标签：容错 组件 -- min 信息 mic 性能 高效 方案
测试人员在每次版本迭代中，会对项目的整体质量有一个把控：
对于项目常见的问题，开发经常犯的错误都会有所了解。
为了避免或者减少这样的错误或不规范的事情在发生，测试人员可以对缺陷进行分析总结，
提出有针对性的预防意见及规避措施，以提高产品的质量。
那么，可以从那几个方面进行缺陷分析呢？
致命的错误，造成系统崩溃、死机，或造成数据丢失、主要功能完全丧失等。
严重错误，指功能模块或特性没有实现，主要功能部分丧失，次要功能全部丧失，或致命的错误声明。
不太严重的错误，如次要功能模块丧失、提示信息不够准确、用户界面差和操作时间长等。
一些小问题如有个别错别字、文字排版不整齐等，对功能几乎没有影响，软件产品仍可使用。
记录对应模块，所产生的缺陷，不同的项目<模块>的颗粒度不一样，可视情况选择。
颗粒度较细，适用于小型项目，20个模块左右的适用此维度。
颗粒度适中，适用于中型项目，一个组件下面有多个模块，组件个数5+以上。
颗粒度较大，适合微服务类型项目，但不建议超过20+以上的分类。
颗粒度太大，不建议使用，问题主要分为为前端、后端、对外接口。
模糊不清的需求、说不明白的PRD、分析不到位等
设计缺失、功能遗漏、场景未考虑、容错性不高等
纯属开发个人技能不娴熟、编码质量不高、方法函数应用补数量、调试脚本未清除等。
配置方案不完整、集成出错、配置缺失遗漏、受其它外在资源的影响等。
对应不同严重程度问题的解决效率与周期。
根据大型网站的可用性指标0,999-0.999999，对于致命性问题的修复时间限定在5分钟到500分钟之间不等。
不过日常生产过程中，没有这么高的要求，但高效率的团队尽量要做到：致命性问题当天内要得到解决；严重问题两天内得到解决；
整个项目阶段所产生的缺陷的修复情况统计，可对比历史项目或版本的数据。
可统计维度：对应模块问题的修复率、对应缺陷等级问题的修复率、对应责任人产生缺陷的修复率等等。
对应缺陷的责任人：可能是产品、开发、项目、测试、运维或客户自身。
各职能人员在缺陷上的投入，包含产品、研发、测试、运维等。
上述缺陷因子中，单一因子的分析，这里就不多介绍，使用中直接使用饼图分析即可。
重点从多因子组合的情况有哪些维度可以分析统计。
根绝不同缺陷等级进行预设分数，结合缺陷责任人产生缺陷的数量进行分数评估。
对项目组各成员对产品质量的“贡献”，有数据上的评判--可参考。
根绝不同缺陷等级进行预设分数，结合对用模块产生缺陷的数量进行分数评估。
对项目各功能模块质量有一个量化的认识，便于针对性的开展质量改进与分析总结。
各模块缺陷等级分布
分析模块缺陷数量以及对应什么问题类型较多，便于后续版本或项目有意识规避类似问题，引起相关人员的重视。
分析各阶段不同等级缺陷分布情况。
在缺陷产生阶段及缺陷等级的基础上延伸，可以统计各阶段在缺陷上的消耗。
上述的因子还可以扩充，缺陷的应用分析也还有很多维度，不局限与上述列到的内容。
缺陷分析与度量工作是一个需要积累的过程，最终的目的还是通过不同维度不同图表的分析，更多量化的来评判软件的质量。
从而帮助项目成员认识到问题，并在后续版本迭代或新项目中有序规避。
标签：容错 组件 -- min 信息 mic 性能 高效 方案
原文地址：https://www.cnblogs.com/starlight-yang/p/10885843.html
