När du utvecklar programvara är det oundvikligt att fel uppstår. Dessa kan visa sig som syntaxfel, logiska brister, fel vid körning, prestandaproblem, datarelaterade fel, eller ännu allvarligare problem.
Den nästan konstanta förekomsten av fel gör testning till en absolut nödvändighet i utvecklingsprocessen. Noggrann och effektiv testning säkerställer inte bara att programvaran uppfyller användarnas krav med hög kvalitet, utan också att den följer gällande regler och har minimala sårbarheter som kan utnyttjas av illvilliga aktörer.
Programvarutestning kan genomföras i olika former, inklusive automatiserade tester, enhetstester, integrationstester, eller genom att testa hela systemet via systemtester.
En central fråga som uppstår är dock hur man vet när programvaran har testats på ett tillräckligt och omfattande sätt. Är de tester som genomförts tillräckliga? Har alla delar av koden testats, eller finns det områden som lämnats utanför granskning?
Dessa frågor är vanliga inom mjukvarutestning, och det är här som kodtäckning spelar en viktig roll.
Kodtäckning är ett mått som indikerar hur stor andel av koden som har körts och därmed testats av de genomförda testerna. Resultatet av kodtäckningen presenteras i procent.
Denna procentandel visar hur mycket av koden som har berörts av testerna. Om testerna till exempel visar en kodtäckning på 60 %, innebär det att 40 % av koden inte har testats, vilket ökar risken för dolda fel eller sårbarheter.
Kodtäckning gör det möjligt att utvärdera hur effektiva och kompletta testerna har varit. Detta hjälper till att säkerställa att programvaran är ordentligt testad innan den släpps, vilket minskar risken för fel som kan påverka användarupplevelsen negativt.
Även om 100 % kodtäckning inte garanterar felfri programvara, är det ändå ett mål att sträva efter för att säkerställa effektiva tester. Inom känsliga branscher, som flyg- och medicinteknik, kan reglerna till och med kräva 100 % kodtäckning på grund av de potentiellt katastrofala konsekvenserna av programvarufel.
Olika typer av kodtäckningsmätningar
Det finns flera sätt att mäta kodtäckning. Några av de vanligaste är:
- Uttalandetäckning (Statement Coverage): Mäter andelen exekverbara kodrader som har körts under testerna.
- Funktionstäckning (Function Coverage): Mäter andelen definierade funktioner som har anropats under testerna.
- Gren-täckning (Branch Coverage): Mäter hur väl alla möjliga vägar genom beslutspunkter, såsom if-satser och switch-satser, har testats.
- Villkorstäckning (Condition Coverage): Mäter hur väl booleska uttryck har testats för både sanna och falska värden.
- Loop-täckning (Loop Coverage): Mäter andelen loopar i koden som har körts under testerna.
- Sökvägstäckning (Path Coverage): Mäter andelen av alla möjliga vägar genom koden som har testats.
Dessa mätvärden sammanställs vanligtvis i en kodtäckningsrapport.
Bästa praxis för kodtäckning
För att maximera effektiviteten och kvaliteten på kodtäckningen finns det några rekommenderade tillvägagångssätt:
Tydliga täckningsmål
Sätt upp specifika mål för kodtäckningen för varje test, vilket ger tydliga riktlinjer för teamet och hjälper till att minska fel i mjukvaran. Det bidrar också till att ge testningen den prioritet den förtjänar.
Fokus på testkvalitet
Kodtäckning visar endast hur mycket kod som testats, inte om testerna varit korrekta eller om programvaran är felfri. Fokusera därför på att skriva effektiva tester som verkligen tillför värde och testar mjukvaran noggrant.
Öka kodtäckning i ofta ändrad kod
Det kan vara svårt att uppnå hög kodtäckning i stora projekt, men det är viktigt att sträva efter förbättring över tid. Ett bra sätt är att kräva hög kodtäckning, till exempel över 90 %, för varje ny kodändring som görs.
Mät och analysera kodtäckningsdata
Använd kodtäckningsresultaten för att identifiera områden som behöver mer testning och prioritera resurserna därefter. Att analysera kodtäckningsdata leder till bättre testad mjukvara med färre defekter.
Kodtäckning vs Testtäckning
Trots att båda används för att utvärdera effektiviteten av tester, skiljer sig kodtäckning och testtäckning åt i syfte och vad de mäter.
Testtäckning mäter i vilken utsträckning testerna täcker de uppsatta kraven för programvaran. Det innebär att alla krav testas, och hjälper till att säkerställa att programvaran uppfyller dess specifikationer. Testtäckningen utförs ofta av personal inom kvalitetssäkring, och resultaten visar procentandelen av kraven som testats.
Kodtäckning å andra sidan mäter hur mycket av källkoden som har körts av de genomförda testerna. Den visar hur väl enhetstesterna har täckt kodens olika delar, såsom satser, funktioner, sökvägar, loopar, grenar och villkor. Kodtäckning används oftast av utvecklare för att utvärdera hur väl testerna täcker källkoden.
Kodtäckning är ett viktigt mått vid testning av mjukvara. Här är några verktyg som kan underlätta kodtäckningen:
Clover
Clover är ett verktyg med öppen källkod, utvecklat av Atlassian, för att mäta kodtäckning. Det är skrivet i Java och kan köras på alla operativsystem som stöder Java Runtime Environment.
Clover kan analysera kod skriven i Java, Groovy eller AspectJ och stöder ramverk som JUnit, TestNG och Spock. Det kan också integreras med utvecklingsmiljöer som IntelliJ IDEA och Eclipse. Clover mäter kodtäckning på flera nivåer, inklusive metod, uttalande, gren och global täckning.
Verktyget genererar HTML-rapporter med resultat samt identifierar riskområden i mjukvaran. Rapporterna kan också exporteras i PDF, XML, JSON eller textformat. Clover är kraftfullt tack vare dess integration med många verktyg och dess pågående utveckling och förbättring.
JaCoCo
JaCoCo är ett gratis bibliotek för kodtäckning i Java, utvecklat av EclEmma-teamet. Det är integrerat i EclEmma, ett gratis verktyg för Java-kodtäckning i Eclipse IDE.
JaCoCo tillhandahåller omfattande analyser av kodtäckning, där resultaten direkt sammanfattas och markeras i Java-källkodredigeraren. Användare kan även granska resultaten på metodnivå. Resultaten presenteras med färgkodning som markerar rader som är helt, delvis eller inte alls testade. JaCoCo stödjer sammanslagning av resultat från olika testkörningar för en total kodtäckning. Verktyget är lättviktigt och kräver inga större inställningar för att analysera kodtäckning.
Cobertura
Cobertura är ett annat kostnadsfritt Java-verktyg för kodtäckning, baserat på Jcoverage. Det kan användas fristående, via Ant-skript eller genom ett Maven-plugin. Maven-pluginet är det vanligaste sättet att använda Cobertura.
Cobertura mäter andelen rader eller grenar som har körts av tester på Java-källkod. Det tillhandahåller mätvärden som linjetäckning, som visar procentandelen av exekverade satser, och gren-täckning, som visar procentandelen täckta grenar. Det visar också en komplexitetsfaktor som ökar med antalet grenar i koden. Kodtäckningsresultaten presenteras i HTML eller XML och visar vilka delar av koden som inte har testats. Cobertura kan användas för att lokalisera outtestad kod, buggar och även identifiera kod som aldrig körs.
Istanbul
Istanbul är ett verktyg för att mäta kodtäckning i JavaScript, med stöd för ES6+. Det installeras i JavaScript-projekt med nodpakethanteraren.
Istanbul mäter olika aspekter av kodtäckning som satstäckning, filialtäckning, funktionstäckning och linjetäckning. Det visar också kodrader som inte har täckts av tester, genom att lägga till räknare i JavaScript-koden. Kodtäckningsresultaten kan visas i terminalen eller i HTML-format. Istanbul erbjuder även stöd för applikationer som använder delprocesser, källmappad täckning för Babel- och TypeScript-projekt.
Pytest-cov
Pytest-cov är ett gratis plugin till Python som genererar kodtäckningsrapporter. Det installeras med pip och styrs från kommandoraden. Kodtäckningsrapporten visar påståenden i Python-projektet, de som inte har testats, samt en total procentuell täckning. Pytest-cov har stöd för delprocesser och xdist, och bevarar ett konsekvent beteende. Verktyget raderar befintliga täckningsfiler för varje ny testkörning, men kan också kombinera resultat från tidigare körningar.
Coverage.py
Coverage.py är ett annat kodtäckningsverktyg för Python som installeras via pip. Som standard mäter det linjetäckning och ger resultat som visar antalet satser i programmet, de som missats av tester, samt den procentuella täckningen. Verktyget kan även konfigureras för att mäta gren-täckning. Coverage.py kan visa vilka tester som körde vilka rader i koden. Resultaten kan presenteras i terminalen eller i HTML-, XML-, JSON- och LCOV-format.
SimpleCov
SimpleCov är ett kodtäckningsverktyg för Ruby som samlar in data från Rubys inbyggda bibliotek för att bestämma kodtäckningen efter tester. Det som utmärker SimpleCov är presentationen av kodtäckningsresultat, som kombineras från olika typer av tester. Det gör det enkelt att identifiera outtestad kod. Källkoden formateras med färgkoder som tydligt markerar testade och outtestade delar. Standardmässigt mäter SimpleCov linjetäckning men kan konfigureras för att rapportera om gren-täckning.
Deep Cover
Deep Cover är ett verktyg för att mäta kodtäckning i Ruby-kod med precision. Det ger mer exakta linjetäckningsrapporter genom att säkerställa att en linje räknas som täckt endast om den körs helt, inte delvis. Verktyget erbjuder även stöd för nod- och grentäckning, som hjälper till att hitta grenar som inte testats. Deep Cover är lätt att använda och integreras enkelt i projekt genom att utnyttja andra verktyg för kodtäckning, såsom Rubys egna bibliotek eller SimpleCov, vilket ökar precisionen.
Sammanfattning
Även om hög kodtäckning inte garanterar felfri mjukvara är det ett viktigt mått att beakta under testprocessen. Kodtäckning hjälper till att utvärdera hur väl testerna faktiskt täcker programvarans källkod. Arbetet med att förbättra kodtäckningen leder till bättre testad mjukvara med färre fel i produktion. För att utföra kodtäckning, överväg att använda de verktyg som nämnts i artikeln. Du kan också utforska molnbaserade verktyg för lasttestning.