CI作到90%的行覆盖率，真能发现BUG吗？

阿里妹导读：这么多的CASE，花了大量时间和资源去运行，真能发现BUG吗？CI作到90%的行覆盖率，能发现问题吗？测试用例愈来愈多，删一些，会不会就发现不了问题了？今天，咱们谈谈如何评估测试用例的有效性？

咱们的测试用例有两个比较关键的部分：

1）调用被测代码：例以下面的RuleService.getLastRuleByClientId(ClientId)。
2）进行结果Check：例以下面的AssertEqual(OrderId,"ABCD1234")。

TestCaseA
...
  RuleService.createRuleByClientId(ClientId,RuleDO);
  StringOrderId=RuleService.getLastRuleByClientId(ClientId);
...

TestCaseB
...
  RuleService.createRuleByClientId(ClientId,RuleDO);
  StringOrderId=OrderService.getLastOrderByClientId(ClientId);
  AssertEqual(OrderId,"ABCD1234");
...

咱们但愿一组测试用例不只可以“触发被测代码的各类分支”，还可以作好结果校验。

• 当业务代码出现问题的时候，测试用例能够发现这个问题，咱们就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，咱们就认为这一组测试用例是无效的。

咱们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

为何要评估测试用例的有效性？

测试用例有效性评估的方法？

基于故障复盘的模式成本过高，咱们但愿可以主动创造问题来评估测试用例的有效性。

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

变异测试的例子

咱们用了一组测试用例（3个），去测试一个判断分支。
而为了证实这一组测试用例的有效性，咱们向业务代码中注入变异。咱们把b<100的条件改为了b<=100。

咱们认为：

• 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。
• 若是这组测试用例仍然所有Success，则这组测试用例的有效性不足。

经过变异测试的方式：让注入变异后的业务代码做为“测试用例”，来测试“测试代码”。

咱们实现了多种规则，能够主动的注入下面这些变异：

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，咱们作了一个变异机器人，其主要运做是：

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作比对，判断是否有新的用例失败；
4. 重复1-3若干次，每次注入一个不一样的Bug；
5. 统计该系统的“测试有效性” 。

变异机器人的优势：

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：只须要给出系统代码的git地址，便可进行评估，获得改进报告。
3. 高效：数小时便可完成一个系统的测试有效性评估。
4. 扩展性：该模式能够支持JAVA以及JAVA之外的多种语系。
5. 适用性：该方法不只适用于单元测试，还适用于其余自动化测试，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：只会选择经过率100%的测试用例，所对应的业务代码作变异注入。
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。

高配版变异机器人

咱们正在打造的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：基于字节码作更新，减小变异和部署的过程。
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（该方法不只适用于UT，还适用于其余自动化测试，例如接口测试、功能测试、集成测试）。

学习型注入经验库

为了不“杀虫剂”效应，注入规则须要不断的完善。

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。可学习型经验库目前覆盖蚂蚁金服的代码库，明年会覆盖开源社区。

兼容不稳定环境

集成测试环境会存在必定的不稳定，难以判断用例失败是由于“发现了变异”仍是“环境出了问题”，致使测试有效性评估存在偏差。

高配版变异机器人给出的解法：

1. 高频跑：一样的变异跑10次，对屡次结果进行统计分析，减小环境问题引发的偶发性问题。
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“因环境问题致使的用例失败”，准确区分出用例是否发现变异。

落地效果如何？

咱们在蚂蚁金服的一个部门进行了实验，得出了这样的数据：

换言之，几个系统的测试有效性为：系统A 72%，系统B 56%，系统C 70%。

测试有效性(%) = 1 - 未发现注入数 / 注入数

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，咱们平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作了Assert等判断，看Assert场景与被测代码分支的关系
• ... 还有更多其余的度量手段

Meet the testcase again

测试有效性能够做为基石，驱动不少事情向好发展：

• 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。
• ......

写到最后，想起了同事给我讲的一个有趣的人生经历：

“大二期间在一家出版社编辑部实习，工做内容就是校对文稿中的各类类型的错误。编辑部考核校对质量的办法是，人为的事先在文稿中加入各类类型的错误，而后根据你的错误发现率来衡量，并计算实习工资。”

“你干得咋样？”

“我学习了他们的规则，写了个程序来查错，拿到了第一个满分”

“厉害了...”

“第二个月就不行了，他们不搞错别字了，搞了一堆语法、语义、中心思想的错误... 我就专心干活儿了”

“...”

异曲同工，其致一也。

---

本文做者：义理

阅读原文

本文来自云栖社区合做伙伴“阿里技术”，如需转载请联系原做者。