业务测试的技术化改进

业务测试的技术化改进

业务的流程和数据模型肯定是存在的 他存在于产品的脑子里, 形成于研发的代码, 并应用于用户身上. 所以三个维度都能做到对业务的建模并识别正确性.

第二个维度是研发的代码. 如果你把代码的演变和执行流程都统计下, 你会发现任何程序都是一种生命体. 他可以进化, 业有瑕疵. 甚至是崩溃. 对代码的建模行业里面也有人在做了. 做法是如下的几种

· 静态分析

· Code Review

· 单测

这几个层面主要是想在底层做一些基础的质量保证, 并尝试把复杂的模型分拆验证. 但是他无法很好的做到全局正确性的校验.

第三个维度是线上产品监控, 使用的技术主要是

· 代码埋点

· 字节码插桩

· 特定语言的debug trace和hook技术

典型的应用场景比如Bugly崩溃分析 Flurry GrowingIO业务流程分析 友盟的运营监控. NewRelic听云 OneAPM性能分析产品兼具部分的业务分析.

这个层面的产品和发展非常的迅猛, 因为他迎合了业务分析+大数据+云计算多个东风. 导致已经非常成熟的应用起来了. 但是还不能完全做到质量正确性验证. 比如因为某个bug. 用户的资产算错了. 这个这些系统都检测不出来.

第四个维度是数据建模分析, 可用的技术方案是

· 数据采集. 包括建模的各种属性

· 规则分析. 根据业务模型指定简单的规则去扫描问题

· 机器学习. 不借助于任何规则. 通过训练数据学习出哪些是bug和正确的功能.