质量如何评估测试用例的有效性

Posted 2022-06-21 sysu_lluozh

一、定义

测试用例有两个比较关键的部分：

1. 调用被测代码：例如RuleService.getLastRuleByClientId(ClientId)
2. 进行结果Check：例如AssertEqual(OrderId,“ABCD1234”)

希望一组测试用例不仅能够“触发被测代码的各种分支”，还能够做好结果校验

• 当业务代码出现问题的时候，测试用例可以发现这个问题，认为这一组测试用例是有效的
• 当业务代码出现问题的时候，测试用例没能发现这个问题，认为这一组测试用例是无效的

对测试用例有效性的理论建模是：

测试有效性 = 被发现的问题数 / 出现问题的总数

二、目的

为什么要评估测试用例的有效性？

• 这么多的CASE，花了大量时间和资源去运行，真能发现BUG吗？
• CI做到90%的行覆盖率，能发现问题吗？
• 测试用例越来越多，删一些会不会就发现不了问题了？
• 怎么找出哪些为了覆盖而覆盖，发现不了真正问题的测试用例？

三、方法

测试用例有效性评估的方法？

基于故障复盘的模式成本太高，希望能够主动创造问题来评估测试用例的有效性

找到了一种衡量“测试有效性”的方法，变异测试(mutation testing)

变异测试的例子

用了一组测试用例(3个)去测试一个判断分支

为了证明这一组测试用例的有效性，向业务代码中注入**变异。**把b<100的条件改成了b<=10

可以认为：一组Success的测试用例，在其被测对象发生变化后(注入变异后)，应该至少有一个失败。如果这组测试用例仍然全部Success，则这组测试用例的有效性不足

通过变异测试的方式：让注入变异后的业务代码作为“测试用例”，来测试“测试代码”

实现了多种规则，可以主动的注入下面这些变异：

变异类型还有函数调用，比如：

• 相似函数(getList 变 getWhiteList)
• 多态函数(foo(xx, 0) 变 foo(xx))
• 易错函数(parseBool 变 getBool)

四、如何评估

如何优雅的评估测试有效性？

为了全自动的进行测试有效性评估，做了一个变异机器人，其主要运作是：

1. 往被测代码中写入一个BUG(即：变异)
2. 执行测试
3. 把测试结果和无变异时的测试结果做比对，判断是否有新的用例失败
4. 重复1-3若干次，每次注入一个不同的Bug
5. 统计该系统的“测试有效性”

变异机器人的优点：

1. 防错上线
   变异是单独拉代码分支，且该代码分支永远不会上线，不影响生产

2. 全自动
   只需要给出系统代码的git地址，即可进行评估，得到改进报告。

3. 高效
   数小时即可完成一个系统的测试有效性评估。

4. 扩展性
   该模式可以支持JAVA以及JAVA以外的多种语系。

5. 适用性
   该方法不仅适用于单元测试，还适用于其他自动化测试，例如接口测试、功能测试、集成测试

变异机器人的使用门槛：

1. 测试成功率
   只会选择通过率100%的测试用例，所对应的业务代码做变异注入

2. 测试覆盖率
   只会注入被测试代码覆盖的业务代码，测试覆盖率越高，评估越准确

五、高配版变异机器人

高配版变异机器人拥有三大核心竞争力

分钟级的系统评估效率

为了保证评估的准确性，100个变异将会执行全量用例100遍，每次执行时间长是一大痛点

高配版变异机器人给出的解法：

1. 并行注入
   基于代码覆盖率，识别UT之间的代码覆盖依赖关系，将独立的变异合并到一次自动化测试中
2. 热部署
   基于字节码做更新，减少变异和部署的过程
3. 精准测试
   基于UT代码覆盖信息，只运行和本次变异相关的UT(该方法不仅适用于UT，还适用于其他自动化测试，例如接口测试、功能测试、集成测试)

学习型注入经验库

为了避免“杀虫剂”效应，注入规则需要不断的完善
高配版变异机器人给出的解法：故障学习
基于故障学习算法，不断学习历史的代码BUG，并转化为注入经验

兼容不稳定环境

集成测试环境会存在一定的不稳定，难以判断用例失败是因为“发现变异”还是“环境出现问题”，导致测试有效性评估存在误差
高配版变异机器人给出的解法：

1. 高频跑
   同样的变异跑10次，对多次结果进行统计分析，减少环境问题引起的偶发性问题
2. 环境问题自动定位
   接入附属的日志服务，它会基于用例日志/系统错误日志构建的异常场景，自动学习“因环境问题导致的用例失败”，准确区分出用例是否发现变异

六、更多手段

更多的测试有效性度量手段

基于代码注入的测试有效性度量，只是其中的一种方法，我们日常会用到的方法有这么几种：

• 代码注入：向代码注入变异，看测试用例是否能发现该问题
• 内存注入：修改API接口的返回内容，看测试用例是否能发现该问题
• 静态扫描：扫描测试代码里是否做了Assert等判断，看Assert场景与被测代码分支的关系

测试有效性可以作为基石，驱动很多事情向好发展：

• 让测试用例变得更能发现问题
• 让无效用例可被识别、清理
• 创造一个让技术人员真正思考如何写好TestCase的质量文化
• 测试左移与敏捷的前置条件

开发者涨薪指南 48位大咖的思考法则、工作方式、逻辑体系