结算页把按钮文案从「提交订单」改成「去支付」,一行 sed 的事。提交 PR 后,十二个端到端测试全红。逐个看,全是 getByText("提交订单") 找不到元素。测试确实覆盖了主流程,但它把按钮上的一句话当成了契约,文案一改,保护网变成了绊脚石。
另一个常见场景:项目有三百个单元测试,覆盖率 82%,看起来很健康。上线后用户反馈「优惠券叠加时总价算错」。翻测试,优惠券相关的用例只测了「单张券」,叠加、互斥、过期这些情况一个都没有。覆盖率数字很高,关键路径没覆盖。
这篇讲什么:测试到底买的是什么、单测和组件测试和端到端各管哪一段、怎么写出不会因为改文案就红的测试、端到端为什么总是不稳定、覆盖率该怎么用。读完你能做到:把有限的测试精力放在真正会坏的地方;判断一个测试值不值得留;遇到 flaky 用例先找根因,而不是加 sleep。
版本说明:本文按 Vitest 5、Playwright 1.64 写,组件测试以 Testing Library 的思路为主,示例用 React,换别的框架结论一样。
测试买的是「改代码的底气」
测试不能证明代码没有 bug,这一点要先接受。它真正提供的是反馈速度:改完一个函数,几秒钟内知道有没有破坏已有行为;改一个公共组件,知道哪些页面会受影响。没有这层反馈,人只能靠手动点、靠记忆、靠运气,项目越大越不敢动。
所以评价测试的标准,不是「数量」或「覆盖率」,而是「它能不能在改动时给出准确、快速的信号」。一个每次都因为文案变化而红的测试,给的是噪音;一个只在真正行为变化时才红的测试,才是资产。
测试也有成本:写的时间、跑的时间、维护的时间。测试越多,改代码时同步改测试的负担越重。健康的项目不是测试最多,而是「每一层都只测它该测的」。
三层测试,各管一段
前端测试通常分三层,越往下越慢、越接近真实,也越难维护:
经典的「测试金字塔」说底层要多、顶层要少。真实项目里更实用的说法是「按风险分配」:算钱、权限、状态机这类错了要赔钱的逻辑,用单测密集覆盖;用户能看到的关键交互,用组件测试覆盖;跨系统、跨页面的主流程,用少量端到端守住。没人会为「页脚版权年份」写端到端。
反过来,如果项目里全是端到端,问题会很明显:跑一次十几分钟,挂一个不知道哪坏了,改个文案红一片。这叫冰淇淋筒,不是金字塔。
单元测试:测计算,不测实现
最值得写单测的,是「输入输出明确、没有副作用」的逻辑。价格计算、日期处理、状态转换、数据格式化,都属于这一类。它们不依赖 DOM、不依赖网络,测试写起来快,跑起来也快。
import { describe, expect, it } from "vitest";
import { calcTotal } from "./calc-total";
describe("calcTotal", () => {
it.each([
{ items: [{ price: 100, count: 2 }], coupon: null, expected: 200 },
{ items: [{ price: 100, count: 2 }], coupon: { type: "minus", value: 30 }, expected: 170 },
{ items: [{ price: 100, count: 2 }], coupon: { type: "percent", value: 0.8 }, expected: 160 },
{ items: [], coupon: null, expected: 0 }
])("$items / $coupon 得到 $expected", ({ items, coupon, expected }) => {
expect(calcTotal(items, coupon)).toBe(expected);
});
});
表驱动的好处是「加一个场景只加一行」,评审时也能一眼看出覆盖了哪些组合。坏处是场景多了会变成一大张表,需要按业务分组。
单测最常见的两种写坏方式:
- 测内部实现。比如断言某个私有函数被调用了几次、某个中间变量等于什么。重构一改,测试就红,但它保护的行为根本没变。
- 过度 mock。把数据库、网络、时间全 mock 掉,最后测的是「mock 之间的协作」,不是真实逻辑。mock 越复杂,测试越像在自嗨。
判断标准:如果我把这个函数内部重写一遍、输入输出不变,测试还应不应该通过?应该,才说明测的是行为;不应该,说明测的是实现。
组件测试:按用户能看到的东西断言
组件测试的价值,是验证「渲染出来的界面在交互后是否符合预期」。它比端到端快,比单测更接近真实使用场景。
写组件测试,第一原则是「像用户一样查询」:按角色、按标签文字、按 placeholder 找元素,而不是按 class 名、按 data-testid(除非确实没有语义可依)。这样改样式、换 DOM 结构不会误伤测试。
import { render, screen } from "@testing-library/react";
import userEvent from "@testing-library/user-event";
it("输入优惠券后显示折扣", async () => {
const user = userEvent.setup();
render(<Checkout total={200} />);
await user.type(screen.getByLabelText("优惠券"), "SAVE30");
await user.click(screen.getByRole("button", { name: "使用" }));
expect(await screen.findByText("应付 ¥170.00")).toBeVisible();
});
这里有两个细节。用 userEvent 而不是直接 fireEvent,前者更接近真实输入(会触发 focus、keydown、input 一系列事件);用 findBy 而不是 getBy,因为结果可能是异步出现的,findBy 会等一小段时间。
组件测试的边界要说清楚。它跑在 jsdom 或 happy-dom 里,没有真实布局、没有真实滚动、没有真实网络。依赖尺寸、位置、滚动的逻辑测不了;依赖 ResizeObserver、IntersectionObserver 的组件要额外补 polyfill 或 mock。这些限制不是工具的问题,是模拟环境的固有边界,遇到就该换到浏览器模式或端到端。
还有一个常见误区:一个组件测二十个用例,把每个分支都点一遍。组件测试更适合测「用户会走的几条路径」和「容易回归的交互」,分支细节留给单测。测试过多会让组件改版时寸步难行。
接口 mock:在边界上模拟,不要在代码里到处打桩
组件测试离不开接口数据。最差的做法是每个测试文件里手动 vi.mock 一堆模块,mock 的结构和真实接口越走越远,测试全绿、线上全崩。
更稳的做法是在网络层拦截,用 MSW 这类工具,让代码照常发请求,只是请求被测试环境接住:
import { http, HttpResponse } from "msw";
export const handlers = [
http.get("/api/coupons/:code", ({ params }) => {
if (params.code === "SAVE30") {
return HttpResponse.json({ type: "minus", value: 30 });
}
return HttpResponse.json({ message: "优惠券不存在" }, { status: 404 });
})
];
这样做的好处是:请求路径、方法、响应结构都接近真实;同一套 handler 还能用在本地开发里,联调前就有数据。风险是 handler 可能和真实后端脱节,所以关键接口要有契约测试,或者在预发环境跑一遍冒烟。
mock 的粒度也要控制。只 mock「系统边界」:网络、时间、随机数、文件、浏览器 API。不要 mock 自己的业务模块,那是把被测代码挖空。
端到端:只守关键路径
端到端测试跑在真实浏览器里,从用户视角验证整个系统。它能抓到单测和组件测试抓不到的问题:路由配置错、接口跨域、登录态失效、构建产物路径不对、第三方脚本冲突。
但它贵。跑得慢、环境依赖多、失败原因难定位。所以只该守少量高价值流程:登录、下单、支付、核心内容发布。一个项目十几条端到端,通常比一百条更可持续。
import { test, expect } from "@playwright/test";
test("登录后可以加入购物车", async ({ page }) => {
await page.goto("/login");
await page.getByLabel("邮箱").fill("test@example.com");
await page.getByLabel("密码").fill("test-password");
await page.getByRole("button", { name: "登录" }).click();
await page.getByRole("link", { name: "商品" }).click();
await page.getByRole("button", { name: "加入购物车" }).first().click();
await expect(page.getByText("已加入购物车")).toBeVisible();
});
几条实践:登录不要每次走 UI,用 API 拿登录态,存成 storageState 复用;测试数据通过接口或工厂函数准备,不要依赖「数据库里刚好有一条」;选择器优先用角色和可见文字,实在没有语义时再加 data-testid;失败时保留 trace 和截图,否则排查全靠猜。
端到端不要追求「覆盖所有分支」。它守的是「系统还能不能用」,不是「每个 if 都走一遍」。分支覆盖交给下层。
不稳定的测试:先找根因,别加 sleep
同一个用例,本地过、CI 挂,重跑又过,这叫 flaky。它的危害比失败更大:团队会逐渐不信任所有红色,最后真正的回归也被忽略。
常见根因和对应修法:
| 根因 | 表现 | 修法 |
|---|---|---|
| 时间、时区、随机数 | 换台机器结果就不同 | 固定系统时间,注入随机种子,测试里不用 new Date() 直接取值 |
| 动画和过渡 | 元素还没出现就断言 | 等待可见状态,或在测试环境关闭动画 |
| 共享数据 | 单独跑过,一起跑挂 | 每个用例独立造数据,结束后清理 |
| 并行与端口 | CI 并行时互相抢资源 | 动态分配端口,隔离数据库,限制并发数 |
| 网络时序 | 偶发超时、偶发空列表 | mock 网络或在测试环境准备稳定数据,设置合理超时 |
sleep(2000) 能把一部分问题压下去,但它只是在赌「两秒够用」。机器慢一点、CI 排队时,照样挂,而且让整个套件变慢。正确的等待是「等某个可观察的状态出现」,不是等一个固定时长。
对已经 flaky 的用例,可以先用隔离策略:打上标签、移出必过流水线、单独跑一段时间收集失败率,同时开 issue 修根因。不要长期保留「重试三次就算过」的配置,那会把真实失败也吞掉。
在 CI 里分层跑,覆盖率当参考
不同测试跑在不同时机,才能兼顾速度和反馈:
| 时机 | 跑什么 | 目标 |
|---|---|---|
| 每次推送 | 单测、类型检查、Lint | 一分钟内给结果 |
| PR 合并前 | 组件测试、关键端到端冒烟 | 五到十分钟 |
| 合并后或每晚 | 完整端到端、多浏览器 | 兜底,不阻塞个人开发 |
覆盖率要当参考,不要当目标。行覆盖率 90% 但关键分支没测,照样出事;反过来,一个稳定的核心模块覆盖率 60%,可能比一堆为了凑数的空测试更有价值。可行的用法是「棘轮」:记录当前覆盖率,只允许上升不允许下降,防止新代码拉低整体,而不是逼所有人冲到 100%。
CI 里还要注意失败可读性。测试报告要能直接看到哪个用例、哪一行断言、当时的 DOM 或截图;否则每次失败都要本地复现,反馈速度的优势就没了。
完整场景走查:结算页总价算错
线上问题:用户同时用优惠券和免运费券时,总价少了十块。手动复现:商品 200,优惠券减 30,免运费本来 10,预期 180,实际 170,运费被减了两次。
第一步,把计算逻辑从组件里抽出来,变成纯函数。原来总价计算写在渲染函数里,依赖组件状态,没法单独测。抽成 calcTotal(items, coupon, shipping) 后,输入输出清晰。
第二步,写失败的单测。先把出问题的组合写成用例,确认它是红的,再改代码。顺序很重要:先写测试再修,能证明测试真的能抓住这个 bug;先修再补测试,很可能写了一个永远通过的测试。
第三步,补齐组合。优惠券类型、是否包邮、商品为空、数量为零、金额带小数,用表驱动铺开。这里不需要穷举所有组合,按业务规则和曾经出过问题的场景来。
第四步,写组件测试。验证「输入优惠券后页面显示正确总价」「无效券显示错误提示」「移除券后总价恢复」。查询一律按标签和角色,不按按钮文案的完整字符串,避免下次改文案又全红。
第五步,写一条端到端。登录、加购、进结算、用券、提交,跑在测试环境里,支付步骤用测试支付方式。只此一条,不把所有优惠券组合都搬进浏览器。
第六步,接 CI。单测和组件测试在每次推送跑,端到端在合并后跑,三个分片并行,从十二分钟压到四分钟。第一次跑端到端发现登录态没复用,每条用例都重新登录,改成 storageState 后省了两分钟。
这次修复之后,同类问题又出现过一次,被表驱动里新增的一行用例拦住。测试没有变多很多,但每一条都对着一个真实风险。
错误现象对照
| 现象 | 真实原因 | 第一步查什么 |
|---|---|---|
| 本地全过,CI 偶发失败 | 时区、语言、并行、共享数据不一致 | 固定时区和时间,检查用例是否独立造数据 |
Unable to find element | 异步内容还没渲染,或查询方式不对 | 改用 findBy,打印当前 DOM 看实际结构 |
| 端到端今天过明天挂 | 动画、网络、共享环境、顺序依赖 | 看失败截图和 trace,确认等待的是状态不是时长 |
| 覆盖率很高但线上仍有 bug | 测了实现细节,没测关键组合 | 检查断言是否只验证「函数被调用」,补行为用例 |
| 改个文案几十个测试红 | 用可见文案当选择器 | 改用角色、标签或稳定的语义查询 |
| mock 全过,联调就崩 | mock 结构和真实接口脱节 | 对照真实响应,补契约测试或在预发跑冒烟 |
| 测试套件跑一次十几分钟 | 端到端过多,或没有并行和登录态复用 | 统计用例数与耗时,砍掉重复路径,开分片 |
边界与代价
测试不是越多越好,维护成本是真实存在的。每多一个用例,就多一份以后要跟着改的代码。项目改版频繁时,测试套件可能比业务代码还难维护。定期删测试是必要的:删掉那些只验证实现、长期没抓到问题、维护成本高于收益的用例。
端到端的成本最高。浏览器矩阵、测试环境、数据准备、失败排查,每一项都要投入。小项目跑一条主流程就够了;大项目也要控制数量,把分支留给下层。不要因为「端到端最像真实用户」就把所有验证都放进去,那样只会得到一个又慢又脆的套件。
覆盖率是容易骗人的指标。它只能说明「这行代码被执行过」,不能说明「断言有效」。团队如果拿覆盖率排名,很快就会出现大量没有断言的测试。把覆盖率当趋势看,结合关键路径清单,比盯数字有用。
测试环境的真实性也有边界。预发环境和生产仍有差异:数据量、第三方回调、CDN、真实支付。端到端过了不代表线上一定没问题,还需要发布后的冒烟和监控。测试是防线之一,不是全部。
最后,测试写不写、写多少,要和项目阶段匹配。一个还没确定需求的原型,写大量端到端是浪费;一个要维护三年的核心系统,关键路径没有测试是冒险。判断依据始终是「这块坏了,代价多大,改动频率多高」。
小结
当天可以动手的练习:
- 把项目里一个夹在组件中的计算逻辑抽成纯函数,用表驱动写五组用例。
- 给一个表单组件写组件测试,全部用角色和标签查询,改一次按钮文案确认测试不红。
- 用 MSW 拦截一个接口,分别返回成功和 404,验证页面的两种状态。
- 写一条端到端主流程,用 API 准备登录态,测量它比 UI 登录快多少。
- 找一个曾经 flaky 的用例,记录失败截图,定位是时间、动画还是共享数据。
下一篇讲CI/CD 流水线。测试、Lint、类型检查都配好之后,下一步是让它们在每次提交时自动跑,并把通过检查的产物可靠地送到线上。测试在本地能过只是起点,流水线才是团队共用的那条线。