阿里研究員：測試穩定性三板斧，我怎麼用？

阿里妹導讀：如何治理測試穩定性問題？很多人會說：環境、流程管控、監控、工具化、加機器、專人負責、等等。這些都是對的。不過這些都是解決方案層面的，而不是方法論和理論體系層面的。今天，阿里研究員鄭子穎來說說測試穩定性的三板斧。據說，阿里同學們都非常認同這三板斧，看完文章感覺很多做的事情有了理論基礎。

鄭子穎：阿里巴巴研究員，2002年上海交通大學計算機系碩士畢業。2018年3月加入阿里，負責質量和技術風險。

1. 測試穩定性問題

理想情況下，我們希望每一個失敗的測試用例［1］都是由真正的缺陷引起的。實際情況中，用例失敗的原因大多是一些其他的原因：

某個服務的版本部署的不對

測試執行機的硬碟滿了，因為上次執行時寫的log沒清掉

資料庫裡有髒資料

測試用例寫得有問題

測試執行時有人手工執行了一次定時任務，把流水撈走了

訊息串了

。。。

每次排查都是一堆這種問題，時間久了，開發和測試同學也就疲了。有些同學對失敗的用例草草看一眼，就說這是一個“環境問題”，不再排查下去了。如此一來，很多真正的缺陷就被漏過了。

2. 測試穩定性三板斧

如何治理測試穩定性問題？很多人會說：環境、流程管控、監控、工具化、加機器、專人負責、等等。這些都是對的。不過這些都是解決方案層面的，而不是方法論和理論體系層面的。

在方法論和理論體系層面，我們對安全生產有三板斧：

可灰度、可監控、可回滾。

類似的，對於測試穩定性，我也有三板斧：

高頻（Frequency）

隔離（Isolation）

用完即拋（Disposable）

三板斧之一：高頻

“If it hurts， do it more often”是我說的最多的一句話之一。這句話從Martin Fowler那兒來的，有興趣的可以讀一下他的那篇“Frequency Reduces Difficulty”的原文。

高頻跑測試的好處是：

縮短驗證的delay

變主動驗證為“消極等待”

識別intermittent的問題

暴露各層面的不穩定因素

倒逼人肉環節的自動化

提供更多的資料供分析

。。。

高頻不單單是治理測試穩定性的不二法門，也是治理其他工程問題的game changer：

持續打包：以前只是在部署測試環境前才打包，經常因為打包的問題導致部署花了很多時間，還影響了後面的測試進度。針對這個問題，我們做了持續打包，每個小時都會對master的HEAD打包，一旦遇到問題（例如：依賴的mvn包缺失、配置缺失、等等），馬上修復。

天天上生產：現在每週發一次生產環境，每次都費事費力。我提出能不能天天上生產。釋出還是按照原來的節奏來，每週發一次新程式碼，一週裡的其餘日子，就算沒有新程式碼也要走一遍生產釋出。空轉。不為別的，就是為了要用高頻來暴露問題、倒逼人肉環節的自動化、倒逼各種環節的最佳化。

分支合併很痛苦，那就頻繁合併，一天一次，一天多次。做到極致就變成了主幹開發，一直在rebase、一直在提交。

螞蟻的SRE團隊也是用的是高頻的思路。為了加強容災能力建設、提高容災演練的成功率，SRE團隊的一個主打思想就是要高頻演練，用高頻演練來充分暴露問題、倒逼能力建設。

高頻也不是那麼容易做到的。

高頻需要基建保障。首先，高頻需要資源。高頻執行還會給基建的各個方面造成前所未有的壓力。高頻還需要能力水平達到一定的基準。就拿SRE的高頻演練來說吧。如果每次演練還有很多問題，那是不可能搞高頻的。能高頻做演練的前提是我們的隔離機制、恢復能力已經到一定的水平了。對於測試執行來說，高頻跑測試要收到效果，需要把隔離和用完即拋做好。

對於高頻跑測試，一個很常見的疑慮是：原來一天只跑一次，失敗的用例我已經沒有時間一一排查了，現在高頻跑了，我豈不是更沒時間了？我的回答是：實際上，並不會這樣，因為開始高頻跑了以後，很快問題就會收斂的，所以總的需要排查的量可能是差不多的或者反而小了的。

三板斧之二：隔離

相比起三板斧裡的其他兩個（高頻、用完即拋），隔離的重要性應該是比較被廣為接受的。隔離的好處包括：

避免測試執行彼此影響，減少噪音。

提高效率，執行某些破壞性測試的時候不再需要相互協調

隔離無非是兩種：硬隔離、軟隔離。至於到底是走硬隔離路線，還是走軟隔離路線，要根據技術棧、架構、業務形態來具體分析。不過兩條道路都是能通往終局：

硬隔離（全隔離環境、物理隔離）要成為終態，關鍵是成本。要在不增加質量盲區的前提下壓縮成本。例如，如果能把整個支付系統都壓縮在一臺伺服器裡面跑［2］，而且所有的功能（包括中介軟體層面的，例如定時任務、訊息訂閱、分庫分表規則等）都能很好的覆蓋，那是一個理想的終局。每個人都可以隨時搞幾套全量環境，那是很爽的。另外，對架構的拆分解耦（例如，我們做的按域獨立釋出）是有助於降低硬隔離的成本的，可以把一整套被測系統部署的scope大大縮小。

軟隔離（半共享環境，邏輯隔離，鏈路級別隔離）要成為終局，關鍵是隔離的效果。如果隔離做到完美了，就能把今天的聯調環境部署到生產環境裡去跑。這樣，就不存在stable環境穩定性的問題了。這樣，做到了真正的testing in production，也是個很理想的終局狀態。

這兩種終局狀態，我在我以前的工作中都達到過。的確都能work的。這兩種隔離要通往終局，都是技術挑戰。壓縮成本是技術問題。邏輯隔離做徹底做牢靠也是技術問題。

對於我們今天的支付或電商系統來說，我們未來的終局是硬隔離還是軟隔離呢？現在還很難說。從技術可行性方面判斷，軟隔離更有可能成為我們的終局。硬隔離做到深水區以後就很難做了，因為會遇到架構的物理極限。突破架構的物理極限，有可能產生新的質量盲區。但相當長的一段時間裡，硬隔離會繼續對我們幫助很大。例如，我們要做各種非常規測試的時候，就需要硬隔離。軟隔離要做到能夠支援非常規測試，技術複雜度很高。從上個財年開始，我在我團隊搞一鍵拉全量測試環境（硬隔離）的原因就是：一鍵拉全量環境相對比較容易做，主要就是自動化，而基於路由的軟隔離方案一下子還不太ready，短期內達到我們需要的隔離水平還很難。

硬隔離和軟隔離也不是對立的，是可以一起用的。例如，我們在拉起基於路由的隔離環境的時候，拉會新的資料庫。在資料庫層面是一種硬隔離，是對資料庫層面軟隔離能力欠缺的一種補充。

總之，隔離是必須的。採取何種隔離方案，要階段性的基於複雜度、成本、效果等因素的綜合考量。

三板斧之三：用完即拋

我最喜歡的另一句話是：Test environment is ephemeral。這句話是我原創的。Ephemeral的意思就是short-living，短暫的，短命的。我對我的QA團隊反覆講這句話，希望同學們能在日常工作中時刻記得這個原則。

“Test environment is ephemeral”就意味著：

我們的test setup能力要很強。我們今天在搞的一鍵拉起環境，就是這種能力的一部分。而且setup起來以後，要能快速verify。

我們的test strategy、test plan、testability design和test automation，必須不依賴一個long living的測試環境。包括：不能依賴一個long living 的test environment裡面的一些老資料。例如，Test automation必須能自己造資料，造自己需要的所有的資料。

有了這些能力，能夠以零人力成本、非常快速且非常repeatable的從無到有建一套“開箱即用”的測試環境，能夠造出來測試需要的所有資料，我們就能做到測試環境的用完即拋：要跑測試了就新建一個環境，測試跑完了就把環境銷燬掉。下次要用再建一個新的。而且，不單單是測試環境，測試執行機也要用完即拋。

對於用完還需要保留一定時間的環境，也要設一個比較短的上限。例如，我以前採用過這樣的做法：

聯調測試環境預設生命週期是7天。

如果到時間還需要保留，可以延展有效期（expiration date）。每次展期最多可以展7天（相當於是 newExpDate = now + 7，而不是newExpDate = currentExpDate + 7）。

最多可以展期到30天（從createDate開始算），需要30天以上的，需要特批（比如，事業群CTO）。

這樣的好處就是倒逼。必須一刀切的倒逼，一開始會有點痛苦，但很快大家就會習慣的，自動化什麼的很快就跟上了。不這麼逼一逼，很多改進是不會發生的。

用完即拋的好處是：

解決環境腐化問題，減少髒資料

提高repeatability，確保每次測試執行的環境都是一致的

倒逼各種最佳化和自動化能力的建設（測試環境的準備、造資料、等等）

提高資源使用的流動性。實際的物理資源不變的前提下，增加流動性就能增加實際容量。

測試環境用完即拋的確會引入一些新的質量風險。如果有一套長期維護的環境，裡面的資料是之前老版本的程式碼生成的，部署了新版本程式碼後，這些老資料是可以幫我們發現新程式碼裡面的資料相容性問題的。現在用完即拋，沒有老資料了，這些資料相容性問題就可能無法發現。

這個風險的確是存在的。解決這個風向的思路是往前看，而不是往回退。我們要探索資料相容性問題是否有其他的解法。有沒有其他的測試或者質量保障手段。甚至要想一想，怎麼做到“從測到不測”，把資料相容性問題透過架構設計來消除掉，讓它不成為一個問題。

3. 落地

上面講的三板斧，高頻、隔離、用完即拋，的確是有點理想主義的。我們今天的基建、架構、自動化建設，離理想狀態還有不少差距的。

但我們就是要有那麼一點的理想主義的。把這三板斧做好，技術上的挑戰是非常非常大的，但我們有樂觀主義，相信我們能夠達到目標。我們有現實主義，我們可以分解目標，結合實際情況，一步步的去做。

Note：

［1］ 這裡的用例主要指的是功能性的測試用例，包括：unit test、單系統的介面測試、全鏈路/端到端的測試，等等。

［2］ 這樣子做，實操層面的一個可能的負面影響是它可能會discourage微服務化治理（包括，域自治性，獨立測試、獨立釋出能力等）。

你可能還喜歡