代碼覆蓋率：質量的黃金標准，你的軟件有多可靠？

本篇目錄

代碼覆蓋率是什麽？代碼覆蓋率一定要達到100%嗎……

最近很多客戶在咨詢禅道的時候，提出來了上述這類問題。我們能明顯感受到大家對軟件質量的重視程度越來越高。在重視代碼覆蓋率的同時，大家也能更爲及時地暴露出現有軟件開發流程中存在的各類風險。

今天，我們就來好好聊聊代碼覆蓋率，用一篇文章講透代碼覆蓋率的各類問題。

其實近幾年，從軟件質量聯盟組織（CISQ）的報告就能看出軟件質量帶來的各類問題，2022年，美國軟件公司因軟件質量不佳至少損失了2.41萬億美元，還額外累積了約1.5萬億美元的技術債務。這恰好印證了，不良代碼的部署、爲了加快進度而忽略測試等行爲，都在一點一點蠶食搖搖欲墜的軟件質量。

細節決定成敗。軟件開發不僅需要精確度、前瞻性，更是一件需要持續關注細節的精細活兒。舉個也許不太恰當的例子，如果我們在建造高樓時，忽視內部結構、複雜組件的檢驗的話，那後果將會不堪設想。

基于此，爲了提高軟件質量，對代碼覆蓋率的關注也要盡早提上日程了。

一、代碼覆蓋率是什麽？

作爲軟件開發過程中的關鍵指標之一，代碼覆蓋率量化了測試過程中代碼被執行的程度，通常以百分比的形式呈現：

代碼覆蓋率=（已測試執行的代碼行數/軟件總代碼行數）*100%

簡而言之，代碼覆蓋率能夠展示測試對代碼的覆蓋廣度。

代碼覆蓋率能幫團隊識別未被測試的代碼區域，從而確認這些區域是否隱藏著未被發現的錯誤或潛在問題。

需要注意的是，100%的代碼覆蓋率並不意味著軟件毫無缺陷。團隊真正的重點應放在編寫有意義的測試上，放在編寫能夠覆蓋各種場景（比如極端情況、潛在錯誤路徑）的測試中。

二、如何計算代碼覆蓋率？

我們一般會通過工具，將代碼行覆蓋率的數據集中存儲在中心系統內。可以這樣說，也類似于在代碼的關鍵部分安裝傳感器，以便在測試執行過程中監控哪些代碼已被執行。

通常這類工具會通過以下幾種標准進行計算：

1.函數覆蓋率

這一指標衡量的是在測試過程中執行的函數或子例程的百分比。它顯示了測試期間至少被調用一次的函數數量。

達成100%的覆蓋率意味著確保每個定義的函數至少被調用一次，從而驗證功能的遍曆性。

計算公式：函數覆蓋率=（已經執行的函數數/總函數數）*100%

例子：

# File: calculator.py
def add(a, b):
   return a + b
def subtract(a, b):
   return a - b

在這個例子中，實現100%的函數覆蓋率意味著在測試用例中執行“add”和“subtract”這兩個函數。

2.語句覆蓋率

語句覆蓋率關注的是函數內單個語句的執行。完整的語句覆蓋率主要用于識別死代碼（永遠不會執行的代碼）、確保代碼的每個部分都可訪問和測試。這一指標也有助于識別缺失的語句以及未使用過的語句和分支。

計算公式：語句覆蓋率=（已經執行的語句數/總語句數）*100%

例子：

# File: calculator.py
def multiply(a, b):
   result = a * b
   print(result)
   return result

语句覆盖率涉及执行计算（“result = a * b”）和“print（result）”语句。

3.分支覆蓋率

在編碼中，分支指的是代碼中的點，它可以將程序流程導向一個或多個路徑。這種類型的覆蓋通過關注代碼中的決策點來擴展語句覆蓋的概念。分支覆蓋率衡量的是測試過程中已被采用的分支的百分比。完整的分支覆蓋率能夠確保所有可能的決策結果都被考慮和測試到。

計算公式：分支覆蓋率=（已經執行的分支數/總分支數）*100%

例子：

# File: number_classifier.py
def is_positive(num):
      if num > 0:
              return True
      else:
         return False

爲了達到100%的分支覆蓋率，需要編寫測試用例覆蓋“if”和“else”分支。

4.條件覆蓋率

條件覆蓋率主要是對函數中布爾條件的評估。布爾條件指編程中計算結果爲“True”或“False”的表達式或語句。條件覆蓋率確保每個條件都經過真假測試，能夠確保決策制定過程的正確性。

計算公式：條件覆蓋率=（已經執行的條件數/總條件數）*100%

例子：

# File: voting_age_checker.py
def cab_vote(age):
   return age >= 18

实现条件覆盖涉及测试“年龄”大于和小于 18 的输入。

多重條件決策覆蓋率（MC/DC）是一種更嚴格的條件覆蓋形式，它能確保每個條件獨立地影響決策結果。

例子：

# File: loan_approval.py
def approve_loan(income, credit_score):
   return income > 50000 and credit_score > 700

MC/DC覆蓋率要求測試用例能夠獨立改變“income”或“credit_score”中的任何一個，從而影響決策結果。

除這四種最常見的覆蓋率外，還會有行覆蓋率、參數值覆蓋率等。行覆蓋率衡量的是測試期間執行的代碼行數，但可能無法識別行的部分執行過程。參數值覆蓋率確保使用各種輸入值測試函數，主要用于測試參數處理、邊界條件以及不同輸入場景下函數的整體穩健性等問題。

在測試用例中，通過不同覆蓋率的組合，能夠更爲全面地保證代碼質量。

舉一個較爲複雜的例子（根據各種條件確定某人是否有資格享受折扣）：

# File: discount_calculator.py
def calculate_discount(age, income, has_membership):
   """
   Calculates the discount eligibility based on age, income, and membership.
   """
   discount = 0
   if age >= 18:
       if income > 50000:
           discount = 10
           if has_membership:
               discount += 5
       elif income > 30000:
           discount = 5
   else:
       discount = 0
   return discount

測試如下：

# File: test_discount_calculator.py
from discount_calculator import calculate_discount
def test_eligible_for_discount():
   result = calculate_discount(25, 60000, True)
   assert result == 15
def test_eligible_for_partial_discount():
   result = calculate_discount(30, 40000, True)
   assert result == 5
def test_not_eligible_for_discount():
   result = calculate_discount(16, 35000, False)
   assert result == 0

在這個例子中，我們有三個測試用例覆蓋不同的場景。但我們會發現，要想所有可能的代碼路徑的覆蓋率達到100%會很難，這就意味著該函數本身可能會過于複雜，需要重新評估。

三、代碼覆蓋率與測試覆蓋率

在實際應用中，很多人會將“代碼覆蓋率”和“測試覆蓋率”這兩個術語混淆。

實際上，代碼覆蓋率衡量的是代碼的執行程度，它主要明確已經執行了哪些代碼，哪些代碼還未經測試；而測試覆蓋率主要體現測試已經覆蓋了哪些功能特性。

測試覆蓋率可以通過各種測試方案實現：

單元測試來驗證最小可測試單元（如函數、方法）的准確性；
響應式測試用于驗證Web應用或網站在不同設備和屏幕尺寸上的顯示和運行情況；
跨浏覽器測試確保Web應用或網站在不同浏覽器上的兼容性和一致性；
集成測試驗證系統各組件或模塊間的交互；
驗收測試評估軟件應用是否滿足既定要求並做好部署的准備；
回歸測試確保新的代碼更改不會對現有功能造成負面影響；
……

可以這樣說，這兩者都是提升軟件質量應重點關注的維度。

在探討代碼覆蓋率的過程中，我們不是僅在審視一段段冷冰冰的代碼，而是在探索一個更爲深遠的話題——如何確保構建的軟件穩固、可靠。即使在虛擬的世界裏，也存在著無數的可能性與變數。理想的100%代碼覆蓋率也許很難達到，但在持續優化的過程中，我們能夠更全面地測試，更加細致地思考。

“質量不是偶然的，它是持續改進的結果。”代碼覆蓋率可能只是其中一個手段，如何持續提升軟件質量，才是團隊需要明確並持續探索的目標。

文章翻譯鏈接：https://blog.codacy.com/what-is-code-coverage