> ⚠️ 本技能单独使用效果有限，建议配合完整技能集（12 步工作流）使用。安装：npx skills add Kokxi/qa-test-skills
测试数据工程
核心原则
测试数据是测试的基础，好的数据管理让测试可重复、可追溯。
数据构造方法
手动构造
适用场景：
├─ 少量数据
├─ 复杂业务数据
├─ 一次性数据
└─ 调试用途
方法：
├─ 数据库直接插入
├─ 管理后台创建
├─ 接口调用创建
└─ 脚本批量创建
数据工厂
适用场景：
├─ 批量数据
├─ 标准化数据
├─ 重复性数据
└─ 自动化测试
工具：
├─ Faker（Python/JS）
├─ Mockaroo（在线）
├─ Factory Bot（Ruby）
└─ 自建工厂类
数据库脚本
-- 示例：用户数据构造
INSERT INTO users (username, email, phone, status, created_at)
VALUES
('testuser001', 'test1@example.com', '13800000001', 'active', NOW()),
('testuser002', 'test2@example.com', '13800000002', 'active', NOW()),
('testuser003', 'test3@example.com', '13800000003', 'inactive', NOW());
API构造
# 示例：通过API构造订单数据
def create_test_order(user_id, product_id, quantity=1):
response = requests.post(
f"{BASE_URL}/orders",
json={
"user_id": user_id,
"product_id": product_id,
"quantity": quantity
},
headers={"Authorization": f"Bearer {token}"}
)
return response.json()["order_id"]
加载时机
| 什么时候读 | 读哪个 |
|---|---|
| 做脱敏规则与实现时 | references/data-masking.md |
> 数据脱敏的完整内容已下沉至 references/data-masking.md，避免每次触发都占用上下文。
数据清理
> 📌 本节与 qa-test-env-data「数据清理」内容同步，修改时请同步更新两处。
清理策略
├─ 按用例清理
│ ├─ 每个用例执行后清理
│ ├─ 优点：数据隔离好
│ └─ 缺点：效率低
│
├─ 按模块清理
│ ├─ 每个模块测试后清理
│ ├─ 优点：效率较高
│ └─ 缺点：隔离性一般
│
├─ 按批次清理
│ ├─ 每个批次测试后清理
│ ├─ 优点：效率高
│ └─ 缺点：隔离性差
│
└─ 定期清理
├─ 定期清理历史数据
├─ 优点：保持数据量可控
└─ 缺点：可能影响测试
清理实现
> ⚠️ 安全警告：以下 SQL 清理示例仅适用于隔离的测试环境，切勿在生产数据库执行。
> 执行前必须确认：
> 1. 目标数据库已确认为测试环境
> 2. 先用 SELECT COUNT(*) 预览受影响行数
> 3. 使用事务包裹（BEGIN; DELETE ...; ROLLBACK;）做无害验证
> 4. 数据表有 is_test 等明确测试标记字段
> 5. 如无把握，先向 DBA 确认清理范围
-- 示例：清理测试数据
-- 方法1：按时间清理
DELETE FROM orders WHERE created_at < DATE_SUB(NOW(), INTERVAL 7 DAY);
-- 方法2：按标记清理
DELETE FROM orders WHERE is_test = 1;
-- 方法3：按用户清理
DELETE FROM orders WHERE user_id IN (SELECT id FROM users WHERE is_test = 1);
数据管理规范
命名规范
测试用户：
├─ 格式：test_[角色]_[序号]
├─ 示例：test_user_001, test_admin_001
└─ 标记：is_test = 1
测试数据：
├─ 格式：[类型]_test_[序号]
├─ 示例：order_test_001, product_test_001
└─ 标记：is_test = 1
数据生命周期
├─ 构造：测试前准备数据
├─ 使用：测试中使用数据
├─ 验证：测试后验证数据
├─ 清理：测试后清理数据
└─ 归档：历史数据归档
输出示例
构造100条用户注册测试数据
→ 手动构造：录入10条核心数据（正常用户/边界值）
→ 数据工厂：编写SQL脚本批量生成80条
→ API构造：调用注册接口自动化生成剩余
生产数据脱敏用于测试
→ 脱敏规则：手机号（中间4位）、身份证（生日*）、姓名（张三）
→ 脱敏实现：Docker部署Greenplum，配置脱敏策略执行
检查清单
测试数据管理完成后检查：
- [ ] 数据构造方法是否设计？
- [ ] 脱敏规则是否定义？
- [ ] 清理机制是否实现？
- [ ] 命名规范是否统一？
- [ ] 数据生命周期是否管理？
- [ ] 数据可追溯性是否保证？
