11｜测试数据管理功能怎么设计？造数和清理怎么办？

开场先给数据管理的功能地图——数据是自动化稳定的命门（脏数据是 flaky 主因），平台级的数据治理能力是自研平台对单机工具的核心增值。

回答思路

第一步：四块功能地图

1. 参数池：全局的账号、商品等公共参数的集中管理
2. 造数中心：按业务对象的造数模板，一键生成测试数据
3. 数据清理：执行后的垃圾回收
4. 数据脱敏：生产数据的导入脱敏

第二步：讲参数池的设计（核心机制）

• 参数的分类管理（账号池、商品池、卡片池）
• 参数的占用和释放机制：用例执行时领用、用完归还——防止并发用例互相踩数据
• 参数池的水位告警（快用光了自动补造加提醒）

讲到这层，说明真解决过多用例抢数据的乱局。

第三步：讲造数中心的设计

• 造数模板：一个业务对象需要的完整构造（用户 + 店铺 + 商品的组合，一次造全套）
• 造数方式三档：接口造数走业务链路最真实 / SQL 造数最快但绕过校验 / AI 造数补边界数据——三档各有场景
• 造数的幂等和唯一性（重复执行不冲突，唯一标识的规则）

第四步：讲数据清理的设计

• 用例级清理（teardown 的数据回收钩子）、任务级清理、周期清理（每周的兜底扫除防积压）
• 清理的安全边界：只清测试标识的数据，生产数据碰都不能碰——标识机制是安全的锚

收尾：讲数据管理的度量

造数自助率（用户自己搞定不用找人帮造的比例——平台造数能力的核心指标）、数据问题的故障归因（多少 flaky 溯源到数据问题）。

考察重点

维度	说明
企业动机	考察把数据问题产品化解决的能力——平台级数据治理是自研平台的核心增值
过线标准	功能地图 + 参数占用释放机制 + 清理安全边界
区分度	讲三档造数方式取舍、讲清理标识锚定、讲造数自助率度量的是深度设计过的
减分项	数据管理就是「存 Excel 大家自己看」，没有平台化的机制设计

来源

整理自知识星球帖《面试情报 08｜测试工具平台开发 20 题》，返回题库。