摘要: 最近在企业里面看了一些测试案例的数据准备，发现了一个共性问题：测试数据中存在大量冗余，这些冗余会给后续的测试案例及数据维护带来大量的成本。 为了便于大家理解，先举一个例子： 测试信用卡交易金额 ...
最近在企业里面看了一些测试案例的数据准备，发现了一个共性问题：测试数据中存在大量冗余，这些冗余会给后续的测试案例及数据维护带来大量的成本。 为了便于大家理解，先举一个例子： 测试信用卡交易金额汇总，测试数据完全从csv中加载，每个测试案例根据csv中的数据，assert特定返回值（由于篇幅限制，这里只举了一个简单的例子。实际看到的情况是，csv完全没有字段名称信息，一行里面成百上千个数据，而且还有许许多多类似结构的csv文件作为测试数据）。 在这两个文件里面，我注意到有大量冗余。以csv格式的测试案例为例，想象一下如果未来这个表结构发生变化（增加或减少字段），那么需要修改所有这些csv文件，会是什么样的工作量！ 在乔梁翻译的《持续交付：发布可靠软件的系统方法》一书，其实已经给出了解决思路，只不过由于没有具体实例，不是很容易理解。 经何勉提醒，发现在《实例化需求》一书中，也提到了类似思路，但同样都没有实例，：）： 下面我们就以上面例子为基础，说明一下两本书中的思路如何具体应用： 应用程序引用数据(Application reference data)是测试无关数据，但它们是应用程序启动所必需的，这些数据往往是指一些基表和基础数据； 测试引用数据（Test reference data）是那些和测试相关，但是对测试行为没有多大影响的数据，在下面两个例子中，黄色就是测试引用数据 |
