第6个保留（IE），第5个FI、FZ、IZ，在第6、3、11出现所以删除
- 第4个保留，第3个删除，第2个删除，第1个保留
所以剩下7个测试用例：

1. FLZ
2. FWE
3. FIE
4. CLZ
5. CLE
6. CWZ
7. CIZ
   用这7个测试用例理论上可以覆盖73%的缺陷，可以提升效率。