42 基于特性测试

让测试探索假设，而不是堆例子

本页依据 David Thomas、Andrew Hunt《程序员修炼之道：通向务实的最高境界（第2版）》，云风译，电子工业出版社，2020 年 4 月，ISBN 9787121384356 的公开中文目录，独立重构 42 基于特性测试。正文、代码、图示、实验和练习都是本课程重新设计的教学材料，不复制原书正文、插图或答案。

手工样例擅长表达几个重要故事，特性测试则用生成器探索一组输入，用不变量裁决输出是否仍符合假设。它不是“随机多跑几次”，而是把输入空间、合法边界、结果关系、随机种子和失败缩减都写成可复核协议。生成器越强，性质越准确，反例才越有信息量。

三个会让特性测试失真的陷阱

从生成器到最小反例

<Term def="根据约束构造一组可复现输入，并覆盖边界、组合和分布变化的输入程序。">生成器</Term>决定测试探索什么。生成器不是越随机越好；它应说明合法域、边界权重、组合规则和种子。一个金额生成器若从不产生零、极大值或重复商品，就无法验证对应风险。

<Term def="规定输入是否合法、性质何时适用以及非法输入应如何被拒绝的前置规则。">前置约束</Term>把探索空间与业务规则连接起来。有效购物车可以要求数量非负、货币一致；域外样本则应验证拒绝原因，而不是强行代入总价守恒性质。

<Term def="对输入和输出必须持续成立的业务关系，如守恒、幂等、可交换、往返或单调关系。">不变量</Term>要能被反例推翻。对购物车可以写：合并空购物车不改变结果；同一幂等键重复结算不增加订单；按项拆分再合并的总价相等。每个性质都要说明舍入、时区和精度边界。

42 与提示 71：使用特性测试来校验假设

本单元对应中文目录的 42 基于特性测试 和 提示 71：使用基于特性的测试来校验假设。提示的实践含义是：当你相信某个关系对一类输入成立时，用生成器扩大探索，用不变量定义裁决，并让缩减结果帮助你修正假设。

type Cart = ReadonlyArray<{ sku: string; quantity: number; price: number }>;
 
function total(cart: Cart): number {
  return cart.reduce((sum, item) => sum + item.quantity * item.price, 0);
}
 
function addEmpty(cart: Cart): Cart {
  return [...cart];
}

可以验证 total(addEmpty(cart)) === total(cart)，也可以生成两组合法购物车，检查合并后总价等于分别计算之和。若金额有小数，就要先声明精度与舍入规则；否则失败可能来自性质表述，而不是实现。

缩减：让失败变得可理解

<Term def="在保持性质失败的前提下，逐步移除元素、缩小数值或简化结构，得到最小可读失败输入的过程。">缩减</Term>是特性测试的解释阶段。一个包含五十件商品、三种货币和多个时区的失败样本很难定位；如果能缩成两件商品和一个重复键，团队才能讨论真正的规则。

缩减器也需要审查。若它删除了触发故障的关系，最后的样本可能变成绿色，测试工具却报告“没有最小反例”。保存原始输入、每一步缩减和最终失败输入；若缩减失败，保留未缩减样本并明确限制，不能假装已经定位。

种子、版本与重放

<Term def="决定生成器选择顺序的可记录值；结合生成器版本和运行环境可以重建一次探索。">随机种子</Term>是重放协议的一部分。记录种子还不够：生成器代码、库版本、平台、时区、前置约束和执行次数也可能改变序列。回归测试应直接加入缩减后的最小反例，种子保留为调查来源。

一次通过也有边界。若只运行固定种子，探索会变窄；若每次使用不可记录的新种子，失败又无法重放。推荐保存一组稳定种子、定期轮换的探索种子，以及每次失败的完整生成信息。

练习实验：从性质到回归

正常、边界与单一故障证据

独立复核者应能用种子和版本重建失败，再确认最小反例仍然失败。测试通过次数不能替代性质质量；如果生成器只产生容易的输入，绿色结果的范围必须明确写出。

区分三种失败

生成器失败表现为样本不满足前置约束、分布偏斜或无法缩减；性质失败表现为关系写错、舍入规则遗漏或前提过宽；实现失败表现为合法输入确实违反一个清晰不变量。先分类再改代码，避免把错误性质“修复”成更弱的断言。

工具可以自动生成和缩减，但团队仍要评审它覆盖的输入域、忽略的副作用、随机策略和错误报告。涉及时间、并发、网络或权限时，给生成器注入可控时钟和资源边界；否则随机样本会把环境噪声伪装成业务反例。

术语表

练习

本单元回顾

基于特性测试，不是把随机性当成证明，而是把输入域、前置约束、不变量、种子和缩减都变成可复核证据。好的失败会变小、能重放、能进入回归；好的通过则清楚说明生成器探索了什么、性质没有覆盖什么，以及哪些环境条件仍需额外测试。

前后导航

• 上一页：41 为编码测试
• 下一页：43 出门在外注意安全