隨著數字化技術應用的廣泛普及，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)團隊之間的緊密協作。根據Gartner的預測：到2020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14%的綜合年度增長率。可見，無論您是否在這個行業(yè)，由軟件技術開發(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和測試趨勢，來大膽地預測該領域在2020年的五大重要發(fā)展趨勢吧。

1. 機器學習和人工智能等技術的指數級使用

機器學習(ML)可謂下一個指數級的技術應用趨勢，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。有機構預計：到2022年，機器學習的市場占有率將從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。

通過機器學習，人們將能夠做到、或已經能夠執(zhí)行的軟件測試任務包括：

• 優(yōu)化測試套件：實現的代碼檢查。
• 預測：實現對于主要測試配置的各項預測。
• 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)現應用程序中存在的高風險點，又能夠根據優(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相關的業(yè)務都正在逐步轉向具有機器學習能力的智能類型。

題外話：隨著新冠病毒持續(xù)在全球施虐，許多公司都快速上馬并啟用了聊天機器人服務，為數以萬計的零售商店、金融機構等業(yè)務，提供著24x7全天候的實時支持。顯然，為了保證聊天機器人的平穩(wěn)運行，并提供更好的用戶體驗，我們需要對它們進行全面的測試。

2. 數字化轉型

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

自2015年以來，企業(yè)用于軟件質量保障方面的IT預算份額，已經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2020年。由于數字化轉型通常是以體現數據功能與服務為前提，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，從而控制好軟件質量的檢查流程。也就是說，面對交付產品中的靈活性和穩(wěn)定性這一對矛盾體的挑戰(zhàn)，質量保障經理應當繼續(xù)尋求那些可以同時滿足兩方面需求的特殊測試方法，來精心設計與不斷優(yōu)化產品質量的檢查流程。

敏捷和DevOps已經成為數字化轉型的重要工具，同時，質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；
• 軟件質量對品牌的影響巨大，但這已經不是最高優(yōu)先級的目標，日趨成熟的盡早質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量，同時需要找到成本和風險的平衡點。

3. 邁向云端，并廣泛采用物聯網

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)務數據的存儲，以及處理方式轉移到了云端)。根據Sogeti（譯者注：數字化轉型方案提供商）的研究顯示：在目前用戶常用的各類應用程序中，有75-76%是基于云服務的。同時，我們也能看到各大軟件開發(fā)與服務提供企業(yè)都在進行物聯網(IoT)的布局。憑借著此類技術，它們不但可以訪問到以前無法獲取的客戶使用數據，而且可以據此做出各種明智的業(yè)務決策。在同一份研究報告中，Sogeti也指出：有95-97%的受訪企業(yè)正在計劃或已經實施了IoT的解決方案。

通常，要實現對于物聯網、以及基于云端的應用程序的質量控制，質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)務流程將會產生何種影響。

通過物聯網技術，人們將能夠做到、或已經能夠執(zhí)行的軟件測試任務包括：

• 可擴展的測試。
• 測試不同設備版本的兼容性。
• 監(jiān)控連接過程中出現的延遲。
• 采取安全性分析，包括：設備的真實性、可用性和授權的準確性。
• 針對數據的完整性進行評估。

雖然物聯網的作用日益增長，但是根據《世界質量報告(World Quality Report)》顯示：目前仍然有34%的企業(yè)物聯網產品，并未經歷嚴格且充分的軟件測試。

4. 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，它們的交付產品將繼續(xù)受益于深入的性能測試。不過，我們預計到了2020年，性能工程(performance engineering)有望逐漸取代現有的性能測試方法。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)務的可行性。通過重點關注和評估產品的性能（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模型提供輸入數據，驗證并確認模型，確定性能目標是否已經實現，并且監(jiān)控系統在整個生命周期內的性能。），我們將能夠確保開發(fā)出的產品，即使在極端條件下（如出現軟件內部嚴重錯誤、或缺少依賴項）也能夠保持其自身的魯棒性。

雖說產品性能是軟件測試的首要任務，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實踐和技術分為三個部分：全鏈路監(jiān)控、網絡仿真測試（包括大數據量壓測、云壓測、全鏈路壓測等技術）、分析與優(yōu)化。

5. 其他專項測試的發(fā)展

（1）大數據測試

當前，由于各類企業(yè)都會參考、并根據與業(yè)務相關的大數據，來制定適合于自身情況的營銷策略。因此針對大數據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2020年達到一個新的高度。在大數據測試中，軟件測試人員主要驗證的是：在使用各類商用集群服務，以及調用其他支持元素時，目標應用是否能夠有效地處理了TB級的數據。此類測試一般側重于功能與性能方面。當然，數據質量也是大數據測試環(huán)節(jié)中的一項關鍵因素。我們需要根據不同的特征(包括：一致性、有效性、準確性、完整性、重復性等)，來檢查數據的質量。

如您所見，手動測試已經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，來完全實現數據的精細處理與監(jiān)視，因此在2020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（當然只能說是大數據測試，很多業(yè)務場景是無法將手工測試取代）。

（2）區(qū)塊鏈測試

根據MarketsAndMarkets的數據顯示：預計到2025年，國際區(qū)塊鏈市場的規(guī)模，將從2020年的30億美元升至297億美元。同時，預計到2022年，通過智能合約將區(qū)塊鏈技術與IoT設備融合在一起，以便實現異地雙方微交易，將會成為未來的趨勢。因此，隨著區(qū)塊鏈、及其智能合約技術在加密貨幣、互聯網金融等業(yè)務領域的使用，區(qū)塊鏈測試的概念也應運而生。它是一種高效、專業(yè)的下一代測試方案，可用于調試代碼，并交付出高效的區(qū)塊鏈應用。

（3）安全測試

根據BitSight發(fā)布的《通過安全性能管理，實現更好的安全性和業(yè)務輸出》研究：有超過82%的利益相關者認為安全性對于企業(yè)決策是至關重要的。根據Cybersecurity Ventures的數據：預計到2021年，網絡犯罪所帶來的損失將高達6萬億美元。可見，我們需要在軟件開發(fā)生命周期之初，實施安全檢查。

（4）手動與自動化的結合

不會有完全的自動化測試，更多的是借助自動化腳本，讓軟件測試的速度和效率能夠得到極大的提高。不過它無法涵蓋設計、用戶體驗、以及可用性等方面。而得益于手動測試，我們可以提高代碼的覆蓋面，以及特定代碼的針對性。因此，質量檢測團隊需要通過手動與自動化測試相結合，盡早地發(fā)現問題，并用最少的時間去解決錯誤，這遠比在軟件發(fā)布之后亡羊補牢要節(jié)省成本得多?？梢?，只有平衡了兩種測試方式，我們才能夠既提高生產率，節(jié)省總體時間，又最小化錯誤率，提高軟件質量和整體可用性。

（5）敏捷團隊的自動化

傳統項目管理工具主要關注的是分階段的瀑布式項目，而敏捷方法則是通過自動化測試，來加快質量檢測的進程（最常見的是接口自動化測試）。根據MarketsAndMarkets.com的報告顯示：預計全球自動化測試的市場規(guī)模，將從2019年的126億美元增長到2024年的288億美元，其間的復合年增長率為18.0%。