先从最简单的Choice数据模型开始看peach下的Choice到底是怎么执行的:

默认的情况下，直接引用Choice类型，peach运行总是选择Choice模块中第一个出现的数据，这里是Type1：

通过在Action中显式指定Choice的Block，就可以改变Choice的选择（DataModel不变，修改StataModel中的内容）：

再次运行，可以看到结果变为Type3了，这是因为peach取了最后一个数据，虽然示例中从Type1~Type3配置了三条：

通过上面的演示，Choice作为输出数据模型的时候，如何进行数据选取的基本方法应该就已经明了了。接下来再看看Choice的其他三个属性（minOccurs，maxOccurs，occurs）分别是如何工作的 ：

minOccurs和maxOccurs可以理解为一个Choice模块中可以在一次迭代中同时选中的数据个数的下限和上限；

occurs的解释有些含糊，暂时无法确切定义，从行为上看和maxOccurs-最多可选取数据个数的行为一致。

看一个示例：

在Data中进行相关的数据配置

运行结果如下：

可以看到输出结果中有5个Choice中的数据，Type1，Type2，Type3，Type5，Type1（最后Type1是由于没有定义Filed数据，默认选择了Choice中的第一个数据；而且输出数据有5条，和理解中的4条有一些的差异）。这里唯一需要注意的就是类似数组的标记，设置了MinOccurs（MaxOccurs）的属性，就只能以这种方式定义Data。occurs的配置方式和上面类似，由于没有最新官方的文档可以参考，不再另外演示。

上面的方法在一定程度上可以满足随机选择的目的，但是pits测试套写完之后就无法再变化，因此如果需要每次运行可以随机的在Choice中选择一条数据，可以通过下面两种方法来实现：

1.通过-D方式在外部指定Field的名字，这样可以在启动peach的时候通过外部脚本随机指定这个值，例如

2.在Choice中的数据不需要执行变异的时候，可以指定Mutator为ChoiceSwitch（community版本好像没有实现这个变异算法，虽然可以配置，但运行时不生效），例如

最后，再看一下当Choice类型作为输入数据进行解析的时候，可以尝试的两种方式（本次未验证，暂时记录）：

1.通过在Choice每一条数据的开始，设置一个token类型的数值，通过这条token类型的数据作为标记来crack输入数据，例如小白鸽的翻译文档中的示例：

2.通过constraint约束进行匹配，参考（http://www.flinkd.org/fuzzing-with-peach-part-1/#b-file-data）的方法：