【单元测试】如何让单元测试的价值最大化

1.背景

关于 “什么是单元测试”、“为什么要做单元测试”、“怎么做单元测试”，网络上相关的技术文章汗牛充栋。尽管如此，在推广单元测试的过程，通过与研发同学的交流，我发现大家对单元测试的探讨还是存在薄弱的地方。这个薄弱的地方既不是抽象的单元测试理论，也不是具体的单元测试工具，而是理论与实践结合的 单元测试策略。

就像测试策略一样，单元测试策略决定了我们能否把单元测试真正做好（而不是流于形式），并且让单元测试产生的价值最大化（而不是与集成测试做类似甚至重复的事情）。

本文讨论的单元测试策略不是空泛的，而是来自于单元测试实践中遇到的真实问题，即：

• 用例设计问题
• 边界测试问题
• Mock 测试问题
• 与集成测试的分工问题
• 度量问题

接下来，我们就来逐一分析这 5 个问题，并探索这些问题的解决之道。

2.用例设计问题

单元测试做得好不好，根本上不在于用多么先进的测试框架、测试工具，而在于 测试用例的有效性，即用例是否覆盖了它应该覆盖的东西。如何设计有效的单测用例？这并不是一个唾手可得的技能。只要留意一下大家日常是怎么设计测试用例的，就知道了。

有的人依靠 “直觉” 或 “经验”，想到什么用例，就测什么用例（可以认为没有测试设计这一环节）；有的人盯着代码覆盖率数据，目标是多少就测到多少（为了完成 KPI 而做单测，达到指标了就万事大吉）；还有人直接用工具自动生成用例（而不关心这些用例究竟测了什么，没测什么）。

能不能用这些方法做单测呢？当然能，毕竟这样做可能比完全不做单测要好一些。但是这样能把单测做好吗？未必。

和任何其他类型的测试一样，单测做得好不好，不在于我们是怎么测的（how），而在于我们测了什么（what）。然而，“测什么”，“不测什么”，这是测试设计阶段要解决的问题，单测也不例外。因此，在写单测之前，我们需要认真设计一下测试用例。那么，如何设计单测用例呢？这就要回归到测试的基础理论：黑盒测试 与 白盒测试。

• 黑盒测试：将被测代码当作黑盒，基于程序对外提供的功能（包括它的输入、输出、以及输入输出作用关系）设计测试用例。典型方法包括边界值分析、等价类划分、决策树、状态机转换等。
• 白盒测试：将被测代码当作白盒，基于程序内部的实现结构（包括条件、分支、循环等语句）设计测试用例。典型方法有语句覆盖、分支覆盖、条件覆盖、代码路径覆盖等。

显然，黑盒法和白盒法各有特点。对于单元测试来说，如下图所示，综合运用黑盒测试和白盒测试两种方法进行用例设计，是一种提升用例有效性的办法。

以 Apache 开源的 Commons Lang 库中的子串函数 StringUtils.substring(String str, int start) 为例，来说明图示方法的核心思路。该函数的源代码如下图所示，给定字符串 str 和子串起始位置 start，这个函数返回对应的子串。

public static String substring(String str, int start) {
    if (str == null) {
        return null;
    } else {
        if (start < 0) {
            start += str.length();
        }
        if (start < 0) {
            start = 0;
        }
        return start > str.length() ? "" : str.substring(start);
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13

那么，如何运用上述方法设计这个函数的单测用例呢？核心有两点。

首先，利用黑盒测试方法设计用例。

将被测程序当作黑盒，利用输入输出关系设计用例。分析入参特征：字符串 str 为 String 类型，可选：“NULL、空串、非空串”，子串起始位置 start 为 int 型，可选：“正数（相对位置从左往右）、0、负数（相对位置从右往左）”。分析入参约束关系：start 可以在 str 范围内、范围外。根据决策表法，枚举入参组合作为测试用例。由于组合情况多，运用等价类划分法精简用例。

设计用例如下：

// 字符串为null
assertEquals(null,  StringUtils.substring(null,   0));
// 字符串为空
assertEquals("",    StringUtils.substring("",     0));
// 字符串非空，且起始位置在字符串开头(从左往右)
assertEquals("abc", StringUtils.substring("abc",  0));
// 字符串非空，且起始位置在字符串结尾(从左往右)
assertEquals("c",   StringUtils.substring("abc",  2));
// 字符串非空，且起始位置超出字符串范围(从左往右)
assertEquals("",    StringUtils.substring("abc",  3));
// 字符串非空，且起始位置在字符串开头(从右往左)
assertEquals("c",   StringUtils.substring("abc", -1));
// 字符串非空，且起始位置在字符串结尾(从右往左)
assertEquals("abc", StringUtils.substring("abc", -3));
1
2
3
4
5
6
7
8
9
10
11
12
13
14

然后，利用代码覆盖结果增强用例。

以上用例是否覆盖完善呢？基于白盒测试，收集并分析被测代码行、分支、条件覆盖情况。结果发现，源代码第 9 行 (start = 0) 未覆盖，反映 “字符串非空，且起始位置超出字符串范围（从右往左）” 这一场景漏测了，为此增加一个用例：assertEquals("abc", StringUtils.substring("abc", -4)) 进行针对性覆盖。

重复上述过程，直到覆盖完善（$100\%$ 的覆盖度不是必须的）或对被测代码质量有信心（这种信心建立在知道自己测了什么、没测什么的基础上，是真正的信心，而不是盲目自信）为止。

有人也许会说，这个方法是否过于繁琐、成本太高？事实上，如下图所示，根据二八原则，对于绝大部分逻辑简单的方法，只需要简单设计用例就可以了。只有少数长尾的、逻辑复杂的（特征：代码中分支多、判断条件多、执行路径多）的方法才需要严谨地设计用例。事实上，它们也值得这样测试，因为 逻辑复杂往往意味着更高的出错可能性和质量风险。

小结：针对逻辑复杂的代码模块，综合运用黑盒测试和白盒测试方法设计测试用例，从而提升单测的覆盖度和有效性。

3.边界测试问题

软件测试，说一千道一万，它的根本目的是 发现软件 BUG。投资大师芒格有句名言，“要去鱼多的地方捕鱼”。同理，对于测试来说，我们要去 BUG 多的地方找 BUG。

那么，什么地方 BUG 多呢？经验告诉我们，边界场景 BUG 多。这里的边界场景是相对于主干流程（即程序的 happy path）而言的，它包含了程序的各种 分支（branch）、角落（corner）、边缘（edge）、异常（exceptional）、无效（invalid）场景。那么，如何在边界场景找 BUG 呢？这就要用到边界测试（boundary testing）方法。

如何开展边界测试？如图所示，边界测试通常有三步：

• 寻找边界
• 分析边界值
• 设计边界用例

边界测试的核心在于第 1 步，即 寻找边界。

如何寻找边界呢？有两种方法。一种是黑盒法，从需求中寻找边界。另一种是白盒法，从代码中寻找边界。

举个例子。假设我们有这样一个需求，实现一个倒计时，展示距离某大型活动开幕的时间，要求如下：

• 超过 48 小时，展示向上取整天数
• 48 小时及以内展示时分秒
• 活动开幕后，倒计时消失

黑盒法：直接从需求中寻找边界。

根据需求描述，我们可以推导出 2 个边界：（1）活动开始前 48 小时；（2）活动开始后。边界的意义在于将测试空间划分为两个等价分区。对于每一个边界，我们通常需要设计 2 个用例：

• 正点用例：on point，刚好处于边界上的点（if 条件为 True）
• 偏离点用例：off point，离边界点最近且处于边界外（if 条件为 False）的点

因此，针对上述 2 个边界，我们可以设计 4 个测试用例：

• 边界 1：活动开始前 48 小时
  • 用例 1：开始前 48 小时 1 秒，预期显示 3d
  • 用例 2：开始前 48 小时，预期显示 48h:0m:0s
• 边界 2：活动开始后
  • 用例 3：开始时，预期显示 0h:0m:0s
  • 用例 4：开始后 1 秒，预期倒计时消失

白盒法：从被测代码中寻找边界。

以下是实现上述倒计时需求的代码示例。

// 略：根据diff时间，计算剩余days、hours、minutes、seconds
if (days >= 2) {
  if ((hours + minutes + seconds) == 0) {
    if (days == 2) {
      text = "48h 0m 0s";
    } else {
      text = days + "d";
    }
  } else {
    text = (days + 1) + "d";
  }
} else {
  if (days == 1) {
    hours = hours + 24;
  }
  text = hours + "h " + minutes + "m " + seconds + "s ";
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

我们从代码中的分支语句（例如 if、for、while 等）寻找边界值。这段代码有 4 个 if 语句，意味着有 4 个边界值，因此我们至少需要设计 8 个用例。在这个例子中，相比黑盒法，白盒法得到的边界更多，测试用例也就更多。我们不枚举所有用例，只列举 2 个不存在于上述黑盒法的用例：

• 用例 5：开始前 3 天，预期显示 3d
  • 边界来源：Line 4，if (days == 2)
  • 解读：当倒计时时间超出 24h 且刚好为整数天时，不需要向上取整 +1
• 用例 6：开始前 1 天 1 秒，预期显示 24h:0m:1s
  • 边界来源：Line 13，if (days == 1)
  • 解读：当剩余天数为 1 时，倒计时小时数需要 +24

由此可见，白盒法有着它的独特优势：由于代码可见，我们通过分析代码结构，可以找到程序的真实边界，这是黑盒测试所做不到的。因此，从边界测试角度看，白盒测试的覆盖率更高，因而 BUG 发现能力也更强。当然，这并不意味着黑盒法可以被白盒法完全替代。就像用例设计一样，在进行边界测试时，我们也是需要综合运用黑盒和白盒两种方法。

从边界测试角度，我们还可以发现另外一个有趣的结论。我们推动研发开展单元测试，并不只是为了提升测试效率（相比黑盒的集成测试、系统测试，单元测试有更快的运行速度、更低的排错成本、更及时的质量反馈），更是为了提升测试有效性（相比黑盒测试，单元测试由于代码可见性，有能力去更全面地覆盖真实存在的、容易隐藏 BUG 的各种边界场景）。

4.Mock 测试问题

相比集成测试或系统测试，单元测试的一个重要特点是非常依赖 Mock。所谓 Mock，就是 用模拟对象替换被测代码的依赖，它本质上是测试环境的一部分。

对于集成测试或系统测试，测试环境通常是真实的，并且不同用例共享同一套测试环境。对于单元测试来说，测试环境通常是 Mock 的，并且不同用例由于被测代码依赖的差异，可能使用完全不同的 Mock。几乎可以认为：无 Mock，不单测。

做好单测，重点要做好 Mock。然而，Mock 并不是一件容易的事情。举一个例子，已知有两个类 A 和 B，A 是依赖 B 的。

如下图所示，对 A 进行 Mock 测试，包括 4 个步骤：

• Mock 创建（Line 3-4）：创建 Mock B。具体来说，是 Mock 对象 B 中被 A 所依赖的方法 B.doSomething。创建 Mock 的前提是搞清楚 A 和 B 之间的契约：A 是怎么调用 B 的，B 又返回什么样的结果给 A。
• Mock 注入（Line 6）：实例化被测类 A，同时注入第 1 步创建好的 Mock B。这一步的目的是确保 A 调用的是 Mock 的 B，而不是真实的 B。
• Mock 使用（Line 8）：对 A 进行测试，验证 A 的行为是否符合预期。A 在运行过程中，会调用依赖的 B。此时，由于第 2 步的注入动作，A 调用的是 Mock 的 B。
• Mock 校验（Line 10）：验证 A 是否调用了 Mock 的 B，并且是否以预期的入参调用了 Mock 的 B。这一步的本质是验证 A 是否遵守了 A 和 B 之间的契约。

从这个例子可以看出，Mock 测试依赖于两个重要的前提：

• 契约：契约是 Mock 的基础，没有契约就无法创建 Mock。
• 代码可测性：可测性是 Mock 的关键，被测类的依赖必须是独立的、可控制的（依赖注入原则）。可测性不好，会导致无法注入 Mock。

契约和代码可测性都属于 代码设计 层面的问题。如果这两个问题在代码设计阶段没有处理好，那么在代码实现和测试阶段，任何努力都是于事无补的。为什么单元测试推广难？一个重要原因就是存在 历史遗留代码，它们在契约设计和可测试设计方面存在着巨大的技术债，导致针对这些代码编写单测用例时困难重重，除非进行 代码重构。

在实践中，对于 Mock 测试，除了契约和可测性，还有一个问题需要考虑清楚：当测试某个类时，是否要将它的所有依赖类全部 Mock？

答案显然是 NO。那么，下一个问题来了，什么样的依赖需要 Mock，什么样的依赖不需要 Mock 呢？这个问题没有标准答案，但是有些经验法则可以参考。

当 A 依赖 B 时，以下情形，不建议 Mock B：

• B 是 A 的 本地依赖：例如系统内置类（ArrayList 等）、Utility 类（StringUtils 等）。
• B 是 A 的 简单依赖：B 的逻辑非常简单。
• B 是 A 的 实体依赖：例如数据类，只有简单的 getter、setter 方法，没有复杂处理逻辑。
• B 是 A 的 独占依赖：B 只被 A 依赖，不被其他类依赖。

当 A 依赖 B 时，以下情形，建议 Mock B：

• B 是 A 的 外部依赖：例如外部 HTTP 服务，需要复杂的设置或返回结果不可控。
• B 是 A 的 复杂依赖：B 的逻辑复杂，返回结果有很多情形。
• B 是 A 的 慢依赖：B 的某些行为很慢，例如存在等待、超时。
• B 是 A 的 共享依赖：B 不止被 A 依赖，还被 C、D、E 依赖。

总之，做好单测的重点在于做好 Mock 测试，而 Mock 测试强依赖于代码设计，包括 契约设计、可测性设计。并且，在进行 Mock 测试时，我们需要根据上下文，决策是否要对每一个具体的依赖类进行 Mock。

5.与集成测试的分工问题

根据上述讨论，单元测试并不是一定要 Mock 的。如果我们同时测试了两个类 A 和 B，甚至更多类，那么我们做的到底是单元测试还是集成测试呢？应该说，单元测试和集成测试没有绝对的分界。那么，在实践中，单元测试和集成测试到底应该如何分工合作呢？或者说，如果我们已经有了充分的集成测试，是否一定需要补充单测呢？

举一个在微服务架构下的常见例子。如下图所示，有一个 CRUD 应用，假设它的功能十分简单，就是提供某种资源（resource）的增、删、改、查功能。针对这个应用，有两种测试策略：

• 集成测试：将应用作为一个整体，测试应用对外提供的的 API。此时，集成测试也叫接口测试、API 测试。
• 单元测试：对应用的各个类，包括 controller、service、repository、model 等，分别（或者两三个组合在一起）进行测试。

从测试效率角度来看，由于 API 测试工具的成熟度，集成测试的编写和执行效率未必比单元测试低多少；从测试有效性角度来看，如果 controller、service、repository、model 等类都没有复杂的处理逻辑，只是承担简单的数据封装和代理职责，那么集成测试完全可以实现与单元测试相当的测试覆盖度。这种情况下，我们还是一定要做单测吗？

这就是测试金字塔或者单元测试容易遭受挑战的场景。应该说，我们反对 “唯单测论”，反对教条主义式做单测，而是要回归单测本质，在真正需要单测的场景下做单测。那么，什么样的场景需要单测（甚至单测是不二选择）呢？那就是本文前面几节中提到的场景：

• 逻辑复杂：我们的被测对象不是只有简单的 CRUD 操作，而是有着更复杂的业务逻辑。
• 边界测试：被测业务或代码有很多分支、组合场景，我们想把这些场景测试得更全面。
• Mock 测试：被测代码有些外部依赖，我们想聚焦在被测代码上、避免测试受外部依赖干扰。

归根结底，单元测试的优势在于对代码逻辑的深度覆盖，而集成测试的优势在于对组件交互的广度覆盖。

在实践中，我们要有全局意识，统筹考虑单元测试和集成测试，在必要的时候，随时准备从单元测试切换到集成测试、或者从集成测试切换到单元测试。

正如这张图所示：

• 针对复杂的代码逻辑模块，选择单元测试。
• 针对主干业务流程，选择集成测试。
• 在做集成测试时，如果发现存在很多分支场景需要覆盖，那么考虑切换到单元测试。
• 在做单元测试时，如果发现我们的测试脚本与被测代码重复度高（意味着我们过度分割了被测对象），那么考虑扩大被测范围，切换到集成测试。

6.单测度量问题

做任何事情，总是离不开度量，单测也不例外。如何衡量单测做得好不好？够不够？大家都知道一些覆盖率度量指标。但是，这些指标之间是什么关系？在什么发展阶段选择什么样的度量指标？这个问题讨论得不够充分。

单元测试覆盖率，典型的度量指标有 行覆盖率、分支覆盖率、路径覆盖率 和 mutation 覆盖率。我对它们的理解如下：

• 行覆盖率
  • 表示已经覆盖的代码行数的比例，是最基础的指标。
  • 一般来说，行覆盖率达到 $85\%$ 就已经是很高了。
• 分支覆盖率
  • 表示已经覆盖的代码分支的比例。
  • 虽然分支覆盖率和行覆盖率是两个独立的指标，但是经验告诉我们，分支覆盖率通常比行覆盖率低。据我观察，当行覆盖率 $80$～$90\%$ 时，分支覆盖率通常只有 $50$～$60\%$。
  • 可以认为，分支覆盖率是一种比行覆盖率更严格的指标。
• 路径覆盖率
  • 相比行覆盖率和分支覆盖率，还有一种更严格的指标，叫做路径覆盖率。
  • 它表示已经覆盖的代码执行路径的比例。
  • 由于组合爆炸，程序可能的执行路径是非常庞大、甚至无法穷举的。因此，路径覆盖率只是一个理论上的指标，在实际中几乎没有人使用。
• mutation 覆盖率
  • 行覆盖率和分支覆盖率有一个共同特点，即关注已经覆盖的部分是没有意义的，要关注没有覆盖的部分：为什么没有覆盖？有没有风险？需不需要覆盖？如何增加用例来覆盖？
  • mutation 覆盖率关注的则是：对于已经覆盖的代码，是否实质覆盖了？
    • 表面覆盖：某一行代码被执行到了。
    • 实质覆盖：某一行代码被执行到了，并且当这一行代码中存在 BUG 时，测试用例会失败。

mutation 覆盖率来源于 mutation 测试，即 变异测试。如下图所示，它故意修改程序源代码，将 if(a == b || b == 1) 修改成 if(a != b || b == 1)，然后执行测试用例，观察是否有用例失败。修改源代码的操作叫做 注入 mutant。如果有用例失败，则说明这个 mutant 被 kill 掉，符合预期；否则，这个 mutant 存活，不符合预期。

mutation 覆盖率表示被 kill 掉的 mutant 的比例，其数值越高，说明用例的 BUG 发现能力越强，测试的有效性越高。因此，通常认为 mutation 覆盖率是一种比行覆盖率、分支覆盖率更严格，并且切实可行的单测有效性度量指标。

在实践单测时，不同发展阶段我们关注的度量指标不同：

• 初级阶段
  • 在单元测试初级阶段，即研发团队开始引入和推广单元测试时，建议关注行覆盖率、分支覆盖率。
  • 尤其是分支覆盖率，更能体现单元测试价值：一些通过集成测试很难 touch 到的代码分支，通过单元测试可以 touch 到。
• 高级阶段
  • 在单元测试高级阶段，即研发团队的单元测试逐渐成熟、行与分支覆盖率达到较高水平时，建议关注 mutation 覆盖率。
  • mutation 覆盖率可以度量测试用例的真实有效性，更好地驱动单测改进。

7.总结

本文探讨了单元测试中的 5 个关键策略问题：用例设计问题、边界测试问题、Mock 测试问题、与集成测试的分工问题、度量问题，并给出了作者的解决之道。一家之言，仅供参考。

个人认为，能否解决好这 5 个问题，将是我们能否把单元测试真正做好并且最大化其价值的关键所在。