敏捷測(cè)試 以持續(xù)測(cè)試促進(jìn)持續(xù)交付

第 1 章　 鋪墊：敏捷開(kāi)發(fā)價(jià)值觀、原則與實(shí)踐／ 1
導(dǎo)讀／ 1
1．1　敏捷開(kāi)發(fā)模式的由來(lái)／ 2
1．1．1　新產(chǎn)品開(kāi)發(fā)方式Scrum ／ 3
1．1．2　輕量級(jí)軟件開(kāi)發(fā)方法／ 5
1．1．3　敏捷宣言的誕生／ 6
1．2　敏捷價(jià)值觀／ 7
1．3　敏捷開(kāi)發(fā)原則／ 8
1．4　常見(jiàn)的敏捷開(kāi)發(fā)框架／ 9
1．4．1　極限編程／ 9
1．4．2　行為驅(qū)動(dòng)開(kāi)發(fā)／ 13
1．4．3　特性驅(qū)動(dòng)開(kāi)發(fā)／ 15
1．4．4　Scrum 開(kāi)發(fā)框架／ 17
1．5　敏捷與看板、精益的關(guān)系／ 20
1．5．1　看板／ 21
1．5．2　精益軟件開(kāi)發(fā)實(shí)踐／ 23
1．6　敏捷與DevOps 的關(guān)系／ 26
本章小結(jié)／ 29
延伸閱讀／ 29
第 2 章　基礎(chǔ)：敏捷測(cè)試之道／ 31
導(dǎo)讀／ 31
2．1　什么是敏捷測(cè)試／ 32
2．1．1　從一個(gè)真實(shí)的案例說(shuō)起／ 32
2．1．2　敏捷測(cè)試的含義／ 35
2．1．3　敏捷測(cè)試的其他定義／ 36
2．2　傳統(tǒng)測(cè)試與敏捷測(cè)試／ 38
2．2．1　 鳳凰項(xiàng)目：一個(gè)IT 運(yùn)維的傳奇故事／ 38
2．2．2　3 步工作法／ 39
2．2．3　鳳凰項(xiàng)目改造前后對(duì)比／ 40
2．2．4　傳統(tǒng)測(cè)試和敏捷測(cè)試的區(qū)別／ 41
2．3　敏捷測(cè)試的思維方式／ 41
2．3．1　固定性思維與敏捷思維／ 42
2．3．2　成長(zhǎng)性思維／ 42
2．3．3　以實(shí)例來(lái)辨析不同思維的測(cè)試工程師／ 43
2．3．4　團(tuán)隊(duì)對(duì)質(zhì)量負(fù)責(zé)的思維／ 44
2．3．5　上下文驅(qū)動(dòng)的思維與用戶思維／ 45
2．4　敏捷測(cè)試流程解析／ 45
2．4．1　Scrum 模式下的測(cè)試流程／ 45
2．4．2　敏捷測(cè)試的通用流程／ 47
2．4．3　敏捷測(cè)試流程閉環(huán)與持續(xù)測(cè)試／ 48
2．4．4　 從敏捷項(xiàng)目管理角度來(lái)看測(cè)試流程／ 49
2．5　新的敏捷測(cè)試四象限／ 50
2．5．1　敏捷測(cè)試四象限之歷史／ 50
2．5．2　新的敏捷測(cè)試四象限簡(jiǎn)介／ 52
本章小結(jié)／ 53
延伸閱讀／ 54
第3 章　人是決定性因素／ 55
導(dǎo)讀／ 55
3．1　敏捷團(tuán)隊(duì)究竟要不要專職的測(cè)試人員／ 56
3．1．1　問(wèn)題的提出及各方的理由／ 56
3．1．2　根據(jù)上下文來(lái)確定是否需要／ 58
3．1．3　存在即合理／ 59
3．2　配備專職敏捷測(cè)試人員時(shí)的操作／ 60
3．2．1　Etsy 公司的優(yōu)秀實(shí)踐／ 60
3．2．2　敏捷測(cè)試人員的責(zé)任和具體任務(wù)／ 61
3．2．3　測(cè)試人員和開(kāi)發(fā)人員的分工／ 63
3．2．4　測(cè)試敏捷化對(duì)團(tuán)隊(duì)意味著什么／ 64
3．3　沒(méi)有專職的測(cè)試人員時(shí)的操作／ 64
3．3．1　是否借助灰度發(fā)布和一鍵回滾／ 65
3．3．2　消除系統(tǒng)測(cè)試不足帶來(lái)的影響／ 66
3．3．3　加強(qiáng)敏捷驗(yàn)收測(cè)試和ATDD 的實(shí)踐／ 67
3．3．4　應(yīng)對(duì)其他挑戰(zhàn)／ 67
3．4　借助測(cè)試負(fù)責(zé)人角色完成團(tuán)隊(duì)轉(zhuǎn)型／ 68
3．4．1　冰凍三尺并非一日之寒／ 69
3．4．2　多數(shù)團(tuán)隊(duì)不是Google ／ 70
3．4．3　測(cè)試負(fù)責(zé)人角色的責(zé)任和具體實(shí)踐／ 71
3．4．4　測(cè)試主負(fù)責(zé)人角色／ 72
3．5　 如何創(chuàng)建有強(qiáng)烈質(zhì)量意識(shí)的學(xué)習(xí)型團(tuán)隊(duì)／ 73
3．5．1　達(dá)成質(zhì)量共識(shí)／ 73
3．5．2　營(yíng)造良好的質(zhì)量文化氛圍／ 73
3．5．3　創(chuàng)建學(xué)習(xí)型團(tuán)隊(duì)／ 74
3．5．4　業(yè)務(wù)學(xué)習(xí)與缺陷根因分析／ 76
3．6　如何更好地為測(cè)試而學(xué)／ 76
3．6．1　系統(tǒng)性思維訓(xùn)練／ 77
3．6．2　創(chuàng)造性思維訓(xùn)練／ 79
3．6．3　如何提升測(cè)試自動(dòng)化能力／ 80
3．6．4　如何學(xué)習(xí)測(cè)試建模／ 80
3．6．5　借力提升自己／ 81
3．7　如何與產(chǎn)品、開(kāi)發(fā)等角色協(xié)作／ 82
3．7．1　團(tuán)隊(duì)協(xié)作的五大障礙／ 82
3．7．2　團(tuán)隊(duì)協(xié)作高于一切／ 84
3．7．3　達(dá)成對(duì)質(zhì)量及其管理的共識(shí)／ 85
3．7．4　溝通的技巧／ 86
本章小結(jié)／ 87
延伸閱讀／ 87
第4 章　構(gòu)建強(qiáng)大的敏捷測(cè)試基礎(chǔ)設(shè)施／ 89
導(dǎo)讀／ 89
4．1　持續(xù)集成與持續(xù)交付意味著什么／ 90
4．1．1　敏捷的目標(biāo)／ 91
4．1．2　持續(xù)集成中的測(cè)試活動(dòng)／ 91
4．1．3　持續(xù)交付中的測(cè)試活動(dòng)／ 93
4．1．4　持續(xù)集成+ 持續(xù)測(cè)試是關(guān)鍵／ 94
4．1．5　持續(xù)部署／ 95
4．1．6　持續(xù)運(yùn)維／ 95
4．2　測(cè)試如何融入持續(xù)集成/ 持續(xù)交付環(huán)境／ 95
4．2．1　支撐持續(xù)集成的測(cè)試環(huán)境／ 96
4．2．2　支撐持續(xù)交付的測(cè)試環(huán)境／ 96
4．2．3　CI/CD 流水線中的測(cè)試過(guò)程／ 97
4．3　基于DevOps 的測(cè)試基礎(chǔ)設(shè)施構(gòu)成／ 99
4．3．1　DevOps 的測(cè)試／ 100
4．3．2　DevOps 測(cè)試基礎(chǔ)設(shè)施／ 101
4．3．3　基礎(chǔ)設(shè)施即代碼／ 103
4．3．4　對(duì)基礎(chǔ)設(shè)施進(jìn)行驗(yàn)證——Testinfra ／ 104
4．4　虛擬機(jī)技術(shù)與容器技術(shù)的應(yīng)用／ 105
4．4．1　虛擬化技術(shù)——虛擬機(jī)技術(shù)和容器技術(shù)／ 106
4．4．2　Sidecar 模式——容器的設(shè)計(jì)模式／ 107
4．4．3　虛擬化技術(shù)之NUMA 和DPDK ／ 108
4．4．4　服務(wù)虛擬化的利器——Hoverfly ／ 109
4．4．5　Molecule——虛擬化技術(shù)的自動(dòng)化測(cè)試工具／ 111
4．4．6　Kubernetes 與測(cè)試環(huán)境／ 112
4．5　如何完成自動(dòng)部署／ 113
4．5．1　配置即代碼——CI 配置管理工具：Ansible、Chef ／ 114
4．5．2　微服務(wù)的容器化部署／ 116
4．5．3　微服務(wù)在CI 環(huán)境中的自動(dòng)化部署／ 117
4．5．4　 Docker 容器的集群管理之Kubernetes ／ 119
4．5．5　 基礎(chǔ)架構(gòu)即代碼的工具——Terraform、CloudFormation ／ 122
4．5．6　 管道即代碼的工具——Concourse、Drone ／ 123
4．5．7　 新一代的部署體驗(yàn)——Serverless 軟件系統(tǒng)架構(gòu)／ 125
4．5．8　產(chǎn)品發(fā)布之導(dǎo)流模式／ 125
4．6　如何完成全自動(dòng)的BVT ／ 126
4．6．1　BVT 要驗(yàn)證哪些點(diǎn)／ 126
4．6．2　不穩(wěn)定的情況——Flaky ／ 128
4．7　自動(dòng)的靜態(tài)測(cè)試和測(cè)試報(bào)告生成／ 130
4．7．1　代碼分析（靜態(tài)測(cè)試）／ 130
4．7．2　優(yōu)秀的靜態(tài)測(cè)試工具／ 131
4．7．3　靜態(tài)測(cè)試報(bào)告的自動(dòng)生成／ 131
4．7．4　自動(dòng)化測(cè)試報(bào)告的自動(dòng)生成／ 135
4．8　測(cè)試分層策略與金字塔模型／ 139
4．9　搭建敏捷自動(dòng)化測(cè)試框架及其案例分析／ 140
4．9．1　自動(dòng)化測(cè)試框架的構(gòu)成／ 140
4．9．2　自動(dòng)化測(cè)試框架的分類／ 142
4．9．3　單元測(cè)試框架JUnit 5 ／ 143
4．9．4　API 層的TA 測(cè)試框架Karate ／ 144
4．9．5　驗(yàn)收測(cè)試框架Ginkgo ／ 146
本章小結(jié)／ 148
延伸閱讀／ 149
第5 章　測(cè)試左移更體現(xiàn)敏捷測(cè)試的價(jià)值／ 150
導(dǎo)讀／ 150
5．1　沒(méi)有ATDD，就沒(méi)有用戶故事的可測(cè)試性／ 151
5．1．1　可測(cè)試性的概念／ 151
5．1．2　需求、設(shè)計(jì)和代碼等不同層次的可測(cè)試性／ 152
5．1．3　用戶故事的可測(cè)試性和ATDD ／ 153
5．1．4　ATDD 與TDD（ UTDD）的關(guān)系／ 154
5．1．5　如何具體實(shí)施ATDD ／ 156
5．2　 產(chǎn)品價(jià)值分析：商業(yè)畫(huà)布、影響地圖與用戶故事地圖／ 156
5．2．1　產(chǎn)品價(jià)值是基礎(chǔ)／ 157
5．2．2　商業(yè)畫(huà)布／ 158
5．2．3　影響地圖／ 160
5．2．4　用戶故事地圖／ 161
5．3　從Epic 到用戶故事完成需求評(píng)審／ 162
5．3．1　通用的評(píng)審標(biāo)準(zhǔn)／ 163
5．3．2　Epic 的評(píng)審／ 164
5．3．3　用戶故事的評(píng)審／ 166
5．4　不可忽視的設(shè)計(jì)評(píng)審／ 169
5．4．1　設(shè)計(jì)評(píng)審的價(jià)值和重要性／ 170
5．4．2　如何完成架構(gòu)評(píng)審／ 170
5．4．3　有層次的（組件）評(píng)審／ 172
5．4．4　接口定義的評(píng)審／ 173
5．4．5　設(shè)計(jì)的可測(cè)試性／ 173
5．5　BDD 及其自動(dòng)化實(shí)踐／ 174
5．5．1　什么是BDD ／ 174
5．5．2　BDD 和測(cè)試的關(guān)系／ 175
5．5．3　現(xiàn)有的BDD 自動(dòng)化測(cè)試框架／ 177
5．5．4　BDD 實(shí)例／ 179
5．5．5　BDD 實(shí)踐中的常見(jiàn)問(wèn)題／ 183
5．6　再進(jìn)一步，讓實(shí)例化需求落地／ 183
5．6．1　什么是實(shí)例化需求／ 183
5．6．2　實(shí)例化需求的過(guò)程／ 185
5．6．3　RBE 的自動(dòng)化實(shí)現(xiàn)／ 190
5．7　單元測(cè)試是否必須TDD ／ 191
5．7．1　為何TDD 是必需的／ 191
5．7．2　如何做好TDD ／ 192
5．7．3　UTDD 測(cè)試原則／ 193
5．7．4　UTDD 的具體實(shí)踐／ 194
本章小結(jié)／ 195
延伸閱讀／ 196
第6 章　敏捷測(cè)試的分析與計(jì)劃／ 197
導(dǎo)讀／ 197
6．1　基于上下文驅(qū)動(dòng)思維的測(cè)試分析／ 198
6．1．1　上下文驅(qū)動(dòng)測(cè)試流派／ 198
6．1．2　質(zhì)量標(biāo)準(zhǔn)／ 201
6．1．3　項(xiàng)目背景／ 202
6．1．4　產(chǎn)品元素／ 204
6．2　如何培養(yǎng)自己的業(yè)務(wù)與用戶體驗(yàn)分析技能／ 205
6．2．1　用戶思維／ 205
6．2．2　場(chǎng)景是測(cè)試需求的靈魂／ 206
6．2．3　業(yè)務(wù)分析／ 207
6．2．4　用戶體驗(yàn)要素／ 208
6．3　敏捷測(cè)試的主要風(fēng)險(xiǎn)在哪里／ 209
6．3．1　需求不清晰／ 210
6．3．2　需求頻繁變更／ 211
6．3．3　時(shí)間太緊張／ 211
6．3．4　自動(dòng)化測(cè)試的有效性／ 212
6．3．5　測(cè)試風(fēng)險(xiǎn)項(xiàng)目檢查表／ 212
6．3．6　風(fēng)險(xiǎn)控制／ 213
6．4　啟發(fā)式測(cè)試策略與測(cè)試策略的制定／ 215
6．4．1　什么是測(cè)試策略／ 215
6．4．2　啟發(fā)式測(cè)試策略模型／ 216
6．4．3　快速、高效地制定測(cè)試策略／ 218
6．5　代碼依賴性分析與精準(zhǔn)測(cè)試／ 220
6．5．1　精準(zhǔn)測(cè)試／ 221
6．5．2　如何建立測(cè)試用例和代碼的映射關(guān)系／ 222
6．5．3　代碼依賴性分析／ 223
6．5．4　代碼的變更分析／ 225
6．5．5　測(cè)試用例集如何優(yōu)化／ 225
6．5．6　優(yōu)秀實(shí)踐／ 226
6．6　敏捷測(cè)試要不要計(jì)劃／ 227
6．6．1　測(cè)試計(jì)劃的價(jià)值／ 227
6．6．2　一頁(yè)紙的測(cè)試計(jì)劃／ 228
6．6．3　如何編寫(xiě)一頁(yè)紙的測(cè)試計(jì)劃／ 229
6．7　探索式測(cè)試與基于腳本的測(cè)試／ 232
6．7．1　什么是探索式測(cè)試／ 232
6．7．2　探索式測(cè)試的應(yīng)用場(chǎng)景／ 233
6．7．3　基于腳本的測(cè)試／ 234
6．7．4　 探索式測(cè)試與基于腳本的測(cè)試的比較／ 235
6．7．5　敏捷擁抱探索式測(cè)試／ 236
6．8　SBTM 的由來(lái)及使用／ 237
6．8．1　SBTM 的由來(lái)／ 237
6．8．2　真正理解會(huì)話／ 237
6．8．3　測(cè)試計(jì)劃分解成多個(gè)子目標(biāo)／ 239
6．8．4　測(cè)試子目標(biāo)進(jìn)一步分解為會(huì)話／ 240
6．9　一個(gè)應(yīng)用SBTM 的真實(shí)案例／ 241
6．9．1　案例背景／ 241
6．9．2　挑戰(zhàn)在哪里／ 242
6．9．3　測(cè)試子目標(biāo)分解的結(jié)果／ 242
6．9．4　幾個(gè)典型的會(huì)話／ 243
6．9．5　會(huì)話表／ 246
6．9．6　口頭匯報(bào)／ 247
6．10　敏捷測(cè)試分析與計(jì)劃的案例／ 248
6．10．1　信息收集／ 249
6．10．2　測(cè)試目標(biāo)／ 249
6．10．3　通過(guò)測(cè)試分析得到測(cè)試范圍／ 250
6．10．4　根據(jù)測(cè)試分析進(jìn)行風(fēng)險(xiǎn)分析和控制／ 251
6．10．5　基于風(fēng)險(xiǎn)的測(cè)試策略／ 252
6．10．6　測(cè)試計(jì)劃／ 253
本章小結(jié)／ 254
延伸閱讀／ 255
第7 章　敏捷測(cè)試的設(shè)計(jì)與執(zhí)行／ 256
導(dǎo)讀／ 256
7．1　正確理解DoD 與敏捷中的驗(yàn)收測(cè)試／ 257
7．1．1　什么是DoD ／ 257
7．1．2　如何創(chuàng)建DoD ／ 258
7．1．3　DoD 和敏捷驗(yàn)收測(cè)試的關(guān)系／ 260
7．1．4　如何驗(yàn)證DoD ／ 261
7．2　如何將用戶故事轉(zhuǎn)化為測(cè)試用例／ 261
7．2．1　轉(zhuǎn)換為場(chǎng)景／ 262
7．2．2　場(chǎng)景離測(cè)試用例還差一步／ 263
7．2．3　用戶故事轉(zhuǎn)化為測(cè)試用例的模型／ 263
7．3　基于場(chǎng)景/ 事件流的測(cè)試用例設(shè)計(jì)／ 265
7．3．1　事件流圖／ 265
7．3．2　在敏捷測(cè)試中的應(yīng)用／ 266
7．3．3　狀態(tài)圖與有限狀態(tài)機(jī)／ 268
7．4　探索式測(cè)試過(guò)程與生態(tài)／ 270
7．4．1　調(diào)查、分析、排序和實(shí)驗(yàn)／ 270
7．4．2　以分析為中心／ 270
7．4．3　自我管理環(huán)、學(xué)習(xí)環(huán)／ 271
7．4．4　協(xié)作環(huán)與測(cè)試環(huán)／ 272
7．5　探索式測(cè)試中的角色扮演與場(chǎng)景挖掘／ 272
7．5．1　批判性思維與探索式測(cè)試設(shè)計(jì)執(zhí)行／ 272
7．5．2　角色扮演／ 273
7．5．3　場(chǎng)景挖掘／ 274
7．6　探索式測(cè)試的具體技巧／ 276
7．6．1　業(yè)務(wù)路徑測(cè)試／ 277
7．6．2　遍歷測(cè)試／ 279
7．6．3　極限情況的測(cè)試／ 279
7．6．4　異常情況的測(cè)試／ 280
7．7　測(cè)試自動(dòng)化設(shè)計(jì)模式：一步到位／ 280
7．7．1　基于模型的自動(dòng)化測(cè)試／ 281
7．7．2　狀態(tài)圖生成測(cè)試用例／ 281
7．7．3　測(cè)試數(shù)據(jù)的自動(dòng)生成／ 284
7．8　UI 腳本開(kāi)發(fā)與維護(hù)的常用技巧／ 287
7．8．1　腳本語(yǔ)言和測(cè)試框架的選擇／ 287
7．8．2　UI 元素定位／ 288
7．8．3　測(cè)試代碼的模塊化和參數(shù)化／ 291
7．8．4　Selenium 集成自動(dòng)化測(cè)試框架／ 293
7．8．5　Page Object 設(shè)計(jì)模式／ 295
7．8．6　隱式等待／ 296
7．9　 質(zhì)效合一：自動(dòng)化測(cè)試和手工測(cè)試的完美融合／ 296
7．9．1　一個(gè)關(guān)于測(cè)試策略的案例／ 296
7．9．2　新功能手工測(cè)試，回歸測(cè)試自動(dòng)化／ 297
7．9．3　探索未知的，自動(dòng)化已知的／ 299
7．9．4　自動(dòng)化回歸測(cè)試怎么做／ 300
7．10　優(yōu)先實(shí)現(xiàn)面向接口的測(cè)試／ 300
7．10．1　接口（API）測(cè)試越來(lái)越重要／ 301
7．10．2　接口測(cè)試示例／ 301
7．10．3　如何獲取接口信息／ 304
7．10．4　契約測(cè)試和微服務(wù)的接口測(cè)試／ 306
7．10．5　API 持續(xù)測(cè)試平臺(tái)：API Fortress ／ 308
本章小結(jié)／ 308
延伸閱讀／ 309
第8 章　測(cè)試右移：從敏捷到DevOps ／ 310
導(dǎo)讀／ 310
8．1　在線性能測(cè)試／ 311
8．1．1　全鏈路壓測(cè)／ 311
8．1．2　在線性能監(jiān)控／ 313
8．1．3　流量回放技術(shù)／ 314
8．2　A/B 測(cè)試／ 316
8．2．1　什么是A/B 測(cè)試／ 316
8．2．2　A/B 測(cè)試的設(shè)計(jì)／ 317
8．2．3　A/B 測(cè)試平臺(tái)與測(cè)試執(zhí)行／ 319
8．2．4　關(guān)于用戶體驗(yàn)的度量／ 320
8．3　監(jiān)控告警系統(tǒng)／ 321
8．3．1　日志分析及Elastic Stack 的使用／ 323
8．3．2　調(diào)用鏈分析及SkyWalking 的使用／ 324
8．3．3　指標(biāo)監(jiān)控及Prometheus 的使用／ 327
8．3．4　監(jiān)控系統(tǒng)解決方案／ 329
8．4　安全性監(jiān)控／ 330
8．5　混沌工程／ 331
8．5．1　混沌工程的由來(lái)／ 332
8．5．2　基于故障注入的測(cè)試／ 333
8．5．3　混沌工程平臺(tái)與工具／ 334
8．5．4　混沌工程的具體實(shí)施／ 336
8．5．5　為系統(tǒng)彈性做好設(shè)計(jì)／ 337
8．6　智能運(yùn)維與測(cè)試／ 340
8．6．1　從自動(dòng)化運(yùn)維到智能運(yùn)維／ 340
8．6．2　智能運(yùn)維的典型場(chǎng)景／ 341
本章小結(jié)／ 342
延伸閱讀／ 343
第9 章　敏捷測(cè)試的收尾與改進(jìn)／ 344
導(dǎo)讀／ 344
9．1　如何分析測(cè)試結(jié)果和評(píng)估測(cè)試工作的質(zhì)量／ 345
9．1．1　如何評(píng)估敏捷測(cè)試過(guò)程／ 345
9．1．2　敏捷測(cè)試過(guò)程的度量體系／ 346
9．1．3　測(cè)試工作質(zhì)量的分析／ 348
9．1．4　代碼覆蓋率／ 348
9．1．5　功能覆蓋率／ 349
9．1．6　業(yè)務(wù)覆蓋率／ 349
9．1．7　基于缺陷分析測(cè)試質(zhì)量／ 350
9．2　如何獲得良好的可追溯性、可視化／ 350
9．2．1　測(cè)試管理系統(tǒng)／ 351
9．2．2　需求與測(cè)試用例的映射關(guān)系，以及測(cè)試用例與缺陷的映射關(guān)系／ 352
9．2．3　示例：Jira + Zephyr 實(shí)現(xiàn)可追溯性／ 353
9．2．4　測(cè)試與質(zhì)量度量的可視化／ 355
9．2．5　質(zhì)量雷達(dá)圖／ 357
9．3　敏捷測(cè)試優(yōu)秀實(shí)踐／ 357
9．3．1　微軟的優(yōu)秀實(shí)踐／ 358
9．3．2　谷歌的優(yōu)秀實(shí)踐／ 359
9．3．3　亞馬遜的優(yōu)秀實(shí)踐／ 360
9．3．4　ThoughtWorks 的優(yōu)秀實(shí)踐／ 361
9．3．5　騰訊的優(yōu)秀實(shí)踐／ 364
9．3．6　阿里巴巴的優(yōu)秀實(shí)踐／ 365
9．4　敏捷過(guò)程的反思與持續(xù)改進(jìn)／ 366
9．4．1　敏捷過(guò)程的反思／ 367
9．4．2　敏捷測(cè)試過(guò)程的改進(jìn)分析／ 368
9．4．3　數(shù)據(jù)驅(qū)動(dòng)改進(jìn)／ 369
9．4．4　PDCA 循環(huán)／ 369
9．4．5　根因分析／ 371
本章小結(jié)／ 372
延伸閱讀／ 372
第 10 章　敏捷測(cè)試的展望／ 374
導(dǎo)讀／ 374
10．1　大數(shù)據(jù)的測(cè)試／ 375
10．1．1　大數(shù)據(jù)的特性與挑戰(zhàn)／ 376
10．1．2　大數(shù)據(jù)的測(cè)試方法／ 378
10．1．3　大數(shù)據(jù)的測(cè)試實(shí)踐／ 380
10．1．4　大數(shù)據(jù)的測(cè)試工具／ 381
10．2　人工智能系統(tǒng)的測(cè)試／ 382
10．2．1　人工智能系統(tǒng)的不確定性和不可解釋性／ 383
10．2．2　人工智能系統(tǒng)的白盒測(cè)試／ 384
10．2．3　人工智能系統(tǒng)的算法驗(yàn)證／ 386
10．2．4　示例：針對(duì)智能語(yǔ)音的設(shè)計(jì)與執(zhí)行／ 388
10．3　人工智能助力敏捷測(cè)試／ 392
10．3．1　基于圖像識(shí)別技術(shù)的UI測(cè)試／ 392
10．3．2　基于人工智能的、全自動(dòng)化的API 測(cè)試／ 397
10．3．3　人工智能助力代碼深度分析／ 399
10．3．4　人工智能驅(qū)動(dòng)測(cè)試／ 401
10．3．5　人工智能測(cè)試工具／ 403
10．4　敏捷測(cè)試工具的未來(lái)／ 406
10．4．1　敏捷測(cè)試工具的發(fā)展趨勢(shì)／ 406
10．4．2　MBT 的前景如何／ 408
10．4．3　無(wú)代碼化的測(cè)試自動(dòng)化／ 409
10．5　徹底實(shí)現(xiàn)持續(xù)測(cè)試／ 413
10．5．1　重新理解持續(xù)測(cè)試／ 414
10．5．2　持續(xù)測(cè)試的實(shí)現(xiàn)框架／ 415
10．5．3　持續(xù)測(cè)試成熟度模型／ 424
10．5．4　徹底的持續(xù)測(cè)試／ 425
本章小結(jié)／ 426
延伸閱讀／ 427
附錄A　基于Kubernetes 和Docker搭建Jenkins 可伸縮持續(xù)集成系統(tǒng)／ 428
導(dǎo)讀／ 428
A．1　工作流程圖／ 429
A．2　系統(tǒng)配置／ 429
A．3　安裝Kubernetes 集群／ 430
A．3．1　安裝前的準(zhǔn)備／ 430
A．3．2　安裝配置／ 430
A．4　Harbor 的安裝部署／ 434
A．4．1　下載Harbor 離線安裝包／ 434
A．4．2　安裝Docker ／ 435
A．4．3　安裝Docker Compose ／ 435
A．4．4　Harbor 的安裝與配置／ 435
A．4．5　客戶端訪問(wèn)Harbor 倉(cāng)庫(kù)／ 436
A．5　 采用Jenkins Pipeline 實(shí)現(xiàn)自動(dòng)構(gòu)建并部署至k8s ／ 438
A．5．1　部署Jenkins ／ 438
A．5．2　新建Spring Boot Java工程／440
A．5．3　配置Jenkins Pipeline任務(wù)／ 444
A．5．4　測(cè)試Pipeline 任務(wù)／ 446
A．5．5　遇到的問(wèn)題及解決方法／ 449
附錄B　敏捷實(shí)踐發(fā)展史／ 451
附錄C　后敏捷時(shí)代暨DevOps發(fā)展史／ 461
附錄D　中國(guó)敏捷測(cè)試大事記／ 463
參考文獻(xiàn)／ 465