Go / 系统课时
排查不稳定测试
排查不稳定测试
不稳定测试的关键不是“多跑几次直到通过”,而是把偶发失败转成可重复、可归因的证据。本节用一个含数据竞争和时间等待的最小测试,演示如何从重复执行、顺序、并发、时间、外部资源与随机性逐层缩小范围,并在修复后验证稳定性。
学习目标
- 用重复执行、随机顺序和竞态检测把 Flaky Test 从偶发现象变成可观察证据。
- 区分时间依赖、执行顺序、并发、外部资源和随机性导致的不稳定行为。
- 修复根因后用相同压力条件复验,而不是只看单次通过。
先建立可重复的失败样本
先在空目录建立最小 module:
mkdir flaky-demo
cd flaky-demo
go mod init example/flaky-demo预期输出:
go: creating new go.mod: module example/flaky-demo下面的测试故意用 time.Sleep 等待后台 goroutine 写入共享变量。即使断言多数时候能通过,这个读写没有任何同步关系,因此属于真实的数据竞争。将其保存为 flaky_test.go:
package flaky
import (
"testing"
"time"
)
func unsafeLoadLater(dst *int) {
go func() {
time.Sleep(time.Millisecond)
*dst = 1 // 后台 goroutine 无同步地写共享变量
}()
}
func TestUnsafeLoadLater(t *testing.T) {
value := 0
unsafeLoadLater(&value)
// Sleep 只能“碰运气等待”,不能建立 happens-before 关系。
time.Sleep(5 * time.Millisecond)
if value != 1 {
t.Fatalf("want 1, got %d", value)
}
}预期结果:代码可以编译,但单次普通运行不一定暴露问题;下一步要用竞态检测器取得确定证据。
在包含该文件的 Go module 中执行:
go test -race -run '^TestUnsafeLoadLater$' -count=10 .预期输出包含数据竞争报告,路径、行号和耗时会因环境不同而变化:
==================
WARNING: DATA RACE
<RACE_DETAILS>
--- FAIL: TestUnsafeLoadLater (<TIME>)
<RACE_DETAILS>
FAIL这里真正有价值的证据不是某次断言失败,而是 -race 明确指出了并发读写没有同步。继续增加 Sleep 只会改变失败概率,不能修复根因。
按证据链缩小根因
面对线上 CI 偶发红灯,可以按“先复现、再分类、最后隔离依赖”的顺序排查。先用 -count 增加执行次数,再用 -shuffle=on 打乱顶层测试和基准的执行顺序;如果失败与特定顺序相关,Go 会打印 shuffle seed,可用 -shuffle=<SEED> 重放。需要覆盖更多顺序时,应独立重复该命令以获得新的 seed。并发相关问题优先加入 -race,不要先改超时时间。
go test -count=50 ./...
go test -shuffle=on -count=20 ./...
go test -race -count=20 ./...预期结果:稳定测试应在多轮执行中持续通过;若存在顺序依赖,随机顺序可能暴露失败并输出可复用的 seed;若存在数据竞争,-race 会输出 WARNING: DATA RACE。具体包名、seed 与耗时以实际输出为准。

五类常见根因要用不同证据确认。时间依赖应把 time.Now、超时和轮询封装为可控制依赖;执行顺序问题要检查包级可变状态、环境变量和未清理文件;并发问题要找未同步共享变量和 t.Parallel 之间的资源冲突;外部资源要确认网络、端口、数据库和临时目录是否真正隔离;随机逻辑则应记录 seed,使失败输入可以重放。
修复同步关系而不是调大等待时间
把“写共享变量 + 猜测等待多久”改成显式同步,测试就不再依赖调度时机。用下面内容替换 flaky_test.go,通过 channel 同时传递结果和建立同步关系。
package flaky
import "testing"
func safeLoadLater() <-chan int {
ch := make(chan int, 1)
go func() {
ch <- 1 // 发送和接收建立同步,不需要猜测等待时长
}()
return ch
}
func TestSafeLoadLater(t *testing.T) {
value := <-safeLoadLater()
if value != 1 {
t.Fatalf("want 1, got %d", value)
}
}预期结果:代码可以独立编译运行,并且不依赖 time.Sleep 或 goroutine 调度速度。
再次使用与排查阶段相同的压力条件:
go test -race -run '^TestSafeLoadLater$' -count=100 .预期输出:
ok <PACKAGE> <TIME><PACKAGE> 和 <TIME> 会随模块路径与机器性能变化。修复后应保留原来的复现条件进行回归:竞态问题继续带 -race,顺序问题继续使用失败时的 shuffle seed,随机问题继续重放原 seed,外部资源问题则继续在隔离环境中验证。
给每次偶发失败留下可追踪信息
测试日志应优先记录能重放问题的输入,而不是堆大量环境噪声。随机测试记录 seed,临时文件记录相对测试目录中的关键名称,外部服务记录请求目标和可公开的响应状态;时间相关断言记录期望窗口与实际差值。
当一次失败能够回答“用什么输入、什么顺序、什么并发条件、依赖了什么外部资源”,Flaky Test 就从概率问题变成普通缺陷。真正的完成标准不是某次 CI 变绿,而是根因被隔离后,在原失败条件和重复压力下仍稳定通过。