13 KiB
28｜解决问题：如何保证自动化测试的可信性？
你好，我是柳胜。
咱们今天讨论一个十分影响自动化测试ROI的具体问题，就是自动化测试的可信性。你可能听过健壮性，稳定性，但什么是自动化测试可信性呢？
我说一个场景你就明白了，当你的UI automation测试报告显示Login案例运行失败了，查了Log之后，发现是测试机上出了一个弹窗，转移了浏览器的焦点导致失败。这种情况下，就是自动化测试的失败 != 产品的Bug，你白忙活了一通。
同样的，另外一个场景，你的API automation测试报告一直显示成功，直到有一天，生产环境发生了Bug，你检查API test的执行日志，才发现API的Response早就出了问题。一个字段的Default value从True变成了0，但是Automation没有检查这个字段，漏掉了Bug。这种情况下，自动化测试的成功 ！= 产品没有问题， Bug泄漏了。
通过这两个例子，你能够看出来，可信性指的是自动化测试报告是否直接反映产品真实的质量状态。如果它经常误导报告的使用者，那么自动化测试快速可靠的价值就会大打折扣。你也没有信心把自动化测试当做一个服务，提供给开发人员和运维人员去使用。
如果你的自动化测试项目有可信性不足的问题，那怎么办呢？学完今天的内容，你就知道怎么用度量驱动来解决这个问题了。
可信性
我们首先分析一下自动化测试报告失信是怎么发生的。我们把测试结果的成功和失败，跟产品功能的正确和错误，做一个组合矩阵。
结合矩阵我们可以看到四种情形：
1.产品功能出错的时候，自动化测试会检测出来也报错，这叫做True Positive，真阳。
2.产品功能出错的时候，但是自动化测试运行结果是成功，这叫做False Negative，假阴。
3.产品功能正确的时候，自动化测试也运行成功，这叫True Negative，真阴。
4.产品功能正确的时候，但自动化测试运行结果是失败，这叫False Positive，假阳。
真阴和真阳都是我们期望的，也就是说自动化测试的结果反映了产品功能质量状态。而假阳和假阴是我们要避免的，因为此时自动化测试的结果，歪曲了产品功能质量状态。
其中假阳的后果是浪费了自动化测试人员的维护时间，所以我管它叫做测试噪声。而假阴的后果是导致Bug没能被检测到，泄漏到了生产环境中，我管它叫做 Bug泄漏。
我们期望能够避免假阴和假阳，那应该怎么做呢？ 数据驱动的解决思路很简单，两步走：首先我们要能计算出来假阴和假阳的数量，然后找到降级它们的办法。
度量假阴和假阳
怎么度量假阴和假阳？ 有几种思路来实现。
基于Bug的方式
第一种，基于Bug的方式。
每一个自动化测试的失败会触发提交一个Bug，然后交给自动化测试人员诊断。如果是真的Bug，就移交给开发人员；如果是假阳的话，需要给Bug标记一个“Not a Bug”，最后我们统计“Not a Bug”的Bug数量作为假阳的数量。
同样，假阴也可以用Bug来度量。我们通过Bug溯源，就可以知道Bug是在哪个阶段泄漏的，如果是自动化测试泄漏的话，那做一个标记“Automation Leakage”， 最后再统计所有带有“Automation Leakage”标记的Bug作为假阴的数量。这样，假阳和假阴的数量我们就都有了。
这种基于Bug的方式，从理论上看起来讲得通，但我们要是实践起来，就会发现其中的困难。有两个因素会导致你的统计不全面：第一是需要增加人工的工作量，第二是人的主观判断会影响到度量结果。
这两个因素会导致度量的收集不全面，不准确。比如，Bug不做标记，就不会被统计到；Bug标记错了，就会不准确，标记错误是很常见的，有的人会觉得Bug是UI自动化测试的泄漏，有的人会认为是API自动化测试的泄漏，不同人去做这个归类，都会得出不同的结果。
一旦推行设计了这样的度量方式，改进目标很可能最终落空，因为数据可能被扭曲，甚至发生数据造假的情况。实际上，上面说的基于Bug的方式，违背了我们讲过的一个度量原则——度量数据的来源应该是来自未经人加工的数据。
所以，我们再接着寻找更合适的度量办法。
Assert方式
有没有办法能用代码去判断是假阳还是真阳呢？具体的场景就是，在自动化测试运行失败的时候，代码能自动地去识别这是一个产品的错误，还是自动化测试代码的问题。
方向找到了，使用关键问题法（可以回顾第二十七讲），我们可以提出这样的问题：“产品的错误和测试代码问题有什么区别？”。
下面我们通过一个自动化测试案例的代码示例，也就是Restassure工具开发来分析一下。
@Test
public void searchMovieById() {
//加载测试数据，电影为哈利波特
TestData testMovie = TestData.loadJson("movie_harryPotter.json");
//查询Movie API，验证Movie ID为123456
get(uri + "/movie/123456").then()
.assertThat()
.statusCode(HttpStatus.OK.value())
.body("id", equalTo(123456))
.body("name", equalTo(testMovie.getName()))
.body("Type",testMovie.getType());
}
这段API 测试代码，是测试 GET "/movie/123456"得到的数据。对于这个结果数据，一共有四个验证点，HTTP状态代码是200，movie的id、name和type。为了执行测试，还加载了一个测试数据源movie_harryPotter.json。
searchMovieById函数一共有7行代码，每一行代码都有可能引起searchMovieById的运行失败。测试数据加载找不到文件，movie API返回的数据不是哈利波特的电影，或者返回的数据里没有Name字段，这些都可能是searchMovieById失败的原因。
我们来分析一下这些失败情况，哪些是假阳，哪些是真阳呢？
测试数据的加载失败是假阳，因为它是自动化测试代码本身的问题，需要自动化测试开发人员来解决；而返回数据不正确则是真阳，它代表着一个产品的错误，需要开发人员，环境人员和业务人员来共同处理。
我们再返回到代码来观察这些假阳和真阳的失败出处，就会发现一些特征：产品的错误是由Assert语句捕捉到的，它们是关键的测试逻辑，而Assert语句之外的代码，是辅助测试构建的，它们必须保证健壮和稳定。
到这里，我们就梳理出一条规则，可以区分出产品错误和代码健壮性问题：Assert检查点的失败，是产品错误，其它的失败都属于自动化测试代码健壮性的问题。
基于这条规则，真阳率和假阳率的度量公式我们就找到了，即：
真阳率 = Assert语句引起的失败次数/自动化测试失败的总数
除了真阳，就是假阳，那么假阳率 = 1-真阳率。
基于Assert语句的度量方法解决了Bug方式的人工污染问题。因为Assert语句是在开发代码写入的，抛出来的Assert Exception也可以被框架识别，它的数据采集是可以完全自动化的，不需要人工参与。但Assert度量方式需要基于一个规则，那就是测试人员把验证逻辑都用Assert语句来表达。
所以，如果我们以Assert语句的假阳率为度量指标，那么它就会起到一个效果：推动自动化测试开发人员做更多的Assert检查点。这不正是我们期望的么？ 通过度量驱动，把团队带入到一个积极的正向循环里。
好，假阳度量解决了，我们再来看看假阴的度量。
假阴的场景是：自动化测试运行成功了，但实际没有捕捉到它应该捕捉到的Bug。这种Bug泄漏情况，看起来只能是Bug发生了之后，才能度量假阴率。如果没有Bug发生，或者即使发生了，没有人去做标记归因，那么假阴率就始终为0。所以通过基于Bug的方式来衡量假阴，也是不靠谱的。
假阴该怎么度量呢？参照上面的假阳度量方式，我们也可以从代码层级上来度量假阴。
没有Bug怎么办？那就创造Bug来度量。听到这句话，你会不会感觉很熟悉呢？没错，在第二十六讲提到的变异测试里的每一个变异，就是一个制造出来的Bug。变异测试覆盖率的反向指标就是假阴率，变异测试覆盖率越高，假阴率就越低。
另外我再分享一个思路，既然度量的目标是为了提升自动化测试可信性，我们可以用最佳实践法来创建度量。在假阳度量分析中，我们知道产品的错误是由Assert语句发现的，那么Assert语句越多，产品的验证越完备，Bug的泄漏可能性也会降低。
基于这个逻辑，我们可以把验证点的数量/测试案例作为一个度量，就是每个测试案例中出现的验证点数量，来驱动自动化测试开发人员养成在测试案例多做检查点的习惯，最终达到减少假阴的目标。
建立度量是度量驱动循环中最重要的一环，合理有效的度量指标，就是自动化测试的前行路上的灯塔。有了灯塔指引方向，大船航行就不至于迷失偏航。接下来，我们就来看看“航行路线”，也就是完整度量过程的生命周期。
建立完整度量驱动周期
一个完整的度量周期可以分解成四个阶段：
1.度量定义：建立度量指标，设置目标
2.数据采集：收集原始数据，聚合成度量指标
3.问题分析：查看度量数据，并找出问题
4.优化改进：提出和应用解决办法
经过这四个阶段，一个循环周期就宣告完成。然后可以重新开始第一阶段“度量定义”，进入第二个循环周期，持续改进，直到度量达到目标。这时候，就可以考虑换一个新的度量指标来提升了。如下图：
就拿前面我们说的假阳度量为例。在第一个循环周期，我们先采集出来假阳率是多少，比如是40%。
接着我们从第二个循环周期开始，设置假阳率的目标是控制在15%，推动团队想尽办法，通过技术或流程，来降低假阳率。然后是第三个周期，如果得到假阳率是30%，那说明办法奏效了，继续努力，直到最终假阳目标达到15%。
为了保持成果，你可以把假阳率保留在观测列表上，这样，一旦有什么变动影响到了假阳率，我们可以快速得知，作出反应。
其中，第一步的度量设计和第四步的改进办法，需要测试架构师带领团队完成。而第二步和第三步，数据的采集和分析，应该自动化来完成，不需要人工的干预。自动化采集数据和分析如何实现，下一讲度量技术里我们再展开说。
小结
到这里，我们总结一下今天学习到的内容。
今天我们提出了一个自动化测试比较棘手的高发问题，就是如果自动化测试不能真实地反映产品的质量状态，应该如何解决。
为了抓住解决问题的重点。我们先对自动化测试的结果做了分析，得出了假阴，假阳，真阴，真阳四种结果。
其中，假阴和假阳是需要解决掉的问题；假阳相当于噪声，浪费自动化测试维护工作量。假阴是Bug泄漏，直接影响自动化测试的最终质量。
怎么减少假阴和假阳呢？当然，如果你是一个人做自动化测试，这就靠个人的责任心和技术能力就可以解决了。但如果你所在的是一个规模化的自动化测试团队，那就需要一个可见、透明且合理的方法来推动工作。这就是度量驱动。
但度量驱动的最关键的是设计一个合理的度量指标。针对假阳和假阴，我们探讨了两种实现方式，基于Bug的方式和基于Assert的方式。Bug是从结果的来度量，Assert是从实现过程来度量。而结果容易被人工污染，相比之下，Assert更具有优势，客观，无人干预，自动化。
有了度量后，就要驱动工作的优化和提升了。这里我把一个周期分解成了四个阶段：度量定义，数据采集，问题分析，优化改进。
在下一讲我会给你介绍度量技术的实现，让整个生命周期能够自动化运行，IT大佬李国庆对当当网的数据改造项目说过这样一句话“数据是最有价值的，观点是廉价的”。度量的实现，也是自动化测试工作价值的可视化。如何用数据向你的平级和领导描述自动化，比起单纯的观点更有说服力，敬请期待。
思考题
对于假阴和假阳的情况，你是怎么处理和提升的，有没有用到度量呢？如果用到了，请分享你的度量方法。
欢迎你在留言区跟我交流互动。如果觉得今天讲的方法对你有启发，也推荐你分享给更多朋友、同事。