随机测试

      TDD的好处就是我们可以用一些确定的需求自然而然的写出测试用例，进而完成源代码的创建和重构。这样做的好处不用多说，其中我的体会较深的就是，这个过程悄无声息帮你完成了测试的大覆盖率。有了高的覆盖，我们可以“自动化”定位错误并且迫使开发朝着预想的轨道走。但是这样常规的测试并不能检测出需求规范和实现的细微区别，随机的抽样就可以帮助我们做到这一点，因为其随机数的特点，为我们测试源码的非常规的问题提供了一条途径。

利用随机数

    这背后道理很简单，就是用一些随机生成的数字来驱动你的测试过程。像下面的代码，就是随机生成的数字来确定数据的顺序和参数：     Random random = new Random (); int count = random.nextInt (10000); for (int i = 0; i < count; i++) {   boolean add = random.nextBoolean ();   if (add) {     list.add (random.nextInt(list.size ()), new Integer (random.nextInt (100)));   } else {     list.remove (random.nextInt (list.size ()));   } }通过随机的产生测试数据，总有可能碰到源代码预想不到的情况。这样也就发现了代码的隐患。

无法复现？

    如果一个测试能报出bug但是这个bug却不能复现，那确实是很遗憾觉得不明不白的。随机测试比较麻烦的就是随机产生的数值序列看似没有规律的，初次接触的人一来确实不达能摸到规律。终极武器还是得看源码！！！ 其实Random生成的数值序列，都是由Seed确定的，而默认的seed是System.currentTimeMillis().解决方案也就明朗了，找到seed，因此 我们在项目这样组织随机测试的代码：     private void doRandomOperations (long seed) throws Throwable {   Random random = new Random (seed);   try {     // do the random operations   } catch (AssertionFailedError err) {     AssertionFailedError ne = new AssertionFailedError ("For seed: " + seed + " was: " + err.getMessage ());    throw ne.initCause (err);   } }       public void testSomeNewRandomScenarioToIncreaseCoverage () throws Throwable {   doRandomOperations (System.currentTimeMillis ()); }    我们在报错信息中加入seed信息后，事情就变得明朗了。  这只是第一步，我们暂且叫做定位随机错误。接下来，我们回到传统的回归测试，加入：     public void testThisUsedToFailOnAuthorBirthday () throws Throwable {   doRandomOperations (105730909304L); }    当然我们可以更进一步把测试代码写得更人性一点：把seed 翻译成具体操作的序列。这里就留给读者了。

随机但不随意

    上一节讲了随机测试进行的步奏，我们在具体的实践中如果真正做到了，这不光可以发现系统漏洞，并且可以有效的覆盖源码测试率。我们在实践中确实有这样的感觉。