如何減輕軟件開發(fā)的回測壓力，從而提高工程師的生產(chǎn)效率？MATEUSZ MACHALICA、ALEX SAMYLKIN 等人組成的 Facebook 研究團(tuán)隊(duì)提出使用一個(gè)利用機(jī)器學(xué)習(xí)的新系統(tǒng)來創(chuàng)建一個(gè)為特定代碼更改選擇回歸測試的概率模型，從而更好地執(zhí)行這種回歸測試。

為了高效地開發(fā)新產(chǎn)品特征和更新，F(xiàn)acebook研究團(tuán)隊(duì)使用基于主干的開發(fā)模型來管理對(duì)代碼庫的改動(dòng)。一旦一位工程師的代碼更改被接入主分支（主干），他們?cè)噲D讓它對(duì)從事該產(chǎn)品或服務(wù)的其他工程師快速可見。這種基于主干的開發(fā)模型比使用特征分支和特征融合更加有效，因?yàn)樗沟妹總€(gè)人都能夠在代碼庫的最新版本上工作。

但是，在被接受到主干之前，對(duì)每項(xiàng)提出的更改進(jìn)行徹底的回歸測試很重要（注：回歸測試是指修改了舊代碼后, 重新進(jìn)行測試以確認(rèn)修改沒有引入新的錯(cuò)誤或?qū)е缕渌a產(chǎn)生錯(cuò)誤的一種測試方法）。在從主干被部署到生產(chǎn)之前，每項(xiàng)代碼更改都需要經(jīng)過徹底的回歸測試，進(jìn)入主干異常代碼會(huì)使得評(píng)估新提出的代碼更改變得更困難得多，并且還會(huì)影響工程師的生產(chǎn)效率。

對(duì)此，該研究團(tuán)隊(duì)開發(fā)了一種更好的方法來執(zhí)行這項(xiàng)回歸測試：使用一個(gè)利用機(jī)器學(xué)習(xí)的新系統(tǒng)來創(chuàng)建一個(gè)為特定代碼更改選擇回歸測試的概率模型。這種方法需要僅僅運(yùn)行一個(gè)小的測試集，以確保檢測到錯(cuò)誤的更改。與典型的回歸測試選擇（RTS）工具不同，該系統(tǒng)通過從歷史代碼更改和測試結(jié)果的大型數(shù)據(jù)集中學(xué)習(xí)，來自動(dòng)開發(fā)測試選擇策略。

這個(gè)預(yù)測性測試選擇系統(tǒng)已在 Facebook 上部署了一年多，在一段新的代碼加入到主干、被其它工程師看到之前，這個(gè)系統(tǒng)就可以捕捉超過 99.9% 的回歸異常，而且它運(yùn)行的基于修改的代碼的測試數(shù)量也只需要以往的三分之一那么多。這也讓 Facebook 的基礎(chǔ)測試設(shè)施的效率得到翻倍的提升。

隨著代碼庫的不斷發(fā)展，該系統(tǒng)也幾乎不要求手動(dòng)調(diào)試。而且經(jīng)證明，它還能夠捕捉產(chǎn)生不一致和不確定性結(jié)果的片狀測試。

為什么使用創(chuàng)建依賴項(xiàng)是低效的

回歸測試的一種常用方法，就是使用從構(gòu)建元數(shù)據(jù)中提取的信息來確定在特定代碼更改上運(yùn)行哪些測試。通過分析代碼單元間的創(chuàng)建依賴項(xiàng)，可以確定傳遞依賴于在代碼更改中被修正的源的所有測試。例如，在下圖中，圓圈表示測試；正方形表示代碼的中間單元，如庫；菱形表示存儲(chǔ)庫中的單個(gè)源文件。箭頭連接起實(shí)體 A →B，當(dāng)且僅當(dāng) B 直接依賴于 A 時(shí)，他們將其解釋為 A 影響 B。藍(lán)色的菱形表示在示例代碼更改中被修正的兩個(gè)文件，所有傳遞依賴于它們的實(shí)體也用藍(lán)色表示。在這個(gè)場景中，基于創(chuàng)建依賴項(xiàng)的測試選擇策略將執(zhí)行測試 1,2,3 和 4，但不執(zhí)行測試 5 和 6，因?yàn)楹髢身?xiàng)測試不依賴于修正的文件。

這種方法有一個(gè)明顯的缺點(diǎn)：它以說「是的，本測試受到影響」告終的次數(shù)比實(shí)際所需要的要多。平均而言，對(duì)于移動(dòng)代碼庫的每項(xiàng)更改，該方法都會(huì)導(dǎo)致執(zhí)行多達(dá)四分之一的可用測試。如果傳遞依賴于修正文件的所有測試都真正受到影響，他們將別無選擇，而只能將每項(xiàng)測試都執(zhí)行一遍。然而，在他們的單片代碼庫中，終端產(chǎn)品依賴于許多可重復(fù)使用的組件，這些組件使用一小組低級(jí)庫。在實(shí)踐中，許多傳遞性依賴實(shí)際上與回歸測試無關(guān)。例如，當(dāng)某個(gè)低級(jí)庫發(fā)生更改時(shí)，在使用該庫的每個(gè)項(xiàng)目上重新運(yùn)行所有測試將是低效的。

軟件開發(fā)研究領(lǐng)域也開發(fā)了其他的回歸測試選擇方法，例如基于靜態(tài)更改-影響分析的方法。然而，由于他們代碼庫的大小和使用的不同編程語言的數(shù)量，這些技術(shù)在他們的使用案例中是不現(xiàn)實(shí)的。

一種新方法：預(yù)測性測試選擇

基于創(chuàng)建依賴項(xiàng)的選擇測試涉及到判斷哪些測試可能受到更改的影響的問題。為了開發(fā)更好的方法，F(xiàn)acebook 的研究團(tuán)隊(duì)考慮了一個(gè)不一樣的問題：指定的一項(xiàng)測試發(fā)現(xiàn)某個(gè)代碼修改中的回歸問題的可能性有多大？如果他們能估計(jì)到這個(gè)可能性，就可以做出明智的決定，來排除那些極不可能發(fā)現(xiàn)回歸的測試。這是對(duì)傳統(tǒng)測試選擇的重大背離，并且開辟了一種新的、更有效的選擇測試方法。

作為第一步，該研究團(tuán)隊(duì)創(chuàng)建了一個(gè)預(yù)測模型，該模型針對(duì)新提出的代碼更改估計(jì)每項(xiàng)測試失敗的概率。他們通過使用包括歷史代碼更改上的測試結(jié)果在內(nèi)的大型數(shù)據(jù)集，然后采用標(biāo)準(zhǔn)的機(jī)器學(xué)習(xí)技術(shù)來創(chuàng)建模型，而非手動(dòng)定義模型。

每個(gè)新的代碼更改總會(huì)與之前的情況略有不同，因此模型不能簡單地將新的更改與歷史更改進(jìn)行比較，來確定哪些測試值得運(yùn)行。然而，新更改的抽象可以類似于前一個(gè)或多個(gè)代碼更改的對(duì)應(yīng)的抽象。

在訓(xùn)練期間，研究團(tuán)隊(duì)的系統(tǒng)學(xué)習(xí)基于源自先前代碼更改和測試的特征的模型。然后，當(dāng)該系統(tǒng)正在分析新的代碼更改時(shí)，他們將學(xué)習(xí)到的模型應(yīng)用于基于特征的代碼更改的抽象。對(duì)于任何特定的測試，該模型接著能夠預(yù)測檢測到回歸的可能性。

為此，該系統(tǒng)使用了標(biāo)準(zhǔn)機(jī)器學(xué)習(xí)算法的變體——梯度提升決策樹模型。研究團(tuán)隊(duì)雖然可以使用其他機(jī)器學(xué)習(xí)算法，但其之所以選擇這種方法，有幾個(gè)原因：決策樹是可解釋的、易于訓(xùn)練的，并且已經(jīng)是 Facebook 機(jī)器學(xué)習(xí)算法基礎(chǔ)結(jié)構(gòu)的一部分。

他們可以使用這個(gè)模型分析特定的代碼更改，來找到所有傳遞依賴于修改文件的可能受影響的測試，然后估計(jì)測試檢測到由更改引入的回歸的概率。基于這些估計(jì)，系統(tǒng)選擇對(duì)于特定更改最有可能失敗的測試。下圖顯示了將選擇哪些測試（用藍(lán)色表示），來更改影響前一示例中的兩個(gè)文件，而在前一示例中，用 0 到 1 之間的數(shù)字來表示每個(gè)被考慮在內(nèi)的測試的概率。

評(píng)估和校準(zhǔn)模型

對(duì)于每項(xiàng)代碼更改，系統(tǒng)選擇的測試數(shù)量影響它在檢測回歸時(shí)的可靠性。使用最近代碼更改的選擇作為驗(yàn)證集，研究團(tuán)隊(duì)可以評(píng)估其在新更改上的準(zhǔn)確性。下面的圖表顯示了每次更改所選擇的最大測試數(shù)量與這一選擇的準(zhǔn)確性之間的關(guān)系。在生產(chǎn)中，他們要求其模型能夠正確預(yù)測超過 95% 的測試結(jié)果，并且能為超過 99.9% 的有問題的更改捕獲至少一個(gè)失敗的測試。他們發(fā)現(xiàn)，這種準(zhǔn)確度的高標(biāo)準(zhǔn)所帶來的測試信號(hào)的損失可以忽略不計(jì)，并且消除了大量不必要的測試執(zhí)行。

由于代碼庫結(jié)構(gòu)的不斷演變，測試選擇策略必須適應(yīng)繼續(xù)滿足這些嚴(yán)格的正確性要求。然而，他們的系統(tǒng)讓其變得簡單，因?yàn)樗麄兛梢允褂米罱峤坏拇a更改的測試結(jié)果來定期地重新訓(xùn)練模型。

處理測試片狀

為了確保他們的測試選擇很好地適用于現(xiàn)實(shí)世界的測試，系統(tǒng)需要處理測試片狀問題：當(dāng)被測試的代碼沒有真正被更改時(shí)，測試結(jié)果從通過變?yōu)槭　Ｕ缢麄冊(cè)谡撐闹兴龅母敿?xì)的解釋，如果他們訓(xùn)練一個(gè)模型而不去識(shí)別片狀測試失敗，該模型可能無法學(xué)習(xí)去一致地預(yù)測測試結(jié)果。在下面的示例中，兩個(gè)測試選擇策略捕獲所有失敗的測試執(zhí)行的共同部分。如果系統(tǒng)不能區(qū)分哪些測試失敗是片狀的以及哪些不是，那么它將無法知道哪個(gè)策略是最好的。策略 A 具有明顯更好的準(zhǔn)確性，因?yàn)樗东@了所有無法發(fā)現(xiàn)實(shí)際回歸的測試。然而，策略 B 選擇了大量由于片狀性而非代碼的實(shí)際問題而失敗的測試。

為了減輕片狀性對(duì)所學(xué)到的測試選擇模型的影響，研究團(tuán)隊(duì)在收集訓(xùn)練數(shù)據(jù)時(shí)積極地重新嘗試失敗的測試。這種方法讓他們將連續(xù)失敗的測試（指示真實(shí)回歸）與那些呈現(xiàn)片狀、非重現(xiàn)性失敗的測試區(qū)分開來。

檢測和固定回歸：30000 英尺的視角

這個(gè)系統(tǒng)是研究團(tuán)隊(duì)創(chuàng)建智能工具以使代碼開發(fā)過程更加可靠和高效的更廣泛努力的一部分。他們的基于搜索的自動(dòng)化軟件測試系統(tǒng) Sapienz 和自動(dòng)化缺陷修復(fù)工具 Getafix，也可以幫助他們自動(dòng)檢測和修復(fù)回歸——也就是說，這些工作僅要求工程師們投入很少的注意力甚至不投入注意力。

預(yù)測性測試選擇（這篇博客文章中描述的系統(tǒng)）通過選擇由工程師定義的正確的測試集，來高效地檢測回歸。Sapienz 生成新的測試序列，來發(fā)掘讓移動(dòng)應(yīng)用程序崩潰的條件，Getafix 則為他們使用測試和驗(yàn)證工具所發(fā)現(xiàn)的問題推薦補(bǔ)丁，然后由編寫更改的工程師檢驗(yàn)并選擇接受或拒絕這些補(bǔ)丁?？偠灾?，這些系統(tǒng)讓工程師能夠?yàn)槭褂?Facebook 產(chǎn)品的數(shù)十億人，更快、更有效地創(chuàng)建和部署新特征。

未來規(guī)劃

預(yù)測性測試選擇是 Facebook 的數(shù)個(gè)項(xiàng)目中的一個(gè)，它旨在應(yīng)用統(tǒng)計(jì)學(xué)方法和機(jī)器學(xué)習(xí)來提高回歸測試的有效性。隨著研究團(tuán)隊(duì)進(jìn)一步提高系統(tǒng)的效率和準(zhǔn)確性，他們也將應(yīng)用相關(guān)的方法來識(shí)別測試范圍中的潛在差距。

機(jī)器學(xué)習(xí)正在變革生活的方方面面。他們相信軟件工程在這方面也一樣。