浅谈代码覆盖率(2)

　　package

　　cobertura

　　生成代码覆盖率文件以后，通过Jenkins SonarQube Scanner或者执行 mvn sonar:sonar 将该文件上传至Sonar 服务器，就可以解析该文件，生成图形化的界面

　　集成测试覆盖率

　　测试人员执行集成测试测试用例时(包括手工执行和自动化执行)，我们需要代码覆盖率来发现测试用例设计的遗漏，及时补充用例来覆盖未被覆盖到的代码。

　　被测系统，在服务启动时，都会通过javaagent的方式做On-The-Fly插桩

　　被测服务器启动之后，测试人员手工执行测试用例，Jacoco Agent会实时将代码覆盖率信息传输给Jacoco Prase Server，该服务器保存了被测代码源文件以及编译后的目标文件，服务器会结合源文件、目标文件以及代码覆盖率信息生成图表化的覆盖率文件。

　　自动化执行测试用例完成之后，获取代码覆盖率信息，通过Jenkins Jacoco插件解析，获取图表化的覆盖率文件。

　　获取代码覆盖率报告之后，结合git获取的本次代码变动信息，得到测试用例覆盖的变动文件的测试覆盖率统计信息。来分析是否有由于测试用例设计遗漏导致的代码没有覆盖或者是开发的无效代码导致该代码无法被覆盖，如果测试用例设计有所遗漏，可以对照的增加相应的用例;如果是无效代码可以删除。

　　自动化集成流程

　　1. 业务开发完成之后，开发人员做单元测试，单元测试完成之后，保证单元测试全部通过同时单元测试代码覆盖率达到一定程度(这个需要开发和测试约定，理论上越高越好)，开发提测。

　　2. 测试人员根据测试用例进行测试(包括手工测试和自动化测试)，结合git获取本次变动代码的覆盖率信息。行覆盖率需达到100%，分支达到50%以上，这个需要具体场景具体分析。

　　3. 测试通过之后，代码合并至主干，进行自动化回归。

　　4. 回归测试通过之后，代码可以上线。

　　基于这套流程，我们可以将单元测试代码覆盖率和集成测试代码覆盖率整合到持续集成流程中，如果代码覆盖率达不到我们设置的某个值时，可以终止流程继续下去获取需要人工确认之后，继续流程。

　　总结

　　本文主要介绍了Java代码覆盖率统计原理以及结合有赞测试的工程实践介绍了代码覆盖率该如何应用的实际测试中。不管是白盒测试还是黑盒测试，代码覆盖率统计都是必不可少的一环，它可以直接反映本次测试的遗漏点(不是100%反映)。结合到自动发布场景也是一个较好地衡量指标。

　　最后再重申一下本文开篇的观点：

　　代码覆盖率统计是用来发现没有被测试覆盖的代码

　　代码覆盖率统计不能完全用来衡量代码质量

原文转自： http://tech.youzan.com/code-coverage/