2021年12月11日 QECon联合中国信通院发布了三本白皮书 《数字化时代软件质量工程》、《软件测试技术趋势》和《研发效能实践指南》
《数字化时代软件质量工程》由QECon大会发起人朱少民老师 和 中国信通院云大所云计算部 副主任 云原生产业联盟 秘书长 陈屹立老师联合解读，他们侧重从下列几项内容来解读白皮书：
1) 编写背景介绍
2) 白皮书的定位与价值
3) 质量工程产生背景
4) 质量工程框架
5) 质量工程技术
6) 质量工程实践与工具
7) 质量工程建设与落地
如《数字化时代软件质量工程白皮书》标题所述，其背景是我们今天所处的时代——数字化时代，而这个时代万物互联、软件定义一切，客户需求更加多元化、个性化，技术不断推陈出新，进一步促进软件研发的快速迭代、产生更多的新产品和新服务模式，最终给软件质量管理带来巨大的挑战，仅仅靠测试来保证质量会付出很高的代价，需要将软件测试提升到质量工程水准。
2021年11月30日，工业和信息化部印发了《‘十四五’软件和信息技术服务业发展规划》，明确了软件作 为信息技术关键载体和产业融合关键纽带，在数字化发展进程中发挥的重要作用。其指导思想以推动高质量发展为主题，提升关键软件供给能力，并在此期间要制定125项重点领域国家标准，有效提升质量管理能力。
正是在这种诉求下，我们聚集一批质量工程专家来编写《数字化时代软件质量工程白皮书》，想通过它帮助大家重新认识质量工程的价值，系统、深入地介绍数字化时代下质量工程的新内涵，以及如何在企业和团队内实施，并给出相关的方法、技术、工具和优秀实践等，真正推动质量工程在更广泛范围内的落地。
经过长时间讨论，质量工程白皮书编委会首先确定了质量工程框架，成为指导整个质量工程建设的纲要，从基础设施层、质量数据层、质量评估层、质量展示层以及质量组织与角色、质量文化与策略等各方面给予全方位的指导。
在白皮书解读过程中，重点介绍了12项质量工程技术中的软件质量治理新技术、面向弹性的设计技术、CI/CD、灰度发布、质量右移&AIOps、性能工程、安全工程、用户体验工程、混沌工程等。例如：
在白皮书中还介绍了质量工程实践，包括管理与领导力、过程质量控制、持续改进质量等具体内容，而质量工程工具介绍了本地开发质量工具、CI/CD测试工具、专项测试工具和质量工程管理工具，这部分也挺有价值。
最后，质量工程建设涉及的范围更广，包括质量文化建设、数字化转型、质量组织、设计规范/代码规范、研发人员的技能培训、基础设施建设等，最终确保质量工程落地。
解读没有止境，不同的人对质量工程还有不同的解读，希望读者自己认真阅读《数字化时代软件质量工程白皮书》获得另一种解读，也更希望读者获得新的思考与启发，给予积极的意见反馈，并在2022年积极参与其新一版的修订工作。
《软件测试技术趋势白皮书》由PerfMa首席产品官徐一诺和京东科技DevOps平台产品经理熊志男联合解读，侧重白皮书的核心内容，即预测软件测试七大技术趋势，分别是：
1) 自动化测试技术发展趋势
2) 精准测试技术发展趋势
3) 性能测试技术发展趋势
4) 应用安全测试技术发展趋势
5) ABC测试技术发展趋势
6) 基于混沌工程的可靠性测试技术发展趋势
7) 测试效能提升技术发展趋
针对每一册书技术领域，会重点描述当前现状，分析当前存在的问题或遇到的挑战，然后基于现状和问题的研究，预测其未来发展的趋势。例如，几乎每个公司都或多或少在开展自动化测试的工作，但许多公司的自动化测试投入大但产出并不高，虽然也采用了分层测试策略和开始采用基于图像技术、流量回放等降低脚本开发或维护等工作量，但自动化测试不够稳定，缺乏统一有效的平台，众多公司面临的挑战是“架构演进、降本增效”，未来，我们会更关注测试的有效性，拥抱新技术，如机器学习（ML）、自然语言处理（NLP）技术，再逐步深入到更深层次的技术，如脚本自愈能力、基于数据预测缺陷的存在和缺陷的修复等。
回归测试一直是软件测试工作中最具挑战的，特别是在敏捷开发模式下，要做到快速交付、持续交付，要求测试测得又快又好，回归测试就面临很大的压力，仅有传统的测试策略已经不够了，需要借助精准测试的技术，包括代码的智能化分析、快速识别代码变更、测试充分性度量，从而精准界定回归测试范围、推荐需要执行的测试用例、助力测试质量分析。未来，精准测试会扩展到精准流量回放、精准的故障注入和智能的测试覆盖率分析等。
1) 诊断和优化门槛高
2) 非必需但高风险
3) 线下无法代表生产
4) 不以业务连贯为中心
5) 技术架构日趋复杂
6) 创新技术
1) 流量回放技术
2) 集群缩容技术
3) 全链路压测技术
4) 监控分析技术
5) 性能测试数字化技术
混沌技术在质量工程白皮书中也谈到，而在《软件测试技术趋势白皮书》中是作为七大方向之一，会讨论得更详细，用一张图来描述。而安全测试分为Web应用安全测试和APP应用安全测试 展开讨论，可以考虑不同的阶段（开发、测试、发布和运营阶段）采用不同的安全测试技术，如DAST、SAST 和IAST等，如果需要，我们可以采用更为复杂的技术，如数据流分析和污点分析技术。
接下来，来到ABC测试技术，A代表人工智能（AI）、B代表大数据（Big Data）和C代表云计算（Cloud computing）， 人工智能是热点，现在应用越来越多，在测试中发挥更大的作用，涉及的技术包括：
1) 基于特征融合的UI控件识别与控件树构建
2) 基于交互跟踪的UI测试用例的生成
3) 基于交互轨迹生成测试用例覆盖度图谱
4) AI模型测试系统化
5) VR交互测试
大数据技术一般也离不开AI技术，两者相辅相成，只是大数据测试技术落地趋于平台化和系统化。
最后解读的是测试效能提升技术，基于敏捷/DevOps开发模式的兴起，从“测试左移、测试右移”开始测试转型，并以测试平台服务化为基础，实现灵活的测试编排，收集汇总从研发、测试到上线发布各阶段的测试结果数据，进行测试效能度量。
技术融合更具价值，要了解更多的软件测试技术展望，还是需要阅读《软件测试技术趋势白皮书》原文。
扫描下方二维码，查看
《软件测试技术趋势白皮书》2021版，在线完整版
扫描下方二维码，发布视频回看
