目录
第 1 章 测试团队的发展之路 1
1.1 测试团队面临的困局 1
1.2 建立代码门禁 2
1.2.1 什么是代码门禁 3
1.2.2 代码门禁的效果 3
1.2.3 落地和优化 4
1.2.4 更多的用途 5
1.3 理解测试的本质 5
1.4 缩短反馈弧 7
1.4.1 为什么缩短反馈弧是关键 7
1.4.2 怎么才算反馈弧短 8
1.4.3 缩短反馈弧的成本和投入产出比 9
1.5 提升测试的稳定性 10
1.5.1 高频 10
1.5.2 隔离 13
1.5.3 用完即抛 14
1.5.4 不自动重跑 15
1.6 提升测试的有效性 16
1.6.1 测试有效性需要面对的挑战 16
1.6.2 变异测试和 Bug 注入 17
1.6.3 更多的注入类型 21
1.7 提升测试的充分性 25
1.7.1 用例自动生成 25
1.7.2 业务覆盖率度量 30
1.8 从测到不测 31
1.8.1 防错设计 31
1.8.2 静态代码分析和 Bug 自动识别 41
1.9 本章小结 42
第 2 章 大促质量保障 44
2.1 大促全链路的风险与挑战 44
2.1.1 全球最大流量洪峰下的高可用挑战 44
2.1.2 纷繁复杂的用户场景 45
2.1.3 无处不在的用户体验 46
2.1.4 三位一体的保障体系 46
2.2 全链路压测 47
2.2.1 全链路影子体系 47
2.2.2 全链路压测模型 48
2.2.3 全链路压测执行策略 49
2.2.4 常态化智能压测 50
2.3 全链路功能 52
2.3.1 统一环境隔离 52
2.3.2 全链路影子数据 54
2.3.3 全链路大促用例精简 56
2.4 全民预演 59
2.4.1 什么是全民预演 59
2.4.2 全民预演的核心目标 60
2.4.3 全民预演如何实施 61
2.4.4 预演执行策略的制定 63
2.4.5 预演问题的收集和跟进 64
2.4.6 大促持续集成 64
2.4.7 全民预演平台化支撑 65
2.5 预案开关 68
2.5.1 预案的使用场景 68
2.5.2 预案评估方式 69
2.5.3 预案流程 70
2.5.4 预案平台 70
2.5.5 预案与攻防 72
2.5.6 预案的目标与展望 72
2.6 全链路预热 73
2.6.1 解法 73
2.6.2 适用的业务场景 75
2.6.3 核心应用场景 76
2.7 快速扩/缩容 78
2.7.1 分析 79
2.7.2 方案 79
2.7.3 优化 80
2.7.4 演练 84
2.7.5 效果 84
2.7.6 展望 85
2.8 风控识别引擎压测 85
2.8.1 分析问题 86
2.8.2 延伸 89
2.9 本章小结 89
第 3 章 移动 App 测试 90
3.1 移动 App 测试的主要类型、方法和工具 90
3.1.1 功能性测试——从手工到自动化 90
3.1.2 专项测试——从简单到专业好用 95
3.1.3 稳定性测试——智能化测试的初次尝试 99
3.1.4 兼容性测试——智能推荐 109
3.2 移动测试的标准、流程和经验 125
3.2.1 深度专项验收——大促 125
3.2.2 前端发布管控 127
3.2.3 客户端代码持续集成 132
3.3 移动端线上质量保障 140
3.3.1 性能监控 140
3.3.2 性能分级与降级 146
第 4 章 大数据测试 151
4.1 大数据应用测试的介绍 151
4.1.1 大数据应用测试要解决的问题是什么 151
4.1.2 大数据应用的技术质量体系综述 153
4.2 算法系统质量 155
4.2.1 算法测试的定义 155
4.2.2 算法工程质量 156
4.2.3 特征质量与评估 162
4.2.4 模型质量的评估 163
4.2.5 深度学习平台质量（大规模分布式训练系统的测试） 167
4.3 工程系统质量 168
4.3.1 功能测试平台 Markov 168
4.3.2 无人值守的性能测试 182
4.4 效果评估 185
4.4.1 效果评估的挑战 186
4.4.2 用户体验保障 186
4.5 对大数据应用测试的预判 190
第 5 章 AI 系统测试 193
5.1 语音类产品测试——智能音箱测试 193
5.1.1 智能音箱业务介绍 193
5.1.2 语音类产品测试的挑战 195
5.1.3 天猫精灵测试策略 196
5.1.4 端端语音测试 197
5.1.5 算法评测 208
5.1.6 总结 211
5.2 计算机视觉类产品测试方案 211
5.2.1 计算机视觉类业务流程介绍 212
5.2.2 计算机视觉类测试分析 215
5.2.3 计算机视觉类测试方案 217
5.2.4 总结 230
第 6 章 云计算测试 231
6.1 专有云质量定义及挑战 231
6.2 高可用测试——坚如磐石 233
6.2.1 设计思想 233
6.2.2 异常模拟 234
6.2.3 复杂场景测试 235
6.2.4 自动化测试 236
6.3 性能容量压测——分层覆盖 238
6.3.1 单产品性能——基础能力 239
6.3.2 平台性能容量——集成视角 240
6.3.3 用户场景性能——业务视角 242
6.4 热升级——给飞行中的飞机更换发动机 244
6.4.1 技术原理 244
6.4.2 测试挑战 245
6.5 用户场景测试——知己知彼 247
第 7 章 金融类测试之资损风险防控 251
7.1 资损风险防控体系 251
7.1.1 怎么防 252
7.1.2 怎么控 252
7.1.3 止损 252
7.2 资损风险防范 253
7.2.1 资金产品测试要点 253
7.2.2 资金系统测试要点 255
7.2.3 资金项目变更规范 266
7.2.4 资金测试框架/平台 268
7.3 资损风险识别 271
7.3.1 数据核对体系 271
7.3.2 数据核对平台 275
7.4 资损风险应急 278
7.5 资损防控文化 278
第 8 章 物流类测试 280
8.1 物流类通用测试技术 280
8.1.1 基于测试服务化的可编排测试 280
8.1.2 基于业务流量的采集和回放平台 283
8.2 仓储实操类测试技术 285
8.2.1 仓储实操机器人业务介绍 285
8.2.2 仓储实操机器人业务面临的质量挑战 285
8.2.3 仓储实操机器人自动化测试方案及结果 286
8.3 末端 IoT 设备测试技术 290
8.3.1 末端物流业务介绍 290
8.3.2 硬件服务与系统服务质量保证的挑战 291
8.3.3 阿里巴巴菜鸟末端 IoT 设备通用的测试产品及方案 291
8.3.4 硬件服务与系统服务质量保障成果 296
8.4 全球化物流骨干网测试技术 298
8.4.1 全球化物流骨干网业务简介 298
8.4.2 全球化物流骨干网质量挑战 299
8.4.3 全球化物流骨干网测试方案 300
第 9 章 安全生产 303
9.1 资金安全 303
9.1.1 资损定义 304
9.1.2 资损解决方法 304
9.1.3 资金安全策略 306
9.1.4 体系化解决方案 307
9.1.5 资金安全产品介绍 309
9.1.6 资金安全展望 314
9.2 故障快恢 315
9.2.1 功能介绍 315
9.2.2 关键技术 316
9.3 灰度发布 318
9.3.1 抓手——变更三板斧 318
9.3.2 灰度生态建设 319
9.3.3 灰度常坚守，安全无止境 320
9.4 信息安全风险 321
9.4.1 风险识别 321
9.4.2 风险应对 323
9.4.3 持续优化 326
9.5 突袭演练 327
9.5.1 背景 327
9.5.2 突袭演练策略 327
9.5.3 突袭演练技术大图 329
第 10 章 回顾和展望 331
10.1 阿里测试的昨天和今天 331
10.2 测试是软件开发的一个领域 334
10.3 软件质量的挑战和不变量 336
10.4 展望未来 341
10.5 写在最后 347
