隨著數(shù)字化技術(shù)應用的廣泛普及，業(yè)界對于軟件測試的要求也在持續(xù)迭代與增加。當前，越來越多的企業(yè)和組織都相繼采用了Agile (敏捷)和DevOps之類的軟件開發(fā)方法，以鼓勵和促進測試團隊和開發(fā)團隊之間的緊密協(xié)作。根據(jù)Gartner的預測：到2022年，IT行業(yè)的開發(fā)總成本將從3.76萬億美元增長至3.87萬億美元。而到了2023年，全球相應的軟件測試市場，預計將出現(xiàn)14%的綜合年度增長率?？梢?，無論您是否在這個行業(yè)，由軟件技術(shù)開發(fā)出的各種應用正在滲透和影響著我們的日常生活。而軟件質(zhì)量的保證離不開完善可靠的測試實踐。下面讓我們基于當前的技術(shù)和測試趨勢，來大膽地預測該領(lǐng)域在2022年的五大重要發(fā)展趨勢吧。

機器學習和人工智能等技術(shù)的指數(shù)級使用

機器學習(ML)可謂下一個指數(shù)級的技術(shù)應用趨勢，它正在敲開自動化測試的大門，并會引發(fā)開發(fā)效率與應用過程的革命性變革。有機構(gòu)預計：今年，機器學習的市場占有率將從2020年的14.1億美元增長到88.1億美元。這就意味著：將有更多的測試解決方案會通過人工智能的方式，為開發(fā)者執(zhí)行各種重復性的任務(wù)。

通過機器學習，人們將能夠做到、或已經(jīng)能夠執(zhí)行的軟件測試任務(wù)包括：

優(yōu)化測試套件：實現(xiàn)唯一性的代碼檢查。

日志分析：能夠識別并自動執(zhí)行多種檢查。

缺陷分析：既能夠發(fā)現(xiàn)應用程序中存在的高風險點，又能夠根據(jù)優(yōu)先級安排回歸測試。

相對應地，人工智能的市場也正在快速地增長中。預計到了2025年，AI的整體市場價值將達到1906億美元。這些都清晰地表明：與IT相關(guān)的業(yè)務(wù)都正在逐步轉(zhuǎn)向具有機器學習能力的智能類型。

數(shù)字化轉(zhuǎn)型

根據(jù)世界經(jīng)濟論壇所提供的數(shù)據(jù)：到2025年，數(shù)字化轉(zhuǎn)型對于整個社會與行業(yè)的價值，可能達到100萬億美元。面對強烈的數(shù)字化轉(zhuǎn)型需求，大多數(shù)企業(yè)會越來越依賴于各種新興的技術(shù)。而這反過來又會對軟件質(zhì)量的穩(wěn)定性和可靠性，提出了更高的要求。

自2015年以來，企業(yè)用于軟件質(zhì)量保障方面的IT預算份額，已經(jīng)相對于上一個年度提高了35%，而且這種增加預計還會一直延續(xù)到2022年。由于數(shù)字化轉(zhuǎn)型通常是以體現(xiàn)數(shù)據(jù)功能與服務(wù)為前提，因此這就要求開發(fā)人員在不斷迭代的情況下，具有開發(fā)的敏捷性和靈活性，從而控制好軟件質(zhì)量的檢查流程。也就是說，面對交付產(chǎn)品中的靈活性和穩(wěn)定性這一對矛盾體的挑戰(zhàn)，質(zhì)量保障經(jīng)理應當繼續(xù)尋求那些可以同時滿足兩方面需求的特殊測試方法，來精心設(shè)計與不斷優(yōu)化產(chǎn)品質(zhì)量的檢查流程。

敏捷和DevOps已經(jīng)成為數(shù)字化轉(zhuǎn)型的重要工具，同時，質(zhì)量保障和測試工作也隨之發(fā)生變化：

中央治理和控制減少，團隊選擇方法和技術(shù)的自由度增大；

部署速度提高和應用程序日益復雜化，軟件錯誤和故障的風險增加；

軟件質(zhì)量對品牌的影響巨大，但這已經(jīng)不是最高優(yōu)先級的目標，日趨成熟的盡早質(zhì)量保障實踐可以幫助糾正品牌和形象方面的缺陷；

最終用戶的滿意度和安全性是最重要的兩個方面，要確保應用程序的功能和非功能質(zhì)量，同時需要找到成本和風險的平衡點。

邁向云端，并廣泛采用物聯(lián)網(wǎng)

憑借著高穩(wěn)定性這一優(yōu)勢，如今越來越多的企業(yè)都將自己業(yè)務(wù)數(shù)據(jù)的存儲，以及處理方式轉(zhuǎn)移到了云端)。根據(jù)Sogeti（譯者注：數(shù)字化轉(zhuǎn)型方案提供商）的最新研究顯示：在目前用戶常用的各類應用程序中，有75-76%是基于云服務(wù)的。同時，我們也能看到各大軟件開發(fā)與服務(wù)提供企業(yè)都在進行物聯(lián)網(wǎng)(IoT)的布局。憑借著此類技術(shù)，它們不但可以訪問到以前無法獲取的客戶使用數(shù)據(jù)，而且可以據(jù)此做出各種明智的業(yè)務(wù)決策。在同一份研究報告中，Sogeti也指出：有95-97%的受訪企業(yè)正在計劃或已經(jīng)實施了IoT的解決方案。

通常，要實現(xiàn)對于物聯(lián)網(wǎng)、以及基于云端的應用程序的質(zhì)量控制，質(zhì)檢工程師及其所在團隊，應當具備各種專業(yè)且前沿的技能，以便更好地理解正在開發(fā)的應用程序，及其對于本公司的業(yè)務(wù)流程將會產(chǎn)生何種影響。

通過物聯(lián)網(wǎng)技術(shù)，人們將能夠做到、或已經(jīng)能夠執(zhí)行的軟件測試任務(wù)包括：

可擴展的測試。

測試不同設(shè)備版本的兼容性。

監(jiān)控連接過程中出現(xiàn)的延遲。

采取安全性分析，包括：設(shè)備的真實性、可用性和授權(quán)的準確性。

針對數(shù)據(jù)的完整性進行評估。

雖然物聯(lián)網(wǎng)的作用日益增長，但是根據(jù)《世界質(zhì)量報告(World Quality Report)》顯示：目前仍然有34%的企業(yè)物聯(lián)網(wǎng)產(chǎn)品，并未經(jīng)歷嚴格且充分的軟件測試。

從性能測試到性能工程

對于中小型企業(yè)，甚至是一些大型企業(yè)而言，它們的交付產(chǎn)品將繼續(xù)受益于深入的性能測試。不過，我們預計到了2022年，性能工程(performance engineering)有望逐漸取代現(xiàn)有的性能測試方法。性能工程不但能夠評估客戶真實的使用體驗，而且能夠從根源上提高業(yè)務(wù)的可行性。通過重點關(guān)注和評估產(chǎn)品的性能（采用SPE建模策略，并完成模型執(zhí)行和性能遍歷，其中性能測量為SPE模型提供輸入數(shù)據(jù)，驗證并確認模型，確定性能目標是否已經(jīng)實現(xiàn)，并且監(jiān)控系統(tǒng)在整個生命周期內(nèi)的性能。），我們將能夠確保開發(fā)出的產(chǎn)品，即使在極端條件下（如出現(xiàn)軟件內(nèi)部嚴重錯誤、或缺少依賴項）也能夠保持其自身的魯棒性。

雖說產(chǎn)品性能是軟件測試的首要任務(wù)，但是我們也應當充分地考慮到客戶價值等其他方面的要素，以保障產(chǎn)品在使用過程中的可配置性、便利性、以及實用性。應用性能工程方法論中的最佳實踐和技術(shù)分為三個部分：全鏈路監(jiān)控、網(wǎng)絡(luò)仿真測試（包括大數(shù)據(jù)量壓測、云壓測、全鏈路壓測等技術(shù)）、分析與優(yōu)化。

大數(shù)據(jù)測試

當前，由于各類企業(yè)都會參考、并根據(jù)與業(yè)務(wù)相關(guān)的大數(shù)據(jù)，來制定適合于自身情況的最佳營銷策略。因此針對大數(shù)據(jù)的軟件測試將越來越重要，我在此預測此類測試的需求將在2022年達到一個新的高度。在大數(shù)據(jù)測試中，軟件測試人員主要驗證的是：在使用各類商用集群服務(wù)，以及調(diào)用其他支持元素時，目標應用是否能夠有效地處理了TB級的數(shù)據(jù)。此類測試一般側(cè)重于功能與性能方面。當然，數(shù)據(jù)質(zhì)量也是大數(shù)據(jù)測試環(huán)節(jié)中的一項關(guān)鍵因素。我們需要根據(jù)不同的特征(包括：一致性、有效性、準確性、完整性、重復性等)，來檢查數(shù)據(jù)的質(zhì)量。

如您所見，手動測試已經(jīng)逐漸被自動化測試所取代。不過，由于目前尚無足夠優(yōu)秀的自動化工具，來完全實現(xiàn)數(shù)據(jù)的精細處理與監(jiān)視，因此在2022年，我們將看到這兩種方法的混合使用。當然，我也會樂觀地期待若干年后，自動化測試最終能完全取代手動測試（當然只能說是大數(shù)據(jù)測試，很多業(yè)務(wù)場景是無法將手工測試取代）。