pc网站做app京东,松江做网站多少钱,中山城市建设集团网站,canvas效果网站测试覆盖率
测试覆盖率(test coverage)是衡量软件测试完整性的一个重要指标。掌握测试覆盖率数据#xff0c;有利于客观认识软件质量#xff0c;正确了解测试状态#xff0c;有效改进测试工作。
当然#xff0c;要发挥这些作用#xff0c;前提是我们掌握了真实的测试覆盖…测试覆盖率
测试覆盖率(test coverage)是衡量软件测试完整性的一个重要指标。掌握测试覆盖率数据有利于客观认识软件质量正确了解测试状态有效改进测试工作。
当然要发挥这些作用前提是我们掌握了真实的测试覆盖率数据。通常这并不是一件很直接的事情。
如何度量
那么如何度量测试覆盖率呢
在度量测试覆盖率之前我们需要明确测试覆盖率的定义。毕竟不同的定义会产生完全不同的覆盖率数据。
这里我基于个人认知和经验总结三种最常见的测试覆盖率定义及度量方法。
代码覆盖率
最著名的测试覆盖率就是代码覆盖率。这是一种面向软件开发和实现的定义。它关注的是在执行测试用例时有哪些软件代码被执行到了有哪些软件代码没有被执行到。被执行的代码数量与代码总数量之间的比值就是代码覆盖率。
这里根据代码粒度的不同代码覆盖率可以进一步分为源文件覆盖率类覆盖率函数覆盖率分支覆盖率语句覆盖率等。它们形式各异但本质是相同的。
如何度量代码覆盖率呢一般可以通过第三方工具完成。不同编程语言有不同的工具。
例如Java语言有JacocoGo语言有GoCovPython语言有Coverage.py。
这些度量工具有个特点那就是它们一般只适用于白盒测试尤其是单元测试。对于黑盒测试(例如功能测试/系统测试)来说度量它们的代码覆盖率则相对困难多了。
主流编程语言一般都有现成的单元测试工具拿过来稍作配置即可使用。但是如果想更进一步去了解这些工具背后的实现原理就需要花费一些功夫了。
以Python覆盖率工具Coverage.py为例它包括执行分析和生成报告三大模块。最核心的执行模块依赖Python内置的trace函数。这是一个由Python解释器提供的当每一行Python代码被执行时所激活的函数。
基于trace函数我们可以得到每一行被执行的代码所在的文件和行数。然后结合软件源代码我们就可以分析出测试的代码覆盖情况最后生成覆盖报告。
对于黑盒测试例如功能测试/集成测试/系统测试等来说测试用例通常是基于软件需求而不是软件实现所设计的。
因此度量这类测试完整性的手段一般是需求覆盖率即测试所覆盖的需求数量与总需求数量的比值。
需求覆盖率
视需求粒度的不同需求覆盖率的具体表现也有不同。例如系统测试针对的是比较粗的需求而功能测试针对的是比较细的需求。当然它们的本质是一致的。
如何度量需求覆盖率呢通常没有现成的工具可以使用而需要依赖人工计算尤其是需要依赖人工去标记每个测试用例和需求之间的映射关系。
对于黑盒测试来说由于测试是基于用户场景而不是软件实现设计的。因此这个时候去度量软件代码覆盖率其意义并不显著至少是不如需求覆盖率的。
代码覆盖率和需求覆盖率有一个共同点即它们都是面向测试过程的指标。因此有个不足之处即覆盖率数据可能无法完全反映真实的测试状态和水平。
对于代码覆盖率来说广为诟病的一点就是100%的代码覆盖率并不能说明代码就被完全覆盖没有遗漏了。因为代码的执行顺序和函数的参数值都可能是千变万化的。一种情况被覆盖到不代表所有情况被覆盖到。
对于需求覆盖率来说100%的覆盖率也不能说“万事大吉”。因为需求可能有遗漏或存在缺陷测试用例与需求之间的映射关系尤其是用例是否真正能够覆盖对应的测试需求也可能是存在疑问的。
缺陷覆盖率
测试的目的是发现软件缺陷。因此衡量测试完整性的终极指标应该是面向测试结果的缺陷覆盖率即测试所实际发现的缺陷数量与测试所应该发现的缺陷总量的比值。
软件测试一般是分为多个测试阶段的。每个阶段有每个阶段的任务。对于当前测试阶段来说在后续阶段发现的缺陷中属于当前阶段(而不是更早阶段)遗漏出去的缺陷是我们需要重点关注的。
虽然讨论缺陷覆盖率有一种“事后诸葛亮”的感觉但是它的意义是不容忽视的。一方面它提供了评价某一阶段测试工作成效的重要指标另一方面它为我们改进测试工作提供了重要参考。例如针对每一个遗漏缺陷深入挖掘举一反三可以避免同类问题在未来再次发生。
总结一下这里介绍了三种常见的测试覆盖率的定义和度量方法分别是代码覆盖率需求覆盖率和缺陷覆盖率。它们适用于不同的场景有各自的优势与不足。需要注意的是它们不是互相排斥而是相互补充的。
JAVA覆盖率工具介绍
市场上java主要代码覆盖率工具EMMA、JaCoCo
总结一下个人对JaCoCo优势的理解
1JaCoCo支持分支覆盖、引入了Agent模式。
2EMMA官网已经不维护了JaCoCo是其团队开发的可以理解为一个升级版。
3JaCoCo社区比较活跃官网也在不断的维护更新。
我们前期使用的EMMA也做了全量、差异覆盖率和精准耦合也结合在了一起但后来考虑到JaCoCo的优势也就全部切换了过来。
JaCoCo 简述
JaCoCo 是一个开源的覆盖率工具(官网地址http://www.eclemma.org/JaCoCo/)它针对的开发语言是java其使用方法很灵活可以嵌入到Ant、Maven中可以作为Eclipse插件可以使用其JavaAgent技术监控Java程序等等。
很多第三方的工具提供了对JaCoCo的集成如sonar、Jenkins等。
JaCoCo包含了多种尺度的覆盖率计数器,包含指令级覆盖(Instructions,C0coverage)分支Branches,C1coverage、圈复杂度(CyclomaticComplexity)、行覆盖(Lines)、方法覆盖(non-abstract methods)、类覆盖(classes)后面会一一介绍。
我们先看看其覆盖率结果展现如下图1-1所示方便读者先有一个大概的了解。
JaCoCo 基本概念
行覆盖率度量被测程序的每行代码是否被执行判断标准行中是否至少有一个指令被执行。
类覆盖率度量计算class类文件是否被执行。
分支覆盖率度量if和switch语句的分支覆盖情况计算一个方法里面的
总分支数确定执行和不执行的分支数量。
方法覆盖率度量被测程序的方法执行情况是否执行取决于方法中是否有至少一个指令被执行。
指令覆盖计数单元是单个java二进制代码指令指令覆盖率提供了代码是否被执行的信息度量完全独立源码格式。
圈复杂度在线性组合中计算在一个方法里面所有可能路径的最小数目缺失的复杂度同样表示测试案例没有完全覆盖到这个模块。 这个图包含了几种不同的收集覆盖率信息的方法每种方法的实现方法都不一样带颜色的部分是JaCoCo比较有特色的地方。
上面各个名次含义带颜色的为JaCoCo支持 上表JaCoCo支持的部分再详细的解释下
插桩模式
1JaCoCo在Byte Code时使用的ASM技术修改字节码方法可以修改Jar文件、class文件字节码文件。
2JaCoCo同时支持on-the-fly和offline的两种插桩模式。
On-the-fly插桩
JVM中通过-javaagent参数指定特定的jar文件启动Instrumentation的代理程序代理程序在通过Class Loader装载一个class前判断是否转换修改class文件将统计代码插入class测试覆盖率分析可以在JVM执行测试代码的过程中完成。
Offline模式
在测试前先对文件进行插桩然后生成插过桩的class或jar包测试插过桩的class和jar包后会生成动态覆盖信息到文件最后统一对覆盖信息进行处理并生成报告。
对比
On-the-fly和offline比较
On-the-fly模式更方便简单进行代码覆盖分析无需提前进行字节码插桩无需考虑classpath 的设置。
存在如下情况不适合on-the-fly需要采用offline提前对字节码插桩
1运行环境不支持java agent。
2部署环境不允许设置JVM参数。
3字节码需要被转换成其他的虚拟机如Android Dalvik VM。
4动态修改字节码过程中和其他agent冲突。
5无法自定义用户加载类。
java方法控制流分析
JaCoCo是如何在字节码注入的
我们带着疑问来看下面的内容
先举个实例有个java方法 编译后转换成字节码后内容如下 我们知道JaCoCo是字节码注入方式它是通过一个Probe探针的方式来注入的具体如下
探针是字节指令集插入到java方法中程序执行后可以被记录它不会改变原有代码的行为。
我们看看探针前后插入比较 颜色的部分就是探针注入的地方。
JaCoCo是根据控制流Type来采用不同的探针插入策略的。
一个用java字节码定义的java方法的控制流图可能有以下的type每一个type连接一个源指令与目标指令,type不同探针的注入策略也会不同如下是type定义 探针不改变该方法的行为但记录他们已被执行的事实从理论上讲可以在控制流图的每一个边插入一个探针作为探针实现本身需要多个字节码指令这将增加几倍的类文件的大小和执行速度。 参考资料
iOS 覆盖率检测原理与增量代码测试覆盖率工具实现
聊聊度量测试覆盖率的几种方式
伊斯坦布尔测试覆盖率的实现原理
测试覆盖率
