名称 | 分母 | 分子 | 示例 |
手工测试覆盖率 | 所有测试用例 | 手工测试执行的用例 | A系统目前3个测试工程师参与了4个月，写了近300条测试用例，那目前的300条就作为整个测试覆盖率的分母 |
接口覆盖率 | 接口总数 | 测试涉及的接口总数 | 系统有10个接口，对其中8个做了接口自动化测试，那么覆盖率就是80% |
自动化测试覆盖率 | 测试用例总数 | 自动化测试涉及的测试用例总数 | 系统有100条测试用例，其中有60条用例已经被自动化脚本化测试，那么覆盖率是60% |
测试用例覆盖率 | 测试功能点总数 | 自动化测试涉及的测试功能点 | 系统有100条测试用例，400个测试功能点（checkpoint），其中200个Checkpoint已经被自动化测试脚本测试，那么覆盖率是50% |
需求覆盖率 | 所有用户故事或任务 | 已被测试的用户故事或任务 | 目的：测试的行为覆盖了每一个需求 |
缺陷覆盖率 | 已被发现并修复的缺陷数量 | 对缺陷进行自动化测试的数量 | A系统上线前共发现了70个缺陷，测试工程师将这70个“已经被修复”的缺陷写成了自动化测试用例 |
代码行覆盖率 | 代码总行数 | 被执行过的代码行数 | 一个Java应用有10W行代码，执行了一次手工回归测试，同时也触发了自动化测试脚本，然后利用Jacoco组件查看看测试覆盖率，发现10W行代码中，有3W行代码已经被覆盖了，那么代码行覆盖率就是30% |
代码分支覆盖率 | 代码总分支数 | 被执行过的代码分支数 | 本质上与代码行覆盖率一样，只是统计的维度不一样 |
自动化测试覆盖率的案例分享
思路：剔除无意义的套路代码，结合不同的覆盖率指标，综合得出一个相对有价值的覆盖率数据。
做法：
1，搭建测试覆盖率环境
Java使用的是Jacoco组件，其他编程语言可以使用其他覆盖率统计组件
2，执行自动化测试脚本
触发自动化测试脚本执行，等待执行完毕。
上图说明：
- 绿色区域：代码行覆盖率充分，100%覆盖了该代码。
- 黄色区域：代码行覆盖不充分。
- 红色区域：代码行未经过覆盖。
- 绿色钻石：代码分支覆盖率充分，100%覆盖了该代码分支。
- 黄色钻石：代码分支覆盖率不充分。
- 红色钻石：代码分支未经过覆盖。
请注意，此时请勿打开测试环境的系统页面、接口调用等操作，保证数据的真实性。
3，筛选掉无意义的套路代码
以SpringBoot框架为例，如bean、model、entity、util、mapper、dao、constant、config等目录，大部分都是套路的代码统统过滤掉。
留下有业务意义的代码目录：controller、service目录和自己封装的业务函数类，服务端代码的业务逻辑运算、接口的代码逻辑都在这里，这才是代码的核心部分。
自动化脚本执行完成后，Jacoco测试覆盖率从0%变成了多少，那么目前的自动化测试脚本覆盖率就是多少。
重点：
代码覆盖率本身具有局限性，因为100%的代码覆盖率并不能说明系统质量没有问题。所以除了关注已被测试行为覆盖的代码，更重要的是观察未被覆盖的代码，因为这部分是没有测试用例覆盖到的，让测试工程师自己发现思维的不足、遗漏的用例，这才更有价值。
作者：Syw