⚠️ 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

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？