跳到主要内容

静态测试技术:不跑代码就找 bug

静态测试(static testing)是"不执行程序就找问题"的方法总称。它比动态测试早、比动态测试便宜、比动态测试稳。核心逻辑就一句话:越晚发现 bug 越贵,所以能在敲下回车之前抓到就别等到运行时。

1. 什么是静态测试​

静态测试对着代码本身找问题:读它、扫描它、类型系统推理、抽象解释、模式匹配。它不需要你写测试用例,也不需要把程序跑起来。

它和 白盒测试、黑盒测试 的分界线是要不要执行代码。动态测试要构造输入、跑程序、看输出;静态测试连编译都不一定需要——Linter 通常只解析 AST 就够了。

静态测试涵盖两大类:

  • 人工方法:代码走查(walkthrough)、代码评审(code review)、正式审查(inspection,Fagan 那套)
  • 自动方法:Linter、类型检查、静态分析、符号执行、抽象解释

人工方法抓的是"这段代码写得不对(业务、可读性、架构)",机器抓的是"这段代码违反某种可枚举规则"。两者互补,谁也代替不了谁。

2. 为什么静态早、便宜、有效​

软件工程里被引到烂的一张图是 Boehm 的"缺陷发现成本曲线":

阶段相对修复成本
需求 / 设计1x
编码~5x
单元测试~10x
集成 / 系统测试~20x
上线后100–1000x

数字后来 Capers Jones 也提过修正版本,绝对值有争议,但曲线方向不动摇:越晚越贵,且是数量级式变贵。原因不是"技术上难修",而是回归代价堆积——一个 bug 到生产才发现,你要复现、走事故流程、写 postmortem、通知用户,可能触发数据回滚。

静态测试卡在最左边。IDE 打字时红波浪线亮起就相当于 1x 阶段修复。这个价值不是"多找 bug",而是把发现时机往前推。你不会因为 ESLint 变得更聪明,但你会因为它省下的返工时间成为一个更快的工程师。

再一个理由:静态测试的覆盖是穷尽的。动态测试只能覆盖你实际跑过的路径,100% 覆盖率也只是"我构造的用例都跑到了"。静态分析对源码文件全量扫描——只要规则命中,一个都跑不掉。

3. 人工审查​

先说人工的,因为它是所有静态方法的爷爷。1976 年 Michael Fagan 在 IBM 提出的 Inspection 流程有 6 步:Planning、Overview、Preparation、Meeting、Rework、Follow-up。核心是"多人独立读、然后开会对齐"。

现代团队没人真跑 Fagan 全套,但 code review(GitHub PR、Gerrit)本质上就是它的轻量版:作者写完 → reviewer 独立读 → 留 comment → 作者改 → re-review。

轻量 code review 抓到的 bug 类型和静态分析工具重合度很低:

抓什么ReviewerLinter / 静态分析
命名、可读性✓部分(长度规则)
业务逻辑错误✓✗
架构 / 分层违规✓部分(ArchUnit 类)
并发 / 时序 bug部分部分(TSan)
空指针 / 资源泄漏部分✓
代码风格✗(人不该干这个)✓
API 误用部分✓

工业界的通行做法是:Linter 先跑一遍把风格问题清干净,reviewer 只看逻辑。别让人肉去数缩进和逗号,那是浪费。

4. Linter​

Linter 是最轻量的一档静态分析:解析 AST、规则匹配、报告违规。它不做深度数据流分析,也不做符号执行。速度快、误报少、集成简单。

各语言的主流 Linter:

工具语言规则数特色
ESLintJS/TS200+ 内置 + 生态插件可插拔,typescript-eslint 支持类型感知规则
PylintPython400+严格出名,误报也多
RuffPython700+Rust 写的,速度是 Pylint 的 10–100 倍
golangci-lintGo聚合 60+ 个 linter官方推荐组合拳
ClippyRust700+cargo 内置,几乎标配
RuboCopRuby400+也管代码风格自动修复
ktlint / detektKotlin100+ / 200+前者管风格,后者管代码坏味

Linter 抓到的典型问题:未使用变量、变量遮蔽、== vs ===、缺少 return、不可达代码、误用 API(比如把 Array.prototype.forEach 当有返回值用)、圈复杂度过高。

一个具体的例子:

// ESLint 的 no-shadow + no-redeclare 会亮红
function process(user) {
const user = getUser(user.id); // 遮蔽了参数
return user.name;
}

这种 bug 一跑就能发现吗?不一定,因为函数可能因为动态调用不在测试路径上;就算跑到,如果 getUser 恰好也返回一个有 name 的对象,测试还会通过。静态分析在这里的价值是"完全不看运行时也知道你写错了"。

5. 静态分析​

静态分析比 Linter 深一档:不光看语法,还要做数据流、控制流、类型推导。它能回答"这个变量到这里可能是 null 吗"、"这段内存哪里释放"、"这个锁在所有路径上都释放了吗"。

工业界几个代表:

工具主打技术路线
SonarQube全语言、企业级数据流 + 规则库 + 度量
Semgrep模式匹配AST 模式语法,写规则像写代码
CodeQL深度查询把代码当数据库,用 QL 语言查
CoverityC/C++/Java 大厂过程间数据流、路径敏感
Infer(Meta 开源)空指针、内存基于 separation logic 的过程间分析
SpotBugsJava字节码级模式匹配
clang-tidyC/C++基于 Clang AST

Linter 和静态分析的分界:Linter 通常是过程内、语法级;静态分析常做过程间、语义级。ESLint 报"这里可能空指针"止步于当前函数,Infer 会跨函数追踪一个 null 从被返回到被解引用的整条路径。

举一个 Java 例子(SpotBugs 抓资源泄漏):

public String readFile(String path) throws IOException {
FileInputStream in = new FileInputStream(path);
byte[] buf = new byte[1024];
in.read(buf);
return new String(buf);
// in 没 close,异常路径也没 close
}

SpotBugs 报 OS_OPEN_STREAM。这个 bug 大概率单元测试跑不出来——因为 JVM 短时间内不会耗尽 fd。等到线上跑一天崩了才发现,那就是 100x 修复成本了。

6. 类型检查​

类型系统是"分类学式的静态分析"。它规定"这个值只能这么用",编译器 / 检查器强制执行。

强类型语言(Rust、Haskell、OCaml)的类型检查本身就是一种静态测试——它保证的是可枚举的一类 bug 永远不发生:

  • Rust 的 borrow checker:no data race、no use-after-free、no double-free
  • Haskell 的类型:no null pointer(Maybe 强制处理)
  • TypeScript 的 strict:no implicit any、no non-null assertion 漏网

对动态语言,类型检查是可选加装:TS 之于 JS、mypy / pyright 之于 Python、Sorbet 之于 Ruby。这些工具一旦全项目开启,抓到的 bug 密度极高——动态语言里"这个字段可能不存在"是家常便饭。

一个 Python 例子,mypy 直接报错:

def greet(name: str) -> str:
return "Hello, " + name

greet(None) # error: Argument 1 to "greet" has incompatible type "None"; expected "str"

跑测试可能抓到,但只有你测试恰好传 None。类型检查是所有调用点一起看,覆盖完整。

7. 符号执行​

符号执行走得更远:它不给变量赋具体值,而是给一个符号,然后按控制流走所有分支,收集路径约束,最后交给 SMT 求解器判断"这条路径可达吗、可达时有没有违规"。

伪代码:

function f(int x):
if (x > 10):
if (x < 5):
crash() // 符号执行发现约束 x>10 ∧ x<5 不可解,标为不可达

KLEE、angr、Z3 都是这个圈子的名字。KLEE 曾经跑了一遍 GNU coreutils,挖出了十几个多年没抓到的 bug——echo、mkdir 里的边界情况。

限制也很明显:路径爆炸。每个分支都要分叉,循环里 nn 次迭代分支就 2n2^n,实际系统的路径数轻松破亿。工业中符号执行往往只能对单函数或深度受限的调用图跑,跑不动整个应用。它更多是研究和高安全场景(内核、加密库、合约)的工具,不是日常 CI 的选项。

8. 抽象解释​

比符号执行更"数学"的一支叫抽象解释(abstract interpretation):不精确追踪具体值,而是把值域抽象成一个格(lattice)上的元素,然后计算不动点。

用人话讲:不算"x 具体等于什么",只算"x 在 [-∞, 10] 这个范围里"。牺牲精度换可扩展性。

工业代表是 Astrée,法国 Airbus 用它证明飞控软件没有运行时错误(无溢出、无除零、无 UB)。这是形式化验证级别的静态分析,成本很高,只在航天、核电、汽车 ISO 26262 之类的地方才划得来。

抽象解释和符号执行对照:

维度符号执行抽象解释
精度高(路径级)中(值域级)
可扩展性差(路径爆炸)好(收敛到不动点)
误报少较多(过近似导致假阳)
漏报多(路径没跑到就漏)少(保守)
典型场景找具体 bug、漏洞挖掘证明"永远不会崩"

9. 局限​

静态测试不是银弹。几个诚实的问题:

  • 误报:越强的分析越可能报"其实不会出问题的路径",工程师久了会 alert fatigue,然后开始一律 suppress。SonarQube 项目里满屏 NOSONAR 就是这个原因。
  • 动态特性无解:反射、eval、字符串拼 SQL、跨服务 RPC——静态分析看不进去。这些必须靠 模糊测试、集成测试、混沌工程 补上。
  • 规则库依赖:静态分析只能抓"已知模式"的 bug。逻辑正确性、业务错误它一无所知。
  • 配置成本:越强的工具越难上手。CodeQL 好用,但你要写 QL 查询;Coverity 精准,但企业授权和调优要专职人。

一句话:静态测试的作用是把大量已知的低级 bug 挡在编译前,让人力和动态测试的预算专注在真正需要人脑的部分。

10. 静态测试在测试家谱里的位置​

往前追溯,静态测试是最古老的一档——早于 Fortran 写完就有人 desk-check。往后延伸,它和几乎所有其他测试互补:

  • 与 白盒测试:白盒要跑代码,静态不用;两者覆盖的 bug 类型不重叠
  • 与 黑盒测试:黑盒只看接口,静态直接看实现
  • 与 自动化测试:静态分析是最容易自动化的部分——写规则一次跑万次
  • 与 变异测试:变异测试检测"测试用例的强度",静态分析检测"源码本身的缺陷"
  • 与 精准测试:静态分析给出的调用图是精准测试做用例选取的输入
  • 与 测试过程与生命周期:静态测试最适合放在 pre-commit / CI 的最前端
  • 与 测试工具简介:本文提到的工具几乎都在那份工具清单里出现

CI 流水线的经验顺序:Linter → 类型检查 → 单元测试 → 集成测试 → 静态深度分析(夜间)。前面几档几秒就跑完、失败率高、修复代价低;后面几档慢、贵、放在低频次运行。这个顺序对应的就是 Boehm 曲线——把便宜的挡板放在最前面。