软件测试工程师如何对算法做测试？

最近几年，随着大数据、人工智能等领域的快速发展，算法受到前所未有的重视，算法测试也随之兴起。

为了让大家能对算法测试有个初步的了解，这篇文章将对“如何做算法测试”进行梳理，大纲如下：

1、算法测试测什么？
2、算法测试如何做？
3、算法测试的一个真实案例
4、答疑解惑

一、算法测试测什么？

先来看几个大家耳熟能详的算法应用成功的例子：

1、阿尔法围棋机器人，打败了人类棋手，其实就是运用了复杂的人工智能算法；
2、今日头条、抖音等APP，使用了兴趣算法推荐，推送的都是你感兴趣的内容；
3、购物软件，你搜过什么商品，就会不胜其烦的一直推荐，也是使用了算法推荐机制。

区别于一般的功能测试，算法测试的侧重点不同。一般功能测试关注前端操作之后服务端返回数据的正确性（增删改查），而算法测试则要关注算法（模型）启用之后，数据的增量（有正负）是否符合预期。

举两个例子例子

例子1：某软件中的广告推荐更新了一套算法，预期要把推荐转化率提升几个百分点。
测试要关注的是：新算法有没有提升转化率百分比，提升量的有没有达到预期。

例子2：某人脸识别Q软件更新了识别算法，预期是减少识别耗时。
测试要关注的是：耗时减少的同时准确率有没有下降。

二、如何测试算法？

1、普通功能测试会使用到的方法

1）算法稳定性测试

长时间运行，算法是否奔溃；
数据量提升后，算法模型的结果是否符合预期；

2）算法性能测试

算法模型的响应时间；
算法模型对处理器cpu和磁盘的消耗；

3）算法兼容性测试

设置不同阈值内的数据，算法结果是否稳定(比如用户年龄、区域、性别等)。

上面说到测试方法，是不是似曾相识？没错，这几个与普通功能测试中用到的测试方法基本一样。

2、普通功能测试中不会用到的测试方法

1）算法pk （赛马）

对于一个需求，不同的人或团队可以设计出不同的算法模型，到底哪个更靠谱，是骡子是马拉出来溜溜，pk一下就知道了。

这个环节是算法测试的关键部分，用例设计主要采用场景法，通过列举不同场景，对多个算法分别进行测试验证，最终综合所有场景中的算法模型的表现，选出前几名。

你可能会有疑问：为什么要前几名，选第一名不就可以了吗？下文中通过实例列举了这个环节中的测试用例，可以更好地理解这样设计用例的原因（在此暂时不表述）。

?

2) A/B测试

由于算法的准确性会受到测试数据的影响，而在测试环境中，数据的来源一般是手动插入数据库或从线上导入数据。

尽管测试数据会接近于真实数据，但仍会有数据类型覆盖不够全面、数据量不够大等方面的问题。因此，即使算法模型在测试环境通过验收，仍然不能在生产环境全部放量。

通常采用的方法是：拿出线上流量的5%-10%，其中一部分数据作为对照组，其它部分作为一个或多个实验组（实验组采用的算法为pk中胜出的前几名算法)。对照组和实验组数据分别打不同的标签，一段时间后分别统计计算的各项指对照组合实验组的各项指标，根据关键指标来验证算法是否有效。

实际测试中，对算法的选择往往不是通过一项指标来定的，通常是多项指标综合比较。看到这里，你是不是还有点迷糊？别担心，我们也通过下面的例子来说明。

三、算法测试实例某导航APP，要升级导航路线推荐算法，预期是找到耗时更少的路线并推荐给用户。

首先来理解一下需求中的关键词「耗时更少」：耗时不等同于距离，有可能距离短但是堵车，实际比绕路耗时还长。经过n天的研发，算法同学最终给出了3个优化后的算法模型，现在到了测试验证环节。为方便描述，我把旧导航路线推荐算法称为算法0，新算法分别称算法1、算法2、算法3。

1、算法pk(下面是场景化测试用例的列举)

同一条路线，默认为当前时间和天气状况，多轮测试之后，选出最优的算法，假定是算法2；
同一条路线，分别设定不同时间段（早晚高峰、工作日、节假日等），找出最优算法，假定是算法1；
同一条路线，分别设定不同的天气状况（雨、雪、雷、沙尘、冰雹等），找出最优算法，假定是算法3；
还有其它很多场景的测试，这里就不——列举了…....

2、稳定性测试

长时间(24小时以上)运行算法模型，是否有稳定的表现，假定这里的最优算法是算法1；
超长距离（1000km以上）测试算法模型，对比推荐效果是否稳定，假定这里的最优算法是算法2；
……

3、兼容性测试

选取不同城市的道路测试（比如重庆、贵州等地），测试山路、爬坡、转弯等不同路况下导航推荐算法的表现，假定这里的最优算法是算法1；
选取不同通行能力的道路（城市和乡间小路等），测试小路、窄路等不同路况下，推荐算法是否有稳定表现，假定这里的最优算法是算法3；
……

4、性能测试

同一条路线下，不同算法模型的耗时，假定耗时最少的算法是算法3；
同一条路线下，不同算法模型对服务器的压力，假定对服务器压力最小的算法是算法2；

5、AB测试

经过上面几个环节的测试，综合所有结果，假定最终选出的算法1和算法2；
线上灰度放量，选取目标用户，被选中的用户会收到「是否参加内测/灰度」之类的消息。

经过一段时间的A/B测试之后，拿到真实的数据，最终经过架构师、研发经理、产品经理等研讨之后选出符合预期的算法

四、答疑解惑

上述例子中，假定最终要采用的是算法2，但是你可能会有很多疑问：

1、算法1在早晚高峰期时段表现最好，我就是上下班使用导航软件，为什么不采用？
2、耗时最少的是算法3。我就希望推荐路线要快，为什么不采用？

算法的测试，要经过多个环节综合来评估效果，所以即使某个环节表现好最终也不一定入选。最终会结合效果、成本、稳定性等多方面的因素，最终往往会选择妥协折中后的方法。

感谢每一个认真阅读我文章的人，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：

这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你!有需要的小伙伴可以点击下方小卡片领取?

?