最近十到二十年，軟件業(yè)迎來了一個超高速發(fā)展期，其中軟件測試相對于軟件開發(fā)進展稍微緩慢一點，不過也出現(xiàn)了不少新的思想、技術以及趨勢。基于現(xiàn)階段在客戶現(xiàn)場、業(yè)界大會、與專家的討論以及從網(wǎng)上看到的相關內(nèi)容，我嘗試在本篇文章中總結出幾個測試新趨勢：

AI+測試

利用AI（深度學習等）系統(tǒng)來輔助測試工作絕對是最近幾年最為熱門的一個測試趨勢，其中包括測試用例，測試數(shù)據(jù)和測試代碼的自動生成、大規(guī)模測試結果分析、自動化探索性測試、缺陷定位等，美國已經(jīng)有多個公司推出了商用的AI測試工具。在朱少民老師的公眾號“軟件質量報道”中就有一篇名為《未來已來，人工智能測試勢不可擋：介紹9款AI測試工具》的文章，里面介紹了9款基于AI的測試工具。

雖然已經(jīng)有很多公司開始研究AI輔助測試，也有很多工具問世，但是它們都存在一個很大的問題：準確性不夠高。由于現(xiàn)在AI學習算法本身存在一些問題，其學習并生產(chǎn)的測試用例和驗證條件的準確率都不是很高，我曾經(jīng)參加過幾個大會，其中有幾個中國一線互聯(lián)網(wǎng)廠商分享的AI輔助測試的準確率也只有80%多，不足90%。這種準確率在金融等一些要求很高的系統(tǒng)中很難獲得認同。

我將AI輔助測試分為三步走：

• 第一步，通過深度學習模型自動生產(chǎn)測試用例的輸入，人工驗證輸出。

• 第二步，通過深度學習模型自動生產(chǎn)測試用例的輸入，并通過規(guī)則模型自動驗收輸出。

• 第三步，通過深度學習模型自動生產(chǎn)測試用例的輸入和輸出，并自動驗證輸出。

現(xiàn)在業(yè)界基本上能實現(xiàn)第一步了，有部分公司已經(jīng)可以實現(xiàn)第二步了，而對于第三步，只有少量大公司實現(xiàn)了，并且準確度還不是很高，所以AI輔助測試還有很長的路要走。

新型業(yè)務和架構系統(tǒng)的測試

隨著AI系統(tǒng)、區(qū)塊鏈、微服務以及大數(shù)據(jù)等系統(tǒng)的出現(xiàn)與繁榮，對其進行專項測試也將是一個測試領域的趨勢。這其中會涉及到一些新的挑戰(zhàn)，比如測試AI系統(tǒng)可能會用到和以前完全不一樣的方法與理論體系；測試區(qū)塊鏈的時候如何模擬真實環(huán)境來進行測試；微服務在規(guī)模變大的情況下，是不是需要使用到與以前不一樣的測試策略與一些特殊的測試技術；大數(shù)據(jù)系統(tǒng)如何在測試環(huán)境下，模擬真實的大規(guī)模數(shù)據(jù)，并進行業(yè)務測試等。

測試基礎設施

隨著軟件系統(tǒng)規(guī)模的增大，測試環(huán)境的搭建變得越來越復雜，其成本也越來越高。而且在很多實際的項目中都對測試環(huán)境有一些特定的需求，比如每輪測試之前，回滾上一輪測試影響到的所有數(shù)據(jù)；或者可以快速將集群中的多個節(jié)點上的被測系統(tǒng)回滾到之前的某個版本等。隨著這些需求的增多以及成本壓力的增加，建設現(xiàn)代化的高效的測試基礎設施已經(jīng)成為了一個大型系統(tǒng)的必然趨勢。比如可以利用Docker，Ansible等來搭建高效的測試基礎設施等，然后它還有另外一個新的名字：TestOps。

（來源：https:///topics/8229）

產(chǎn)品環(huán)境下的測試

去年阿里云和騰訊云都發(fā)生不同類型的線上故障，其中阿里云對于其在2018年6月27日線上故障的說明中寫到：“這一功能在測試環(huán)境驗證中并未發(fā)生問題，上線到自動化運維系統(tǒng)后，觸發(fā)了一個未知代碼bug”。由此可見對于大規(guī)模、高復雜度的服務器系統(tǒng)來講，僅僅是在測試環(huán)境進行測試已經(jīng)無法滿足質量需求了，如何在產(chǎn)品環(huán)境下進行測試必將會在現(xiàn)在以及未來云時代中占據(jù)重要位置。比如Netflix一直在宣傳其在產(chǎn)品環(huán)境做大量的FIT和其好處，我的公司同事Martin Fowler 2017在其博客上有一篇文章專門介紹《QA in Product》，還有一個同事林冰玉也發(fā)表了一篇文章《產(chǎn)品環(huán)境下的QA》。

（來源：http:///AiWYS09E）

基于故障注入的測試（混沌工程）

隨著云平臺越來越龐大，越來越復雜，普通的測試用例已經(jīng)很難滿足高可用的需求了，所以基于故障注入的測試（FIT-Failure Injection Testing）也越來越重要。其中Netflix甚至在其產(chǎn)品環(huán)境中大規(guī)模的使用FIT，而不僅僅是在測試環(huán)境中。Netflix在其官方博客中發(fā)表了多篇關于故障注入測試的文章。在未來云的系統(tǒng)的越來越多、越來越復雜的時代，對于一個追求質量的系統(tǒng)，基于故障的注入的測試肯定是必不可少的。

安全開發(fā)流程與自動化安全測試

現(xiàn)在一談到安全，一般都是聊滲透測試或者是安全防護，比如WFA等，很少有人談到安全開發(fā)和開發(fā)流程中的安全測試。其實安全開發(fā)才是最有效的安全防護辦法，比如早在本世紀初微軟就提出了自己的安全開發(fā)流程SDL（Security Development Lifecycle），但是由于微軟的SDL十分笨重，成本也十分高，導致在其當前需要敏捷和快速開發(fā)軟件的互聯(lián)網(wǎng)時代很難推廣。而在其10年后，ThoughtWorks又基于敏捷實踐提出了另外一套安全開發(fā)流程BSI（Build Security In），把各種安全實踐內(nèi)建到軟件開發(fā)的各個關鍵節(jié)點之中，通過盡早引入安全實踐以及快速獲取安全反饋的方式，盡可能早地發(fā)現(xiàn)安全問題。

其中BSI就是結合了敏捷方法論和實踐的一種安全開發(fā)流程，并需要在開發(fā)流程中嵌入各種不同類型的安全測試，比如基于業(yè)務功能的安全測試，基于威脅建模結構的白盒安全測試，以及基于各種黑盒自動化的安全掃描和測試等，對于需要持續(xù)交付的敏捷團隊特別適合。