2020-21年软件测验中的重要趋势及应对办法-亚洲ca88官方网站

　　凯捷（Capgemini）与软件公司Micro Focus在2020年11月份联合发布的 World Quality Report 2020-21 （全球质量陈述）。来自32个国家、10个职业的1750名QA/测验司理、首席信息官和其它IT高管参加了这次关于测验开展趋势的查询。

　　《2020-21年全球质量陈述》中总结呈现在测验范畴的6个首要趋势，包含：

　　总的来说，今年在测验中选用灵敏和DevOps的趋势比较上一年没有大的改动，只比上一年上升了1个百分点。这标明企业在逐渐的将灵敏和DevOps办法集成到自身的测验实践，而并非以严重革新的办法。其间，52%的受访者标明他们总是尽或许早地预备和履行测验（测验左移）”，51%的受访者标明他们总是最大程度地完结测验主动化”。

　　50%的受访者认为，在将测验运用于灵敏开发时，最常见的应战是为主动化测验挑选恰当的东西。42%的受访者标明灵敏团队缺少专业的测验常识和技能。

　　在被问到哪些要素是决议灵敏和DevOps转型成功的根本要素时，65%的受访者认为相应的技能栈是最根本、最重要的决议要素，55%的受访者认为办理层的支撑是最根本的决议要素，如下图所示。

　　跟着软件开发相关的危险和复杂性显着添加，为怎么确保产品的高质量带来了更大的压力。与此一起，怎么更快、更高效的完结测验比以往更为重要。因而，QA团队需求选用适宜的东西集和技能、专业人员和恰当的流程来取得正确的效果。现在的趋势是，既需求具有开发人员技能的测验工程师，又需求他们坚持质量思维和以事务和用户为中心，这显着对测验人员提出了更高的要求。许多企业也在测验不同的QA安排架构、不同的QA作业形式，以及针对QA人员的技能训练。

　　灵敏和DevOps着重团队协作，因而 质量不应该仅仅QA/测验人员的职责，而应该是整个团队一起的职责 。

　　质量不只仅QA团队的职责，也不只仅IT部分的职责， 整个安排都需求了解它的重要性 ，然后协助IT部分做正确的作业。

　　IT部分（包含QA/测验人员）需求愈加靠近事务 ，掌握事务相关的技能，了解企业的事务方针。

　　更多的和客户交流、 倾听客户关于产品质量的反应 ，然后下降事务危险、改进用户体会。

　　和上一年相同，人们关于人工智能和机器学习给软件测验带来的优点依然十分等待。可是，尽管人工智能和机器学习在软件测验中被运用的份额在添加，但并没有取得显着开展。部分原因是由于新冠疫情的到来影响了在这方面的投入。可是人们的热心并没有减退，88%的受访者标明AI会是软件测验最大的添加范畴，他们信任AI技能能够协助下降测验本钱，削减对手艺测验的依靠，缩短产品上市时刻。

　　上一年以来，咱们看到一些公司在无监督学习、自然语言处理(NLP)和核算机视觉技能的量化宽松运用方面进行了测验，呈现了一些新的运用实例，例如，对出产环境中的事情和运用日志进行剖析不只有助于进行深度智能的假定剖析，还有助于猜测软件的质量，并在开发和测验活动中进行相应的规划，经过智能的办法将产品的实际运用形式方案到测验中。再例如，运用AI生成和办理测验数据。相同的办法也成功地运用于组成数据的创立，例如恪守GDPR规矩。

　　关于人工智能怎么影响产品质量和测验战略，受访者遍及体现达观。在查询中，75%的受访者标明，他们现在的测验战略只需求小的改动，这或许标明他们中的一些人还没有意识到人工智能的实在潜力。

　　除了AI在软件测验中的运用，咱们也面对怎么测验AI体系。现在对AI体系进行测验的老练度比较低。企业现已意识到需求新的技能对AI体系进行测验，而且现已开端测验。例如，一些医疗设备企业开发了AI算法的验证流程；汽车职业在辅佐驾驭体系(ADAS)中对AI算法进行虚拟验证。68%的受访者认为测验AI体系需求新的测验战略。

　　在被问到人工智能和机器学习会怎么改动对测验的技能要求时，34%的受访者认为软件开发工程师的测验技能是短缺的，别的34%的受访者认为需求了解人工智能对事务流程的影响。

　　AI是否是挑选QA处理方案时的一个要害方针？关于这一个问题，86%的受访者给出了必定的答复。

　　继续学习，不断在测验技能方面寻求打破，在测验范畴中每年都会有一些新的技能需求学习。关于AI来说，不只是指AI技能自身，还包含在软件开发生命周期中怎么运用AI技能。

　　鼓舞团队继续选用包含AI功用的东西集。出资云处理方案，为团队快速失利和学习供给所需的资源。构建通用东西集和数据库，这样开发依据AI的测验战略会更简单。

　　测验AI体系是一项应战，需求拟定相应的测验战略。能够从学习现有的优异实践中下手，例如汽车职业的实践。

　　继续学习，不断在测验技能方面寻求打破，在测验范畴中每年都会有一些新的技能需求学习。关于AI来说，不只是指AI技能自身，还包含在软件开发生命周期中怎么运用AI技能。

　　鼓舞团队继续选用包含AI功用的东西集。出资云处理方案，为团队快速失利和学习供给所需的资源。构建通用东西集和数据库，这样开发依据AI的测验战略会更简单。

　　测验AI体系是一项应战，需求拟定相应的测验战略。能够从学习现有的优异实践中下手，例如汽车职业的实践。

　　在测验数据和测验环境方面咱们仍旧面对许多应战。尽管这方面有一些活跃的趋势呈现，比方运用云核算和一些测验数据办理(TDM)、测验环境办理（TEM）东西，但就怎么有效地运用云和TDM东西，依然不行老练。测验环境和数据的全体办理是比技能自身更大的应战。测验环境和测验数据的终极方针是在本钱、环境的及时可用性和数据之间取得恰当的平衡。当团队选用主动化测验优先、继续测验的办法时，这些应战会进一步加重。被测验体系怎么与其它体系(包含第三方体系)集成来模仿实在场景并履行端到端的测验，继续测验依然是一项具有应战性的作业。

　　在本次查询中，29%的受访者标明他们依然选用传统的本地布置的测验环境。但值得注意的是，比较前两年，这一份额在缓慢下降。一起，选用依据云的，按需布置的测验环境的份额在继续上升。选用Docker容器或类似技能的容器化测验环境的份额也在上升。如下图所示。

　　在被问到“安排更满意QA团队完结与测验环境相关的哪方面方针？“这一问题时，49%的受访者认为是强健的测验环境；47%的受访者认为是及时取得正确的测验环境；47%的受访者认为是测验环境的现代化，例如云和容器；33%的受访者认为是团队有满意的设备来运用和办理测验环境；29%的受访者认为是可用的测验环境的杰出可见性。这标明咱们更偏重于挑选技能方面的要素而非办理方面。

　　在测验数据办理方面的查询效果有些令人吃惊，多达61%的受访者标明，他们的团队能够办理测验数据集的规划和复杂性。这也许是由于，一些受访者依然将测验数据等同于仿制和过滤出产数据。但跟着继续测验的开展和对软件运用功用和安全性的更高要求，这或许还不行。测验的复杂性在不断添加，测验数据办理方面的处理方案能够部分的处理这方面的问题，客户购买TDM东西用来过滤出产数据，可是过滤后的出产数据并不能为测验、开发人员供给满意的测验数据。

　　灵敏测验与测验数据的布置。在被问到”安排是怎么为屡次测验迭代供给和生成测验数据的？他们在多大程度上运用了每种办法?”，90%的受访者挑选了“咱们为测验保护专门创立的测验数据集”；87%的受访者挑选了“咱们运用清洗的出产数据副本”；82%的受访者挑选了“咱们运转每次测验时都运用主动数据生成东西”，效果如下图所示。

　　别的， 64%的受访者标明他们他们运用专门的测验数据支撑团队供给测验数据服务，这是契合预期的：跟着安排向灵敏转型，TEM和TDM的确更或许成为一种同享服务，为多个不同的灵敏团队供给服务。

　　总归，依据查询效果和平常堆集的经历，测验数据和环境办理依然是比较复杂的范畴，咱们的测验环境处于不同的阶段和状况，许多QA团队认为二者是现在测验中比较突出的问题。一些客户在选用测验数据办理和测验环境监控的处理方案，但这些方案并没有显着进步测验数据或环境的质量。

　　树立一个同享的测验数据和环境办理团队来满意安排内部的需求 。这个团队拟定办理规矩和流程、TEM保管战略和东西运用战略。依据特定的安排动态，该团队能够为一切TEM和TDM需求供给服务，也能够去中心化。可是，假如老练度比较低，咱们主张开端选用会集办理的办法。

　　从东西出资中取得尽或许多的价值 。会集精力方案和完结这些东西供给的各种功用，训练团队成员，并定时衡量和陈述效果。

　　实施强有力的办理。 对测验数据和环境的生命周期选用老练的办理办法。QA团队和会集的测验数据和环境办理团队协同作业，猜测需求并完结可用资源的可见性。