7.2 度量怎么读：覆盖率、变异测试与团队指标

7.2 度量怎么读：覆盖率、变异测试与团队指标

本节摘要：度量错读比不度量更危险：把覆盖率当成绩单，得到的是断言空洞的凑数测试；正确姿势是把覆盖率当盲区探测器、把变异分数当断言体检、把缺陷逃逸与修复时长当结果指标。本节逐个拆解三层的读法与误读。读完你应能为团队搭一组"骗不了人"的度量组合。

覆盖率考核推行后，灯塔小组的测试数量翻了一倍，线上事故却一次没少。复盘时有人翻开考核催生的新测试，发现了大量这样的作品：调用函数、拿到返回值、断言"返回值不是异常"——行覆盖了，判断力为零。这就是度量错读的学费：覆盖率回答的是"哪些代码没被踩过"，从不回答"踩过的那些测对了吗"。

度量这章之所以重要，还因为它决定团队资源的流向：把覆盖率当唯一指标，团队的最优策略就是给最简单的代码补测试——便宜、快、涨数字；把逃逸率当指标，团队才会把测试投向最常出事的地方。指标指哪儿，工程努力就打哪儿，所以选指标约等于选团队的真实目标。

覆盖率：盲区探测器，不是成绩单

覆盖率的本职是找盲区：某个分支从没被任何测试执行过，那里藏着什么行为没人知道。这个用法价值极高——织网期（5.2）靠它定位没刻到的分支，评审时靠它追问"这行为什么没测"。误读发生在把它当质量分数：覆盖率高只说明代码被执行过，执行之后的断言强度它一概不问。覆盖率 85% 的团队完全可能比 60% 的团队测得更差——前者的测试可能在演，后者的可能在真防。

设覆盖率门槛的务实姿势：门槛定在"防止新增盲区"的最低值（比如增量代码的覆盖率不得下降），而不是绝对高分。绝对高分的下场在 7.1 见过了：凑数测试应运而生，数字上去了，防线没变厚。

图：覆盖率读数与盲区示意

分支覆盖与行覆盖的距离

行覆盖还有个内置盲区：一行被执行不等于它的两个方向都被走过。if percent > 0.5: percent = 0.5 这行，只测大折的情形时它是"已覆盖"的，封顶逻辑根本没跑——这就是行覆盖与分支覆盖的距离。工具默认给行覆盖，分支覆盖要多开一个开关，成本只是慢一点，收益是把这类半盲区照亮。团队的常见升级路径：起步行覆盖找盲区，测试集稳定后切分支覆盖，覆盖口径写进 6.1 的那份配置文件。

升级时机还有一个信号可以参考：当你们开始用覆盖率做增量门槛（新代码不许裸奔）时，就该同步切分支覆盖——门槛防的是"没测"，但半盲区恰好是"测了没测全"，行覆盖口径下它穿着合法的外衣溜进门。两种口径混用的项目常见怪象是覆盖率很高而逃逸率不降，排查半天，元凶往往就是一批只走单边的分支用例。

变异测试：给断言做体检

断言质量没有直接的读数，变异测试给了一个漂亮的间接测量：自动把代码做微小变异（比较符翻转、边界值偏移、返回值篡改），每变异一处跑一遍测试集。测试杀死了变异体（有测试变红），说明断言有判断力；变异体存活，说明这行代码的行为没有任何测试真正在乎。

变异示例（同一函数的三种变异）：
  原版:  return total * (1 - percent)
  变异一: return total * (1 + percent)     # 符号翻转 —— 测试该红
  变异二: if percent >= 0.5:               # 边界偏移 —— 测试该红
  变异三: return total                      # 偷懒返回 —— 测试必须红

变异分数 = 被杀死的变异体数 / 变异体总数
​

变异分数是对覆盖率的最强补位：覆盖率说"这行跑过"，变异分数说"这行跑过且有人认真盯着"。它的代价是运行时间（每个变异都要跑全量测试），所以实践里只对核心模块定期做，而不是全仓库天天跑——又一次印证 6.2 的位次：重的检查放低频位。

变异测试的实操要点

变异测试工具（Python 圈常用 mutmut、cosmic-ray 一类）上手有三个参数决定体验。变异范围：先圈住核心业务模块（计费、库存），别全仓开跑——工具类、配置类代码的变异分数没有信息量。等价变异的处理：有些变异在行为上与原代码等价（比如换一种等价写法），永远杀不死，要人工标记豁免，否则分数虚低。运行策略：只对被改动模块的变异体跑相关测试（增量模式），全量模式留给月度体检。三点配齐后，变异体检一次大约几十分钟，频率月度足够——它的产出是"漏防行为清单"，交给负责人按普通红灯处理即可，杀不死的每一格都是真实存在的行为盲区。

把度量挂上看板的姿势

度量要看得见才有用，但展示方式决定它是仪表还是鞭子。推荐三张曲线并排挂团队看板：覆盖率（增量口径）、变异分数（核心模块）、缺陷逃逸率（月度）——看曲线的相对关系而不是绝对值：前两条涨、第三条降，说明反馈网在变厚；前两条涨、第三条不动甚至升，说明涨的是水分，该去做 7.1 的健康度抽查了。看板旁配一句固定话术很管用："这三条曲线回答的问题是——我们的红灯还可信吗？"把度量锚在"红灯可信度"这个具体问题上，团队讨论就不会漂移到"谁覆盖率低了"上去。

结果性指标：逃逸与修复

产出到结果还有一层。两个结果指标比一切过程指标都诚实：缺陷逃逸率（线上发现的缺陷占全部缺陷的比例——反馈网漏了多少）与平均修复时长（从发现到修复的时间——反馈网兜住之后恢复多快）。TDD 做得好，逃逸率应长期走低、修复时长应稳定在小时级：红灯当场抓到的缺陷根本来不及逃逸。这两个数字不需要精确到小数点，趋势对了，方向就是对的。

⚠️ 度量组合里最危险的姿势是拿过程指标考核个人。覆盖率、变异分数一旦挂钩绩效，就会立刻被"为数字写测试"攻破——7.1 的凑数作品就是这么诞生的。指标用于团队体检与趋势观察，永远别用于排名。

💡 每季度做一次"度量体检"：把覆盖率、变异分数、逃逸率三张曲线摆在一起。覆盖率涨、逃逸不降，说明涨的是水分；变异分数与逃逸率同向改善，说明反馈网真的在变厚。

度量组合拳

• 覆盖率找盲区：增量门槛防裸奔，评审追问未覆盖分支，不设绝对高分。
• 行覆盖升分支覆盖：照亮"跑过但没走全"的半盲区。
• 变异分数审断言：核心模块定期体检，杀不死的变异体就是漏防的行为。
• 结果指标定方向：逃逸率与修复时长的趋势，是反馈网厚度的最终读数。
• 度量用于体检不用于排名——一旦挂钩绩效，数字即被掏空。