质量保障，质量管控

，环境部署 配置 发布简介

1. 何为质量，质量模型，质量量化指标，如何保障，保障手段，保障流程，如何提升，质量管控，质量追踪
2. 为什么要做质量保障，质量监控
3. 如何实施

4. 实施中可能会碰到难点以及痛点

   模具=>数据来了 => 立即就能装载验证？？

   开发的再快，也不如模版随便拼拼凑凑的来的快

5. 协调 推动 落地的能力

6. 数据可视化

   用户行为数据，流程强控数据

7. 能力可视化:

   开发能力值,解决bug能力值(能力值总数为100)

   测试能力值，发现bug数量，扭转时长，开发工具数，自动化能力(能力值为100)

   …其它方面的能力值

   基于各种能力值的匹配运算，得出质量的预估系数，风险预估系数…等关键系数，能得出数据上的支持

   ??如何获取这些能力值的参考基数??

   基于经验的主观思考，是否可以把经验数据化？

8. 契约精神
9. 质量预估值，风险预估值
10. 通过客观的数据分析，而不是主观的判断；能够通过算法计算出质量值
11. 分析数据的来源
12. 项目交接的风险, 新手，
13. 如何为整个流程节点赋能?(产品、开发、测试、…)
14. 演习

1. 质量标准(质量门径): 各家公司不一，bug率 bug数 有效无效 严重 线上问题 覆盖率等等

   流程化 规范化 契约化 多重检验机制

2. 影响质量的因素: 各种数据指标分析把控。prd修改次数，视觉稿修改次数，开发时长，各种时间节点是否按时，上下游依赖，外部组件依赖,从业人员业务能力，环境部署，配置，可测性

   风险可视化，风险消除

3. 完善质量细节，提供检验质量的平台或工具脚本，丰富检测质量的手段：既然做了质量把控，为何还会有线上问题？

   用户story 空间 场景 连续行操作，而不是单一的操作

4. 质量系数预估,系数高则质量高，风险小
5. 质量的监控ci/id
6. 故障的注入，链路 参考其他行业的质量模式与标准
7. 快速地搭建质量体系

质量模型

"质量特征–质量特子特征–度量因子"

ISO9126质量模型： 软件质量模型的6大特性和27个子特性

参考链接：https://blog.csdn.net/cwxxiayi/article/details/80288993

质量评估指标选择

选择合适的指标体系并使其量化是软件测试与评估的关键；

评估指标可以分为定性指标和定量指标

软件质量评估指标体系

1. 功能性指标：

a 完备性

b 正确性

1. 可靠性指标_____定量指标

a 可用度

b 初期故障率(crash率等)

c 偶然故障率

d 平均失效前时间(MTTF)

e 平均失效间隔时间(MTBF)

f 缺陷密度(FD) ：隐藏的bug数

g 平均失效恢复时间(MTTR)

1. 易用性指标

易理解 易操作 易学习

4 效率特征指标

时间特征和资源特征

a 输出结果更新周期

b 处理时间

c 吞吐率

d 代码规模

从互联网行业来说，我觉得质量包含两个方面：

1. 产品的质量，软件+硬件的指标,可以从宏观角度看，就是我的产品(如一款app，一栋房子他的每个功能都完全按照需求实现，而且非常可靠耐用使用寿命长可扩展性强，而且分布式能力好)，我们利用各种前后端架构，利用各种工具检测观察，很强的容灾能力，客户端也如此，

   我们通过各种测试手段、测试类型、测试流程、测试框架、测试工具来保障硬件环境下、空间环境下(手机环境,PC环境、服务器环境)下APP或者服务的质量

   总结来说：我们通过流程改进+技术改进+质量跟踪来高效率的保障产品的质量，并且能够应付快速的迭代；，

   但是产品，他的体验并不能贴合用户，也没有给予用户很好的交互体验，那用户体验质量该如何保障，质量的依据又是什么呢？

2. toC的产品，我们应该一切以客户为前提,我们应该了解用户的使用场景、使用习惯、操作流程、客户喜好（颜色、感官）、时间与空间下的用户story，这些需要获取数据、采用数据来分析–需要为我们的质量提供数据支撑、数据模型、质量标准

   质量好不好用户说的算、不在是传统的坚固耐用即可，要提供贴心的服务，初步考虑提高QA水平：

最基本的通过各种测试策略、测试框架、测试方法进行功能、专项、自动化、线上追踪、探索性、快速响应
a. 为QT或者QA的工作提供数据支撑，应该采集测试数据（比如埋点数据）
b. 基于数据分析用户行为，为设计测试用例提供支撑，丰富用户story
c. 技术手段+流程优化
           

质量保障体系，

1. 测试左移 -> 研发自测，checklist，静态代码扫描、覆盖率、bug等流控各种指标 ==> 数据采集

2. 测试关注点(用户特性-产品特性)、可测性、精准化测试、组装化测试…

   质量预估，风险消除，节点把控、工具推荐、实时/历史数据看版(个人能力值，产品能力值) ==>数据可视化，数据指引策略

3. 测试右移 -> 监控告警，止损，回滚 ==> 数据采集

   质量体系中，需要质量数据的采集，分析，可视化，指标化，流程化，规范化…

质量分析

质量分析：

1. 提测时质量，测试期间的质量，上线后的质量

   提测时质量：执行的一级Case通过率，冒烟Case执行不通过的比例。可以通过这两个数据发现开发的体测质量，针对体测质量差的业务线，可以通过增加核心冒烟用例的数量，且严格按照只能通过冒烟用例的需求才进入测试环节

2. 测试期间的质量：bug数/人日的比例，可以反应出该需求的开发质量，如果测试期间BUG数没有呈收敛趋势，则上线风险很大。通过复杂性大需求拆分成小需求，参加开发技术评审，帮助开发熟悉业务知识，增加用例评审环节可以帮助提高业务质量 ===> 需要一个能够对产品，开发赋能的平台,设计中…质量生态圈平台

3. 上线后质量：crash率，服务可用率，线上问题。crash率和服务可用率都可以监控，超过阀值报警。通过整理top n的crash类型，梳理容易出现的场景和解决方案，和开发定期同步这些数据。对于复杂的需求，同组内进行测试用例交叉评审，减少线上问题率

   我们有很多指标的。崩溃率的话百分制0.08就告警了；但是告警系统把异常分了很多种类，每个种类的异常占比超过预定的阀值了都会告警

   同一条崩溃，昨天10%，今天占比猛增到20%，也会告警

流程可视化，质量可视化

质量指标

用户数据分析

Software Quality Management

It is a process that ensures the required level of software quality is achieved when it reaches the users,so that they are satisfied by its performance

涉及三个方面：

1. quality assurance
2. quality planning
3. quality control

一、简介

软件质量简单来说，就是允许存在合理缺陷或者无缺陷，在指定的时间完成交付，并且满足需求，具备可维护性

包含两个方面：

1. functional quality

functional requirement or specifications

提测质量 bug率 ，提测时间

测试期间bug率，bug解决时长，bug等级

bug发散趋势，是否可控

1. structural quality

非功能性的一些需求，

拥有可持续交付的能力

可维护性，通用性

代码输出的高效性，提测时长，提测率

1. Software Quality Assurance(SQA)

   一系列的流程，建立并评估生产产品

a 项目前的交流:

需求评审 开发前，明确功能性 确保后期不一致 prd规范性

声明用户体验需求

明确项目计划，资源数据依赖需求

人力资源

明确开发风险

评估用户履行规则的能力

b 开发和质量 plans

开发计划主要考虑的因素：

日程

需要的人力和硬件资源

风险评估，风险消除

组织沟通协调问题

项目策略，开发工具

项目质量计划:

质量指标,具体的验收标准

开始和结束标准（提测标准，通过标准）

其它的一些验证计划行为

软件复用计划

1. Softwa Quality Control(SQC)

   重点是确定产品的质量缺陷

2. push推动整合

角色：业务方 运营 产品 开发 项目 boss 其他产线人员

人数：角色*N

能力：push contact contract 效能提升 整合

指标:

数据：

规模：规范化 流程化 工具化 自动化 平台化 监控化 可视化 智能化 多重check机制

趋势：机器学习(预估风险性，完成性，趋势性) AI 深度学习

快速小范围批量化的校验并得出最终结果