現(xiàn)代軟件測(cè)試技術(shù)之美

第 1章　軟件測(cè)試新理念　1
1.1　測(cè)試左移　2
1.1.1　傳統(tǒng)瀑布模型下軟件測(cè)試的挑戰(zhàn)　2
1.1.2　測(cè)試左移的早期實(shí)踐　3
1.1.3　當(dāng)前軟件測(cè)試工程化的困局與解法　4
1.1.4　測(cè)試左移的進(jìn)階實(shí)踐　7
1.1.5　測(cè)試左移的深度思考　9
1.1.6　總結(jié)　9
1.2　測(cè)試右移　9
1.2.1　A/B測(cè)試　9
1.2.2　灰度發(fā)布　10
1.2.3　線上監(jiān)控　12
1.2.4　用戶體驗(yàn)分析　12
1.2.5　總結(jié)　14
1.3　可測(cè)試性設(shè)計(jì)　14
1.3.1　可測(cè)試性的定義　15
1.3.2　可測(cè)試性差引發(fā)的問題　15
1.3.3　可測(cè)試性的3個(gè)核心觀點(diǎn)　17
1.3.4　可測(cè)試性的4個(gè)維度　18
1.3.5　不同級(jí)別的可測(cè)試性與工程實(shí)踐　21
1.3.6　總結(jié)　25
1.4　測(cè)試分析與測(cè)試設(shè)計(jì)　25
1.4.1　什么是測(cè)試分析與測(cè)試設(shè)計(jì)　25
1.4.2　測(cè)試分析與測(cè)試設(shè)計(jì)的分類　26
1.4.3　基于用戶行為和業(yè)務(wù)場(chǎng)景的測(cè)試分析與測(cè)試設(shè)計(jì)　28
1.4.4　測(cè)試分析與測(cè)試設(shè)計(jì)的未來　28
第 2章　軟件測(cè)試新方法　30
2.1　契約測(cè)試　31
2.1.1　什么是契約測(cè)試　31
2.1.2　契約測(cè)試存在的問題　32
2.1.3　契約測(cè)試的主要實(shí)踐　32
2.1.4　總結(jié)　37
2.2　測(cè)試驅(qū)動(dòng)開發(fā)　38
2.2.1　TDD是什么　38
2.2.2　TDD怎么做　40
2.2.3　“TDD已死”？　44
2.2.4　總結(jié)　46
2.3　探索式測(cè)試　46
2.3.1　探索式測(cè)試的歷史與簡(jiǎn)介　46
2.3.2　探索式測(cè)試的現(xiàn)狀　47
2.3.3　探索式測(cè)試在敏捷開發(fā)中的實(shí)踐　48
2.3.4　探索式測(cè)試的產(chǎn)出度量　50
2.3.5　總結(jié)　50
2.4　低代碼測(cè)試　50
2.4.1　低代碼測(cè)試的切入點(diǎn)　51
2.4.2　低代碼GUI測(cè)試　51
2.4.3　低代碼API測(cè)試　55
2.4.4　總結(jié)　56
2.5　混沌工程　57
2.5.1　混沌工程的理念　57
2.5.2　混沌工程的發(fā)展歷程　57
2.5.3　混沌工程的價(jià)值　58
2.5.4　核心觀點(diǎn)和常見誤區(qū)　59
2.5.5　實(shí)施混沌工程的原則　61
2.5.6　實(shí)施混沌實(shí)驗(yàn)的步驟　62
2.5.7　混沌工程常用工具和使用演示　63
第3章　軟件測(cè)試新技術(shù)（上）　71
3.1　流量回放　72
3.1.1　使用GoReplay和Diffy進(jìn)行流量回放　73
3.1.2　使用jvm-sandbox-repeater進(jìn)行流量回放　75
3.1.3　基于Service Mesh進(jìn)行流量回放　76
3.1.4　總結(jié)　78
3.2　精準(zhǔn)測(cè)試　78
3.2.1　精準(zhǔn)測(cè)試的技術(shù)實(shí)現(xiàn)　79
3.2.2　精準(zhǔn)測(cè)試的前沿探索　81
3.2.3　總結(jié)　82
3.3　模糊測(cè)試　82
3.3.1　模糊測(cè)試介紹　82
3.3.2　模糊測(cè)試實(shí)施步驟　83
3.3.3　模糊測(cè)試實(shí)例　84
3.3.4　展望　85
3.4　變異測(cè)試　86
3.4.1　單元測(cè)試代碼覆蓋率的局限性　86
3.4.2　變異測(cè)試的基本概念　86
3.4.3　變異測(cè)試是新技術(shù)嗎　86
3.4.4　實(shí)施變異測(cè)試的步驟　87
3.4.5　主流變異測(cè)試工具用法簡(jiǎn)介　88
3.4.6　變異測(cè)試的工程化實(shí)踐　94
3.4.7　變異測(cè)試在接口測(cè)試中的應(yīng)用與探索　95
3.5　服務(wù)虛擬化　96
3.5.1　服務(wù)虛擬化介紹及面對(duì)的問題　96
3.5.2　解決方案　97
3.5.3　服務(wù)虛擬化實(shí)例 —— Hoverfly　100
3.5.4　總結(jié)　102
第4章　軟件測(cè)試新技術(shù)（下）　103
4.1　全鏈路壓測(cè)　104
4.1.1　壓測(cè)數(shù)據(jù)隔離　104
4.1.2　壓測(cè)模型構(gòu)建　106
4.1.3　應(yīng)用服務(wù)改造　108
4.1.4　壓測(cè)流量制造　108
4.1.5　風(fēng)險(xiǎn)控制　109
4.1.6　組織協(xié)作　110
4.1.7　總結(jié)　110
4.2　安全測(cè)試新技術(shù)　110
4.2.1　安全測(cè)試的基本方法　111
4.2.2　安全測(cè)試的效果度量　111
4.2.3　軟件安全漏洞的分類　113
4.2.4　安全測(cè)試的分類　114
4.2.5　不同類型項(xiàng)目的安全測(cè)試　116
4.2.6　DevSecOps：從安全測(cè)試到安全工程　117
4.3　移動(dòng)測(cè)試新技術(shù)　123
4.3.1　移動(dòng)測(cè)試現(xiàn)狀　123
4.3.2　移動(dòng)應(yīng)用的測(cè)試策略與測(cè)試架構(gòu)　123
4.3.3　移動(dòng)測(cè)試的分類與框架　126
4.3.4　移動(dòng)測(cè)試的未來　128
4.4　大數(shù)據(jù)測(cè)試　128
4.4.1　大數(shù)據(jù)的特征　129
4.4.2　大數(shù)據(jù)測(cè)試的策略　130
4.4.3　大數(shù)據(jù)測(cè)試的步驟　131
4.4.4　大數(shù)據(jù)測(cè)試的挑戰(zhàn)　132
4.4.5　總結(jié)　132
4.5　人工智能測(cè)試　132
4.5.1　人工智能應(yīng)用概述　133
4.5.2　傳統(tǒng)軟件測(cè)試技術(shù)的局限性　133
4.5.3　機(jī)器學(xué)習(xí)在 GUI 自動(dòng)化測(cè)試執(zhí)行領(lǐng)域的應(yīng)用與創(chuàng)新　134
4.5.4　機(jī)器學(xué)習(xí)在測(cè)試設(shè)計(jì)領(lǐng)域的應(yīng)用與創(chuàng)新　135
4.5.5　機(jī)器學(xué)習(xí)在測(cè)試結(jié)果分析領(lǐng)域的應(yīng)用與創(chuàng)新　138
4.5.6　總結(jié)　139
4.6　ChatGPT在自動(dòng)化測(cè)試領(lǐng)域的應(yīng)用　139
4.6.1　ChatGPT簡(jiǎn)介　139
4.6.2　ChatGPT和自動(dòng)化測(cè)試　140
4.6.3　使用ChatGPT生成基于Cucumber的GUI自動(dòng)化測(cè)試用例　140
4.6.4　ChatGPT在自動(dòng)化測(cè)試應(yīng)用中的一些問題　143
4.6.5　總結(jié)　143
第5章　軟件測(cè)試基礎(chǔ)設(shè)施　144
5.1　測(cè)試環(huán)境　145
5.1.1　容器化的“One-Box”方案　145
5.1.2　容器化的“軟隔離”方案　146
5.1.3　測(cè)試環(huán)境的穩(wěn)定性巡檢　148
5.1.4　總結(jié)　148
5.2　測(cè)試執(zhí)行環(huán)境　149
5.2.1　測(cè)試執(zhí)行環(huán)境的痛點(diǎn)　149
5.2.2　基于Selenium Grid的解決方案　149
5.2.3　測(cè)試基礎(chǔ)架構(gòu)的基本概念　154
5.2.4　測(cè)試基礎(chǔ)架構(gòu)的設(shè)計(jì)　155
5.2.5　測(cè)試基礎(chǔ)架構(gòu)的選型原則　161
5.3　測(cè)試數(shù)據(jù)新知　162
5.3.1　測(cè)試數(shù)據(jù)的現(xiàn)狀　162
5.3.2　測(cè)試數(shù)據(jù)的分類　162
5.3.3　測(cè)試數(shù)據(jù)的未來　164
5.4　測(cè)試中臺(tái)　164
5.4.1　統(tǒng)一測(cè)試執(zhí)行服務(wù)　165
5.4.2　統(tǒng)一測(cè)試數(shù)據(jù)服務(wù)　165
5.4.3　測(cè)試執(zhí)行環(huán)境準(zhǔn)備服務(wù)　166
5.4.4　被測(cè)系統(tǒng)部署服務(wù)　166
5.4.5　測(cè)試報(bào)告服務(wù)　166
5.4.6　全局測(cè)試配置服務(wù)　167
5.4.7　大型全球化電商網(wǎng)站測(cè)試中臺(tái)的使用示例　168
第6章　軟件測(cè)試常見困惑　170
6.1　測(cè)試人員和開發(fā)人員的理想比例是多少？　171
6.2　系統(tǒng)出現(xiàn)漏測(cè)，這個(gè)“鍋”應(yīng)該誰(shuí)來背？　172
6.3　測(cè)試工程師如何應(yīng)對(duì)“一句話需求”？　173
6.4　測(cè)試工程師必須要有開發(fā)能力嗎？　174
6.5　編寫測(cè)試用例文檔花費(fèi)了大量的時(shí)間和精力，是否真的值得？　174
6.6　現(xiàn)在很多公司都在去測(cè)試化，我們究竟還要不要專職的測(cè)試人員？　175
6.7　質(zhì)量與效能，魚和熊掌真的不能兼得嗎？　176
6.8　大規(guī)模敏捷團(tuán)隊(duì)中有哪些測(cè)試問題和痛點(diǎn)？　177
6.8.1　背景介紹　177
6.8.2　問題和痛點(diǎn)　177
6.8.3　總結(jié)　181
第7章　軟件測(cè)試行業(yè)案例　183
7.1　某大型電商公司推動(dòng)質(zhì)量中臺(tái)建設(shè)的成功經(jīng)驗(yàn)與失敗教訓(xùn)　184
7.1.1　背景　184
7.1.2　推動(dòng)質(zhì)量基礎(chǔ)設(shè)施建設(shè)所走過的彎路　185
7.1.3　質(zhì)量中臺(tái)建設(shè)　186
7.1.4　總結(jié)　186
7.2　某“頭部”券商數(shù)字化轉(zhuǎn)型中的軟件測(cè)試實(shí)踐探索　186
7.2.1　背景　186
7.2.2　數(shù)字化轉(zhuǎn)型中的測(cè)試技術(shù)應(yīng)用　187
7.2.3　總結(jié)　191
7.3　AI技術(shù)在質(zhì)量領(lǐng)域的實(shí)踐　191
7.3.1　背景　192
7.3.2　AI應(yīng)用場(chǎng)景　192
7.3.3　落地效果　198
7.3.4　未來方向與展望　201