{
  "id": "mutation-testing",
  "title": "变异测试",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "变异测试通过对程序进行受控修改，并检查测试能否发现这些变化，来评估软件测试的有效性。",
  "category": "computer-science",
  "subcategory": "software",
  "type": "concept",
  "aliases": [
    "突变测试",
    "变异分析"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/mutation-testing/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/mutation-testing/",
      "json": "https://aiwiki.page/en/mutation-testing.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "变异测试是一种评估软件测试的方法：有意修改程序，再检查测试能否发现这些变化。每个修改后的版本称为一个变异体，通常只包含一处小改动，例如替换一个算术运算符或将某个条件取反。如果一个测试套件能够区分变异体与原程序，就称它杀死了该变异体。因此，变异测试考察的是测试发现故障的能力，而不只是测试是否执行了程序的特定部分。"
    },
    {
      "heading": "基本原理",
      "text": "一个测试套件即使执行了程序中的每条语句，也仍可能无法发现错误行为。例如，测试可能调用了某个函数，却没有检查返回结果；也可能只检查了某些输入，而错误的实现在这些输入下恰好表现正确。\n\n变异测试通过变异算子引入受控修改，以探查这种薄弱之处。变异算子是生成程序变体的规则，例如：\n\n- 将 + 替换为 -。\n- 将 < 替换为 <=。\n- 将布尔条件取反。\n- 删除一次方法调用。\n- 将返回值改为零、空集合或其他预定义值。\n- 将常量替换为一个相近的值。\n\n大多数传统变异测试使用一阶变异体，每个变异体都是应用一次变异算子生成的。通常，各个变异体会被独立测试，而不是将改动逐步累积到同一个程序中。\n\n如果某项测试在原程序上通过、在变异体上却失败，就表明该测试套件能够发现这一特定的行为变化。存活的变异体则揭示了测试未能区分的一种改动，但这不一定意味着缺少测试：该改动也可能保留了所有相关行为。\n\n示例\n\n考虑以下用 Python编程语言编写的函数：\n\ndef qualifies(age):\n    return age >= 18\n\n变异算子可能生成：\n\ndef qualifies(age):\n    return age > 18\n\n如果测试只检查年龄为 17 和 19 的情况，那么两个版本都能通过。断言 qualifies(18) 为真的测试则会杀死这个变异体。\n\n这个示例说明了执行与检出之间的区别。原来的测试执行了比较操作，却没有验证边界处应有的行为。"
    },
    {
      "heading": "工作流程与结果",
      "text": "典型的变异测试流程包括以下步骤：\n\n- 建立基线。 对未修改的程序运行测试，确认相关测试均能通过。\n- 选择范围。 选定要纳入的代码、变异算子和测试。\n- 生成变异体。 对源代码、中间表示或可执行指令应用选定的算子。\n- 执行测试。 针对每个变异体运行相关测试，通常在某项测试杀死该变异体后就停止。\n- 对结果分类。 将已检出的改动、存活的变异体和执行问题分别归类。\n- 检查有分析价值的存活变异体。 判断它们揭示的是遗漏的输入、检查不充分、行为等价，还是不恰当的变异。\n\n常见的结果类别包括：\n\n结果 | 含义\n已杀死 | 至少有一项相关测试检出了该变异体。\n存活 | 已执行的测试未能检出该变异体。\n未覆盖 | 所选测试均未执行到发生变异的位置。\n无效 | 生成的变异体无法编译，或无法以其他方式有效执行。\n超时 | 执行时间超过设定上限，可能是因为变异导致程序无法终止。\n执行错误 | 基础设施或运行时问题导致无法得到可靠结果。\n\n这些类别因工具而异。有些工具将超时计为已检出的变异体，另一些则单独报告。引入无限循环所导致的超时，与测试机器负载过高造成的超时并不相同，因此报告采用的统计规则很重要。"
    },
    {
      "heading": "变异得分",
      "text": "变异得分概括了测试套件检出的相关变异体所占的比例。其概念性定义为：\n\n\\[\\operatorname{MS}=\\frac{K}{V-E}\\times 100\\%,\\]\n\n其中：\n\n- \\(K\\) 为被杀死的变异体数量；\n- \\(V\\) 为生成的有效变异体数量；\n- \\(E\\) 为有效变异体中与原程序等价的变异体数量。\n\n例如，100 个有效变异体中有 10 个等价变异体，测试杀死了其中的 72 个，则得分为 \\(72/90=80\\%\\)。\n\n在实践中，等价变异体的确切数量通常未知。因此，工具往往根据全部有效变异体，或明确排除部分变异体后剩余的变异体，报告实际统计得分。对于未覆盖的代码、超时和被忽略的变异，不同得分的处理方式也可能不同。\n\n因此，只有在变异算子、程序范围、测试选择、排除项和分类规则足够相似时，变异得分才具有直接可比性。100% 的得分意味着所有纳入统计的变异体都被检出；它并不能证明程序正确，也不能证明所有可能的故障都能被发现。"
    },
    {
      "heading": "强变异、弱变异与高阶变异",
      "text": "强变异\n\n在强变异测试中，只有当变异导致外部可观察行为发生差异，且测试检出了这种差异时，才算杀死变异体。\n\n成功检出通常需要满足四个条件：\n\n- 可达性： 执行到达发生变异的位置。\n- 感染： 变异使程序状态产生差异。\n- 传播： 这种差异传播到可观察的结果。\n- 揭示： 测试检查识别出该结果不正确。\n\n因此，仅仅执行发生变异的表达式还不够。中间状态的差异可能被覆盖、被后续计算抵消，或者被测试断言忽略。\n\n弱变异\n\n弱变异测试检查的是变异操作发生后不久，内部状态是否发生变化，而不要求这种差异传播到程序输出。\n\n这种方式可以降低执行成本，或为测试生成提供支持，但它回答的问题范围更窄：测试是否造成了内部行为差异，而不一定是最终检查能否揭示这种差异。介于两者之间的变体有时称为中强度变异（firm mutation），它在紧邻变异位置之后与最终输出之间的某个点观察行为。\n\n高阶变异\n\n高阶变异体组合了两处或更多变异。这种组合可以模拟相互影响的改动，有时生成的变异体比组成它的一阶变异体更难检出。\n\n高阶变异也会大幅扩大搜索空间。相关研究包括如何在不穷举所有组合的情况下，选出能够提供有用信息的组合。"
    },
    {
      "heading": "等价变异体",
      "text": "在所采用的程序模型允许的每一种输入和执行情况下，等价变异体的行为都与原程序完全相同。在该模型内，任何行为测试都无法将它与原程序区分开。\n\n例如，当 x 仅限于整数时，将 x > 0 替换为 x >= 1 不会改变条件的含义。但对于浮点值，同样的替换未必保持原意。\n\n等价性取决于语言语义、允许的输入和可观察行为。某项改动在应用的输入约定下可能没有影响，但在违反该约定时却可能产生可观察的差异。不同变异体之间也可能无法区分，但它们并不等价于原程序，从而使变异集合中出现冗余。\n\n对于表达能力足够强的编程语言，一般的程序等价性问题是不可判定的，这一限制与停机问题有关。自动化工具可以通过语法规则、编译器分析或受限的形式验证排除部分等价变异体，但无法普遍解决这个问题。\n\n因此，需要对存活的变异体加以分析。它可能表明测试确有薄弱之处，也可能代表等价变换、不可行的执行路径，或预期需求范围之外的行为。"
    },
    {
      "heading": "与其他测试技术的关系",
      "text": "代码覆盖率\n\n代码覆盖率衡量测试套件执行了哪些程序结构，例如语句或分支。变异测试则考察测试能否发现对这些结构所做的特定改动。\n\n高覆盖率并不保证高变异得分：测试可以执行代码，却不检查有意义的结果。不过，变异测试仍依赖执行覆盖，因为普通的基于执行的测试无法发现从未到达的代码中的变异。覆盖信息也有助于为每个变异体选择需要运行的测试。\n\n测试预言机\n\n测试预言机用于判断观察到的行为是否可以接受。变异测试能够揭示预言机的薄弱之处：测试可能提供了恰当的输入，也执行了相关操作，却没有对变异体所影响的性质作出断言。\n\n杀死变异体本身并不能证明原有行为正确。它表明，在测试所期望的行为有充分依据这一前提下，测试能够将原程序与某个特定的替代版本区分开。\n\n故障注入与模糊测试\n\n变异测试与故障注入有关，但其传统用途是通过修改程序来评估测试的充分性。故障注入的范围更广，还包括引入网络故障或资源耗尽等事件，以研究系统行为。\n\n在模糊测试中，变异通常指通过改变输入来生成新的测试用例。传统变异测试改变的则是被测程序。两种用法都采用受控变化，但作用对象和直接目标不同。"
    },
    {
      "heading": "计算成本与实用技术",
      "text": "最直接的实现方式是为每个变异体分别执行整个测试套件。对于 \\(m\\) 个变异体，若测试套件的运行时间为 \\(t\\)，仅测试执行时间就可能接近 \\(m t\\)，这还不包括生成、编译和准备工作的成本。\n\n常见的成本降低技术包括：\n\n- 基于覆盖信息选择测试： 只运行能够到达变异位置的测试。\n- 提前终止： 某个变异体首次出现可靠的测试失败结果后，就停止其测试运行。\n- 选择性变异： 只使用有限的一组变异算子。\n- 抽样： 只评估生成的变异体中的一个子集。\n- 增量分析： 将重点放在发生改动的代码及受影响的测试上。\n- 并行计算： 并发测试相互独立的变异体。\n- 变异体模式： 在经过插桩的程序中嵌入多个备选变异，并在执行期间选择其中一个。\n- 静态过滤： 在测试前移除部分无效、重复或可证明等价的变异体。\n\n这些技术都涉及权衡。抽样会引入不确定性，选择性算子会缩小故障模型的范围，并发执行则可能加剧资源争用。共享状态、非确定性行为，或结果依赖执行顺序的测试，也可能使结果不可靠。\n\n变异分析可以集成到持续集成中，但考虑到成本，往往更适合限定分析范围，例如只分析最近修改的模块，而不是每次改动都进行不受范围限制的分析。"
    },
    {
      "heading": "历史与理论依据",
      "text": "变异测试在 20 世纪 70 年代作为一种研究方法出现。早期奠基性工作包括理查德·哈姆雷特于 1977 年开展的编译器辅助测试研究，以及理查德·德米洛、理查德·利普顿和弗雷德·塞沃德于 1978 年发表的关于测试数据选择的论文。\n\n其理论依据通常与以下两个观点有关：\n\n- 胜任程序员假说认为，程序员编写的程序通常接近其预期实现，因此，微小的语法改动可以有效模拟某些故障。\n- 耦合效应认为，能够发现简单故障的测试，往往也能发现许多由这些简单故障组成或与之相关的更复杂故障。\n\n这些观点为该技术提供了依据，但并不保证它对每个系统都有效。检出人工变异体与发现真实缺陷之间的关系，取决于所采用的变异算子、程序、测试，以及所涉及的缺陷类型。"
    },
    {
      "heading": "应用与局限",
      "text": "在软件工程中，变异测试用于评估回归测试、查找断言和边界情况方面的遗漏、比较测试生成方法，以及指导自动化测试生成。与单独使用代码覆盖率相比，它可以提供区分能力更强的实验度量。\n\n其核心局限在于，生成的变异只代表所选定的故障模型。常见算子可能揭示算术或分支中的错误，却难以模拟功能缺失、架构错误、需求理解偏差，或与外部系统交互所造成的故障。\n\n变异测试也无法提供独立的规格说明。仅仅为了杀死变异体而添加断言，可能会把实现中偶然出现的行为固化下来，而非验证真正要求的性质。因此，对存活变异体进行有价值的分析，应将变化后的行为与实际需求联系起来，而不只是着眼于提高得分。"
    }
  ],
  "links": [
    "python-programming-language",
    "source-code",
    "halting-problem",
    "compiler",
    "formal-verification",
    "parallel-computing",
    "software-engineering"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}