現(xiàn)代軟件測試技術(shù)之美

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