对于测试的方法，人们往往缺乏必要的思考，导致观点的狭隘和误导，甚至将测试活动看作是与软件互动的游戏。等价类划分（Equivalence Class Partitioning，简称ECP）就是其中一个极具代表性的例子。
今天要谈的就是对等价类划分的一些误解。
第一点，等价类划分常常被局限在“输入数据”。其实，等价类划分也可以运用于输出、产品版本、代码版本、测试环境、测试用例本身……等价类划分，可以被应用于任何你认为会对测试结果造成影响的因素。等价类划分不仅基于产品、技术文档，还基于测试人员所有的知识领域。如果测试人员的知识是错误的，划分的等价类就是错误的。
第二点，等价类划分与其说是“技术”，不如说是“探索方法”，一种容易犯错但却有用的方法。它只是在“原则上”“尝试”覆盖每一种类别，而并非是有一套确定的算法。所以，不应使用等价类划分来编写一个个确定的测试用例，而是用分类的想法，来确定测试的重点，减少测试精力的无谓付出。
第三点，等价类划分的长处并不是减少测试需要的时间和用例数量，虽然它起到了这样的作用。等价类划分作为一种系统性的猜测方法，确定测试重点，最主要的是尽早发现重大的缺陷。如果重大的缺陷或问题在测试晚期才发现，团队往往需要额外付出极大的精力来处理。将等价类划分作为一种优先级划分策略，让团队在早期就能发现和处理重大的缺陷和问题。那么在项目末期，大家都能感到轻松舒适。
第四点，等价类划分的基本概念和计算机科学或者计算科学没有一毛钱关系。等价类划分是一种逻辑，它是拥有共享某些属性的事物集合。等价类划分的属性之一，是探索产品的风险。它将某些更容易发现缺陷的测试工作从众多的测试中提炼出来。所以，如果重要的缺陷没有被发现，那一定测试的等价类有问题，在往深地看，就是测试人员对被测系统的认知有问题。
举个栗子，很多人把代码覆盖率作为黄金准则进行测试。认为2个输入数据，走过的代码顺序是一样的，那么这两个输入就是等价类。只要一个输入测试通过，另一个就不需要测试。但如果输入A的处理需要1ms，而输入B需要处理1min呢？即使是同样的代码，处理不同的数据量时，其表现是不一样的，等价类就是不一样的。
所以，等价类划分在测试中的使用，可以基于代码、功能、系统、场景、部署环境等等不同的参照系和视角。
翻译说明：
本文翻译自James Bach 《Rethinking Equivalence Class Partitioning, Part 1 》。原文是作者对wikipedia关于等价类划分的一些不同想法。原文较长，并非全文对照直译。而是结合译者的测试经验，进行了综合和提取。有兴趣的同学，可以点击原文链接，浏览James Bach的文章。由于水平有限，难免有错漏，也欢迎批评指正。多谢。
