自动化测试只会用工具就行？真不是这样

软件测试是对项目研发过程的产物（文档、代码等）进行审查，保障产品质量的过程。我们可以通过手工测试、自动化测试、工具扫描等方法完成这个任务。

其中，自动化测试是当前重要的一种测试方法，具有响应速度快、稳定性高、人工干预少的特点，很好地契合了高响应、海量数据验证等需求的测试任务。

数据驱动是自动化测试的灵魂，数据驱动的应用程度直接决定了自动化测试的水平和质量。

自动化测试和数据驱动

如果你有100亩麦子需要收割，你会怎么做p>

方法一：拎起镰刀或者雇几个人拎起镰刀割麦子。

方法二：制造或者购买一台收割机，然后开着收割机割麦子。

显然，这两种方法都能完成任务，但是，方法二具有重资产、高效率的特点。

测试就如同割麦子，完成麦子收割是测试任务，手工收割和收割机收割对应手工测试和自动化测试两种方法。

这两种方法各有利弊，手工测试具有上手易（一把镰刀就行），适应性强（不论平地、梯田，还是丘陵都ok）的特点，自动化测试具有效率高（收割速度快）、质量稳定（机器不容易犯错）、不疲劳（机器不用休息）的特点。

对于那种对测试质量要求稳定，测试反馈要求快，需要反复验证和海量数据验证的测试任务，自动化测试技术可以很好满足这类测试任务的要求。

测试数据如同机油，是收割机运行的燃料。数据驱动是自动化测试的核心，如同机器的发动机，是机器运行的动力源。没有测试数据这个燃料和数据驱动这个动力源，收割机就是一台没有灵魂的废铁无法运转，自动化测试也就无从谈起。

测试数据

测试数据作为测试的输入，测试数据准备的质量直接决定到测试范围是否全面，测试程度是否充分，最终影响测试过程的质量。

源自存量数据

源自存量数据是指利用原有系统运行积累的生产数据，经过脱敏、加工后生成的测试数据。这个原有系统可以是系统自身（升级优化前的系统、重构前的系统、手工记录的业务数据等），也可以是业务关联系统（业务上游系统、交互系统等）。

这类测试数据的特点是数据已经存在，可以直接使用，缺点是这类数据是通过正常的业务逻辑积累产生的，通常是还是高频交易产生的数据。这类数据天然具有局限性，无法覆盖系统的所有业务场景，如：异常操作、低频交易等。

源自新增数据

源自新增数据是指根据业务需求、系统设计，创造出来的符合业务需求的数据。

该类数据是测试人员通过分析业务需求、系统设计，针对项目业务需求（含高频交易和低频交易）、异常处理、边界值检验等人为创造的数据。

这类测试数据的特点是测试数据经过系统性分析，覆盖面较广，代表性较强。不足之处在于数据都需要人工创造，当系统较为复杂或者规模较大时需要的测试数量较多，人工制造成本较大。

数据驱动测试

数据驱动测试是自动化测试的灵魂，在数据驱动测试的思想中，自动化案例就是流水线，测试数据像水一样通过流水线，触发系统做出响应。

然后，通过配置在流水线上的断言、检查点，比对系统响应是否符合预期响应。

符合，则表示该功能场景正常

不符合，则预示该功能处理存在异常

显而易见，测试数据是至关重要的。那么自动化测试中的测试数据都从哪里获取呢p>

大体上自动化测试数据可以归为四大类、、八小类，详见下表。