第三章 测试数据生成：随机数据、边界值与特殊场景
数据生成这事儿，说简单也简单，说复杂能让你怀疑人生。
我刚开始做算法验证的时候，觉得随便写几个数跑一跑就行了。结果呢？被测试同学追着问「你这个边界测了吗？异常数据呢？」——嗯，从那以后，我再也不敢小看数据生成这一步了。
3.1 随机数据生成：让算法「见见世面」
随机数据，说白了就是给算法喂一堆「没见过」的输入。你想想看，如果每次测试都用同一组数据，算法早就背下来了，根本测不出真实能力。
我个人习惯，随机数据生成要满足三个条件：
- 覆盖范围广：数值分布要均匀，别老集中在某个区间
- 可复现：设置随机种子，出 bug 能回放
- 数量可控：从几百到几百万，按需调整
来看一个简单的随机数据生成器（Python 示例）：
import random
import string
def generate_random_data(size=1000, seed=42):
random.seed(seed)
data = []
for _ in range(size):
# 混合类型：整数、浮点数、字符串
choice = random.randint(0, 2)
if choice == 0:
data.append(random.randint(-10000, 10000))
elif choice == 1:
data.append(round(random.uniform(-1e6, 1e6), 4))
else:
data.append(''.join(random.choices(string.ascii_letters, k=5)))
return data
小技巧：我在项目中遇到过一个问题——随机数据生成后没保存种子，结果 bug 复现不了。从那以后，我每次生成数据都会把种子和参数写进日志。
3.2 边界值数据：最容易翻车的地方
为什么边界值这么重要？因为大多数 bug 都藏在「临界点」上。我见过太多算法在中间值跑得飞起，一到边界就崩了。
常见的边界值类型：
| 数据类型 | 边界值示例 | 为什么重要 |
|---|---|---|
| 整数 | 0, 1, -1, MAX_INT, MIN_INT | 溢出、除零、符号问题 |
| 浮点数 | 0.0, -0.0, INF, NaN | 精度丢失、特殊值处理 |
| 字符串 | 空串, 单字符, 最大长度 | 内存分配、索引越界 |
| 数组 | 空数组, 单元素, 满数组 | 循环边界、指针操作 |
避坑指南：我曾经在验证一个排序算法时，只测了正数数组。结果上线后用户输入了负数，算法直接死循环。后来我养成了习惯——边界值测试必须包含「零、负值、最大值」这三件套。
3.3 特殊场景数据构造：模拟真实世界的「脏数据」
真实世界的数据，可不像教科书那么干净。你想想看，用户可能输入什么？乱码、空值、超长字符串、甚至二进制数据……
我建议，特殊场景数据至少包含以下几类：
- 空值/缺失值：None、null、undefined
- 异常格式：日期格式错误、编码不一致
- 重复数据：完全相同的记录出现多次
- 极端比例：比如 99% 相同 + 1% 不同
- 并发写入：多线程同时修改同一数据
来看一个构造特殊场景数据的例子：
def generate_edge_cases():
cases = []
# 空值场景
cases.append(None)
cases.append([])
cases.append("")
# 异常格式
cases.append("2024-13-01") # 非法月份
cases.append("abc123!@#") # 特殊字符
# 极端比例
cases.append([1] * 999 + [2]) # 99.9% 相同
# 超大值
cases.append(10**100)
cases.append(-10**100)
return cases
核心观点：测试数据生成不是「随便写几个数」，而是有策略地覆盖正常、边界、异常三个维度。我见过太多项目因为数据生成不充分，上线后出各种幺蛾子。
3.4 知识体系总览
下面这张图，是我自己总结的数据生成知识框架。每次做测试前，我都会对照着检查一遍：
这张图其实就说明了一个道理：随机数据负责广度，边界值负责深度，特殊场景负责「意外」。三者缺一不可。
3.5 实战中的一些经验
最后分享几个我踩过的坑：
- 别只测「好看」的数据——我见过有人专门挑算法能跑通的数据来测，这跟没测一样
- 数据量要够大——小数据量下算法可能没问题，一上百万级就暴露了
- 别忘了清理测试数据——有一次我生成的测试数据没清理，直接混进了生产库……嗯，那场面
我的习惯：每次写测试数据生成代码时，我都会先问自己三个问题——「正常情况能跑吗？」「边界情况会崩吗？」「异常情况怎么处理？」。问完这三个问题，数据生成方案基本就稳了。
好了，这一章的内容就到这里。数据生成看起来简单，但真正做好需要花心思。下一章我们会聊聊如何搭建测试场景，到时候见。