หากคุณเคยยื่นสมาร์ทโฟนให้เด็กเล็ก ๆ แล้วเฝ้าดูพวกเขาแตะปุ่มทุกปุ่ม ปัดไปมาอย่างสุ่ม ๆ และจัดการทำให้แอปของคุณล่มได้ภายใน 30 วินาที นั่นแหละคือสิ่งที่คุณได้เห็น Monkey Testing ในรูปแบบที่บริสุทธิ์ที่สุด มันดูวุ่นวาย เกือบจะไร้ความรับผิดชอบ แต่ความวุ่นวายนี้เองที่เผยให้เห็นข้อบกพร่องที่การทดสอบแบบมีโครงสร้างมองข้ามไป ความสุ่มที่ทำให้ Monkey Testing ดูไร้ระเบียบคือสิ่งที่ทำให้มันมีคุณค่า
ทีมประกันคุณภาพระดับมืออาชีพใช้ Monkey Testing อย่างมีกลยุทธ์ ไม่ใช่สะเพร่า พวกเขาใช้มันเพื่อค้นหาหน่วยความจำรั่ว (memory leaks), ข้อผิดพลาดที่ไม่ได้จัดการ (unhandled exceptions) และระบบล่ม (system crashes) ที่เกิดขึ้นเมื่อซอฟต์แวร์เผชิญกับลำดับการป้อนข้อมูลที่ไม่คาดคิด คู่มือนี้จะแสดงวิธีใช้ Monkey Testing อย่างถูกต้อง ทำความเข้าใจประเภทของมัน และนำไปปรับใช้ในกลยุทธ์ QA ของคุณอย่างชาญฉลาด
Monkey Testing คืออะไรกันแน่?
Monkey Testing คือเทคนิคการทดสอบซอฟต์แวร์ที่คุณป้อนข้อมูลแบบสุ่ม ไม่คาดคิด หรือไม่ถูกต้องลงในแอปพลิเคชัน และสังเกตพฤติกรรมของมัน ชื่อนี้มาจากทฤษฎีลิงอนันต์ (infinite monkey theorem): หากลิงพิมพ์แบบสุ่มบนแป้นพิมพ์นานพอ มันจะสร้างข้อความที่มีความหมายได้ในที่สุด ในการทดสอบ "ลิง" คือโปรแกรมหรือผู้ทดสอบที่เป็นมนุษย์ที่ใช้งานแอปพลิเคชันโดยไม่ทำตามกรณีทดสอบที่กำหนดไว้ล่วงหน้า
ต่างจากการทดสอบแบบมีโครงสร้าง Monkey Testing ไม่ได้ตรวจสอบความต้องการ แต่มันถามคำถามที่ง่ายกว่าแต่สำคัญ: แอปพลิเคชันสามารถจัดการกับความวุ่นวายได้โดยไม่ล่มหรือไม่? วิธีนี้ยอดเยี่ยมในการค้นหา:
- หน่วยความจำรั่วจากการทำงานซ้ำๆ
- ข้อผิดพลาดที่ไม่ได้จัดการจากการรวมข้อมูลที่ไม่ถูกต้อง
- Race conditions ในกระบวนการแบบอะซิงโครนัส
- UI ค้างจากการโต้ตอบของผู้ใช้ที่รวดเร็ว
- ช่องโหว่ด้านความปลอดภัยจากอินพุตที่ผิดรูป
เทคนิคนี้มีคุณค่าอย่างยิ่งสำหรับแอปพลิเคชันมือถือ เว็บแอปพลิเคชัน และ API ที่เผชิญกับพฤติกรรมของผู้ใช้ที่ไม่คาดคิดในการใช้งานจริง
Monkey Testing สามประเภท: Dumb, Smart และ Brilliant
ไม่ใช่ว่า Monkey Testing ทุกประเภทจะถูกสร้างขึ้นมาเท่ากัน เทคนิคนี้มีอยู่ในสเปกตรัมตั้งแต่แบบสุ่มโดยสมบูรณ์ไปจนถึงแบบที่มีการแนะนำอย่างชาญฉลาด
1. Dumb Monkey Testing (ลิงโง่)
Dumb Monkey Testing คือความสุ่มที่บริสุทธิ์ เครื่องมือทดสอบไม่รู้เกี่ยวกับแอปพลิเคชันเลย มันคลิกพิกัดแบบสุ่ม ป้อนข้อความที่ไม่รู้เรื่อง และส่งข้อมูลที่ผิดรูป มันไม่สามารถรับรู้ข้อผิดพลาด นำทางอย่างตั้งใจ หรือปรับพฤติกรรมของมันได้
ข้อดี: ต้องการการตั้งค่าน้อยที่สุด, พบการล่มที่ไม่คาดคิด, บำรุงรักษาต่ำ
ข้อเสีย: พลาดเส้นทางที่สำคัญ, สร้างการทดสอบที่ไม่เกี่ยวข้องจำนวนมาก, ไม่สามารถยืนยันความถูกต้องได้
เหมาะที่สุดสำหรับ: การทดสอบความทนทานของ UI ภายใต้ความเครียด, การทดสอบสำรวจในช่วงเริ่มต้น
ลิงโง่อาจคลิกปุ่ม "ส่ง" 1,000 ครั้งโดยไม่กรอกข้อมูลใดๆ เผยให้เห็นข้อบกพร่องในการตรวจสอบความถูกต้องของแบบฟอร์มที่ทำให้เซิร์ฟเวอร์ล่ม
2. Smart Monkey Testing (ลิงฉลาด)
Smart Monkey Testing รู้เกี่ยวกับโครงสร้างของแอปพลิเคชัน มันเข้าใจรูปแบบอินพุตที่ถูกต้อง ข้อจำกัดในการนำทาง และการเปลี่ยนสถานะที่คาดไว้ มันยังคงทำงานแบบสุ่มภายในขอบเขตเหล่านั้น แต่หลีกเลี่ยงการกระทำที่ไม่ถูกต้องอย่างเห็นได้ชัด
ข้อดี: สถานการณ์การทดสอบที่เกี่ยวข้องมากขึ้น, อัตราการตรวจจับข้อบกพร่องสูงขึ้น, เคารพกฎทางธุรกิจ
ข้อเสีย: ต้องการการกำหนดค่าเริ่มต้น, ต้องการการอัปเดตการแมปเมื่อ UI เปลี่ยนแปลง
เหมาะที่สุดสำหรับ: การทดสอบการถดถอย, การตรวจสอบความทนทานของเวิร์กโฟลว์
ลิงฉลาดรู้ว่าช่องบัตรเครดิตรับได้ 16 หลัก มันจะป้อนตัวเลขสุ่ม 16 หลัก (บางส่วนถูกต้อง บางส่วนไม่ถูกต้อง) แต่จะไม่พิมพ์ตัวอักษรหรืออักขระพิเศษ
3. Brilliant Monkey Testing (ลิงอัจฉริยะ)
Brilliant Monkey Testing ผสมผสานความสุ่มเข้ากับการเรียนรู้ มันสังเกตพฤติกรรมของแอปพลิเคชัน จดจำการกระทำที่นำไปสู่การล่มในอดีต และปรับการทดสอบในอนาคตไปยังพื้นที่ที่เปราะบางเหล่านั้น มันเป็น Monkey Testing ที่ซับซ้อนที่สุด ซึ่งมักจะใช้ AI หรืออัลกอริทึมทางพันธุกรรม
ข้อดี: มีประสิทธิภาพสูง, ปรับให้เข้ากับการเปลี่ยนแปลงของแอปพลิเคชัน, พบข้อบกพร่องที่ลึกซึ้ง
ข้อเสีย: การตั้งค่าที่ซับซ้อน, ต้องการเครื่องมือพิเศษ, การใช้ทรัพยากรที่สูงขึ้น
เหมาะที่สุดสำหรับ: ผลิตภัณฑ์ที่เติบโตเต็มที่ที่ต้องการการทดสอบความเสถียรเชิงลึก, การทดสอบความปลอดภัยแบบ Fuzzing
ลิงอัจฉริยะอาจค้นพบว่าการเปิดโมดัล ปิด จากนั้นหมุนอุปกรณ์อย่างรวดเร็วทำให้เกิดหน่วยความจำรั่ว จากนั้นมันจะทำซ้ำรูปแบบนี้พร้อมกับรูปแบบต่างๆ เพื่อยืนยันช่องโหว่
| ประเภท | ความรู้เกี่ยวกับแอปพลิเคชัน | ความพยายามในการตั้งค่า | อัตราการตรวจจับข้อบกพร่อง | กรณีการใช้งานที่ดีที่สุด |
|---|---|---|---|---|
| Dumb (โง่) | ไม่มี | ต่ำมาก | ต่ำ | การทดสอบการล่ม |
| Smart (ฉลาด) | โครงสร้างและกฎ | ปานกลาง | ปานกลาง | การทดสอบเวิร์กโฟลว์ |
| Brilliant (อัจฉริยะ) | การเรียนรู้ด้วยตนเอง | สูง | สูง | การทดสอบความเสถียรเชิงลึก |
ข้อดีและข้อเสียของ Monkey Testing
เช่นเดียวกับเทคนิคอื่นๆ Monkey Testing มีข้อดีและข้อเสีย
ข้อดี:
- พบกรณีขอบที่มนุษย์พลาด: ความสุ่มสำรวจการรวมกันที่ผู้ทดสอบไม่คิดจะทดสอบ
- เผยปัญหาความทนทาน: เปิดเผยหน่วยความจำรั่ว, การล่ม, และการค้างภายใต้ความเครียด
- ต้นทุนเริ่มต้นต่ำสำหรับการทดสอบแบบ Dumb: สามารถเริ่มต้นด้วยการกำหนดค่าน้อยที่สุด
- ปรับขนาดได้: ลิงอัตโนมัติทำงานตลอด 24 ชั่วโมง 7 วันโดยไม่เหนื่อยล้า
- ดีสำหรับความปลอดภัย: Fuzzing ด้วยข้อมูลที่ผิดรูปพบช่องโหว่ในการฉีด
ข้อเสีย:
- การครอบคลุมที่ไม่สามารถคาดเดาได้: ไม่สามารถรับประกันได้ว่าฟังก์ชันทั้งหมดจะถูกทดสอบ
- มีผลลัพธ์ที่เป็นบวกปลอมจำนวนมาก: ความล้มเหลวแบบสุ่มอาจไม่แสดงถึงปัญหาผู้ใช้จริง
- ไม่มีการตรวจสอบความต้องการ: ไม่ยืนยันว่าซอฟต์แวร์ตรงตามความต้องการทางธุรกิจ
- ยากต่อการจำลอง: ความล้มเหลวในการทดสอบแบบสุ่มอาจยากต่อการจำลองและดีบัก
- เอกสารจำกัด: ยากที่จะพิสูจน์ว่ามีการทดสอบอะไรบ้างต่อผู้ตรวจสอบ
หมายเหตุ: Monkey Testing ไม่ควรเป็นกลยุทธ์การทดสอบเพียงอย่างเดียวของคุณ มันเป็นส่วนเสริมที่มีประสิทธิภาพสำหรับการทดสอบแบบมีโครงสร้าง ไม่ใช่สิ่งทดแทน!
Monkey Testing โดดเด่นที่ไหน: การประยุกต์ใช้ในโลกจริง
Monkey Testing มีคุณค่ามากที่สุดในสถานการณ์เหล่านี้:
- การทดสอบแอปมือถือ: ผู้ใช้แตะแบบสุ่ม หมุนอุปกรณ์ สลับแอป และขัดจังหวะการเชื่อมต่อเครือข่าย ลิงจำลองความวุ่นวายนี้ได้อย่างมีประสิทธิภาพ พบการล่มที่การทดสอบแบบมีโครงสร้างพลาดไป
- การทดสอบความยืดหยุ่นของ API: API ได้รับคำขอที่ผิดรูป, เพย์โหลดที่ไม่สมบูรณ์ และเฮดเดอร์ที่ไม่คาดคิด การทดสอบแบบ Monkey ด้วยโครงสร้างข้อมูลแบบสุ่มจะเผยให้เห็นข้อผิดพลาดที่ไม่ได้จัดการและช่องโหว่ด้านความปลอดภัย
- การทดสอบความเครียดของ UI: การคลิกอย่างรวดเร็ว, การปรับขนาดหน้าต่าง, และการนำทางเมนูสามารถเปิดเผยปัญหาเรื่องเธรดและสภาวะ UI ค้าง
- การทดสอบเกม: ผู้เล่นทำตามลำดับที่ไม่คาดคิด ลิงอาจกระโดด ยิง และหยุดชั่วคราวพร้อมกัน เผยให้เห็นข้อบกพร่องในการเรนเดอร์
- การทดสอบอุปกรณ์ IoT: อุปกรณ์เผชิญกับสภาพเครือข่ายที่ไม่คาดคิดและการโต้ตอบของผู้ใช้ ลิงจำลองการหลุดการเชื่อมต่อและการกดปุ่มรัวๆ
Monkey Testing เทียบกับ Guerrilla Testing เทียบกับ Adhoc Testing
คำศัพท์เหล่านี้มักจะถูกเข้าใจผิด นี่คือความแตกต่าง:
- Monkey Testing: ความสุ่มที่เป็นระบบ มักเป็นแบบอัตโนมัติ เน้นความทนทาน
- Guerrilla Testing: การทดสอบอย่างรวดเร็ว ไม่เป็นทางการ โดยผู้ใช้จริงในสภาพแวดล้อมธรรมชาติ (เช่น การทดสอบแอปพลิเคชันร้านกาแฟในร้านกาแฟจริง)
- Adhoc Testing: การทดสอบแบบสำรวจที่ไม่มีโครงสร้าง โดยอาศัยสัญชาตญาณของผู้ทดสอบแทนที่จะใช้สคริปต์
| ด้าน | Monkey Testing | Guerrilla Testing | Adhoc Testing |
|---|---|---|---|
| แนวทาง | สุ่ม, อัตโนมัติ | การสังเกตในโลกจริง | การสำรวจด้วยสัญชาตญาณ |
| เป้าหมาย | หาการล่ม/ค้าง | ตรวจสอบการใช้งานจริง | ค้นหาปัญหาที่ไม่คาดคิด |
| สภาพแวดล้อม | Lab/CI/CD | เหมือนการผลิตจริง | ใดก็ได้ |
| ใครทำ | เครื่องมืออัตโนมัติหรือผู้ทดสอบ | ผู้ใช้ปลายทาง | ผู้ทดสอบที่มีประสบการณ์ |
| เอกสาร | น้อยที่สุด | บันทึกจากการสังเกต | บันทึกเซสชัน |
ทั้งสามอย่างมีลักษณะเป็นการสำรวจ แต่ Monkey Testing เป็นเพียงเทคนิคเดียวที่ใช้ความสุ่มอย่างจงใจเป็นกลยุทธ์หลัก
Apidog ช่วยในการทำ Monkey Testing สำหรับ API ได้อย่างไร
แม้ว่า Monkey Testing โดยทั่วไปจะเน้นไปที่ UI แต่ API ก็ต้องการ Monkey Testing เช่นกัน! คำขอแบบสุ่มที่มีพารามิเตอร์, เฮดเดอร์, และเพย์โหลดที่ไม่คาดคิดสามารถทำให้แบ็กเอนด์ของคุณล่มได้ Apidog นำหลักการ Monkey Testing มาใช้กับการทดสอบ API ในลักษณะที่ควบคุมได้และสามารถทำซ้ำได้
ในระหว่างขั้นตอน การพัฒนา Test Case ของ วงจรชีวิตการทดสอบซอฟต์แวร์ ของคุณ Apidog สามารถสร้างสถานการณ์การทดสอบแบบ "smart monkey" สำหรับ API endpoint ของคุณ แทนที่จะเป็นความสุ่มล้วนๆ มันเข้าใจข้อกำหนด API ของคุณและสร้างรูปแบบต่างๆ ที่ทดสอบความทนทาน:
// Apidog สร้างสถานการณ์ monkey testing เหล่านี้โดยอัตโนมัติ:
1. POST /api/users พร้อม JSON ที่ถูกต้อง → คาดว่า 201
2. POST /api/users พร้อมฟิลด์ที่จำเป็นหายไป → คาดว่า 400
3. POST /api/users พร้อมฟิลด์ที่ไม่รู้จักเพิ่มเติม → คาดว่า 200 (ควรละเว้น)
4. POST /api/users พร้อม SQL injection ในอีเมล → คาดว่า 400/500 (ไม่ควรล่ม)
5. POST /api/users พร้อมเพย์โหลด JSON ขนาด 10MB → คาดว่า 413
6. POST /api/users พร้อม JSON ที่ผิดรูป → คาดว่า 400
7. ส่งคำขอ 100 ครั้งอย่างรวดเร็วพร้อมข้อมูลสุ่ม → ระบบไม่ควรล่ม
AI ของ Apidog เข้าใจประเภทข้อมูลและข้อจำกัด สร้างค่าสุ่มแต่สมเหตุสมผล มันสร้างการทดสอบขอบเขต, การพยายามฉีด, และการเปลี่ยนแปลงเพย์โหลดที่เลียนแบบ "ลิงฉลาด" ที่สำรวจหาจุดอ่อนของ API ของคุณ
ในระหว่าง การดำเนินการทดสอบ คุณสามารถเรียกใช้การทดสอบแบบ Monkey เหล่านี้โดยอัตโนมัติเป็นส่วนหนึ่งของ CI/CD pipeline ของคุณ Apidog มี:
- ความสามารถในการ Fuzzing: ส่งคำขอนับพันครั้งเพื่อค้นหาจุดแตกหัก
- การจำลองโหลด: รวมคำขอแบบสุ่มกับการดำเนินการพร้อมกันเพื่อทดสอบทั้งความทนทานและประสิทธิภาพ
- การบันทึกโดยละเอียด: บันทึกคู่คำขอ/การตอบกลับที่แน่นอนเพื่อการดีบักที่สามารถทำซ้ำได้
- การสแกนความปลอดภัย: ระบุว่าอินพุตสุ่มใดที่สร้างช่องโหว่
แนวทางนี้ให้ประโยชน์ของ Monkey Testing (การค้นหาความล้มเหลวที่ไม่คาดคิด) โดยไม่มีข้อเสีย (ผลลัพธ์ที่ไม่สามารถทำซ้ำได้และการไม่มีการติดตามการครอบคลุม)
แนวทางปฏิบัติที่ดีที่สุดสำหรับการนำ Monkey Testing ไปใช้
เพื่อให้ Monkey Testing มีประสิทธิภาพโดยไม่เสียเวลา ให้ปฏิบัติตามแนวทางเหล่านี้:
- เริ่มต้นด้วย Smart Monkeys: ลิงโง่สร้างสัญญาณรบกวนมากเกินไป เริ่มต้นด้วยเครื่องมืออย่าง Apidog ที่เข้าใจโครงสร้างแอปพลิเคชันของคุณและสร้างรูปแบบสุ่มที่เกี่ยวข้อง
- กำหนดขอบเขตเวลา: เรียกใช้การทดสอบแบบ Monkey เป็นระยะเวลาที่กำหนด (เช่น 2 ชั่วโมงข้ามคืน) เพื่อจำกัดขอบเขตในขณะที่ยังคงพบข้อบกพร่อง
- ตรวจสอบสุขภาพระบบ: ใช้เครื่องมือตรวจสอบประสิทธิภาพแอปพลิเคชัน (APM) ควบคู่ไปกับการทดสอบแบบ Monkey เพื่อตรวจจับหน่วยความจำรั่วและการเพิ่มขึ้นของ CPU ที่บ่งบอกถึงปัญหาพื้นฐาน
- บันทึกทุกอย่าง: บันทึกการกระทำแบบสุ่มทั้งหมดเพื่อให้คุณสามารถจำลองความล้มเหลวได้ บันทึกคำขอโดยละเอียดของ Apidog ทำให้สิ่งนี้เป็นไปโดยอัตโนมัติ
- รวมเข้ากับ CI/CD: เรียกใช้การทดสอบแบบ Monkey ในการสร้างรายคืนเพื่อตรวจจับการถดถอยของความเสถียรโดยไม่ทำให้การพัฒนาช้าลง
- อย่าพึ่งพา Monkey เพียงอย่างเดียว: ใช้ Monkey Testing เป็น 20% ของกลยุทธ์ของคุณ เสริมกับการทดสอบการทำงานและการถดถอยแบบมีโครงสร้าง
คำถามที่พบบ่อย
คำถามที่ 1: Monkey Testing เหมือนกับการทำ Fuzzing หรือไม่?
คำตอบ: Fuzzing เป็น Monkey Testing ประเภทหนึ่งที่เน้นด้านความปลอดภัยโดยเฉพาะ มันจงใจส่งข้อมูลที่ผิดรูป ไม่คาดคิด หรือสุ่ม เพื่อค้นหาช่องโหว่ เช่น buffer overflows หรือ injection flaws การทำ Fuzzing ทั้งหมดคือ Monkey Testing แต่ไม่ใช่ Monkey Testing ทั้งหมดคือการทำ Fuzzing
คำถามที่ 2: Monkey Testing สามารถแทนที่การทดสอบแบบแมนนวลได้ทั้งหมดหรือไม่?
คำตอบ: ไม่ Monkey Testing ค้นหาการล่มและปัญหาด้านความทนทาน แต่ไม่สามารถยืนยันได้ว่าซอฟต์แวร์ตรงตามความต้องการทางธุรกิจหรือมอบประสบการณ์ผู้ใช้ที่ดี มันเสริมการทดสอบแบบแมนนวล โดยเฉพาะอย่างยิ่งสำหรับการค้นพบกรณีขอบ แต่ไม่เคยแทนที่การดำเนินการกรณีทดสอบแบบมีโครงสร้าง
คำถามที่ 3: ฉันควรเรียกใช้ Monkey Tests นานแค่ไหน?
คำตอบ: สำหรับการทดสอบ UI การโต้ตอบแบบสุ่ม 30-60 นาทีมักจะเผยให้เห็นปัญหาความเสถียรที่สำคัญ สำหรับการทดสอบ API ด้วย Apidog ให้เรียกใช้การทดสอบแบบ Fuzzing เป็นเวลา 2-4 ชั่วโมง หรือ 10,000 คำขอ แล้วแต่ว่าอย่างไหนถึงก่อน เป้าหมายคือความมั่นใจทางสถิติ ไม่ใช่การทดสอบที่ไม่สิ้นสุด
คำถามที่ 4: เครื่องมือใดดีที่สุดสำหรับ Monkey Testing แอปมือถือ?
คำตอบ: สำหรับ Android, UI/Application Exerciser Monkey ถูกสร้างมาใน SDK สำหรับ iOS, เครื่องมืออย่าง FastMonkey มีความสามารถที่คล้ายกัน สำหรับข้ามแพลตฟอร์ม ให้พิจารณา Appium พร้อมกับเครื่องมือสร้างสคริปต์สุ่มแบบกำหนดเอง สำหรับการทดสอบ API Monkey Testing, Apidog เป็นตัวเลือกที่มีประสิทธิภาพที่สุด
คำถามที่ 5: ฉันจะวัดประสิทธิภาพของ Monkey Testing ได้อย่างไร?
คำตอบ: ติดตามเมตริกเหล่านี้: จำนวนการล่มต่อการกระทำ 1,000 ครั้ง, ข้อบกพร่องที่ไม่ซ้ำที่พบ, การครอบคลุมโค้ดที่ทำได้ระหว่างการรัน Monkey, และเวลาในการพบความล้มเหลวครั้งแรก หากการทดสอบแบบ Monkey ของคุณพบข้อบกพร่องที่สำคัญภายในชั่วโมงแรก แสดงว่ามันมีคุณค่า
สรุป
Monkey Testing สมควรได้รับตำแหน่งในกลยุทธ์คุณภาพของคุณ—ไม่เป็นทางเลือกสุดท้ายที่วุ่นวาย แต่เป็นเทคนิคที่มีระเบียบวินัยสำหรับการค้นหาข้อบกพร่องที่การทดสอบแบบมีโครงสร้างพลาดไป โดยการทำความเข้าใจความแตกต่างระหว่างลิงโง่ ลิงฉลาด และลิงอัจฉริยะ และโดยการปฏิบัติตามแนวทางปฏิบัติที่ดีที่สุดสำหรับการนำไปใช้ คุณสามารถใช้ความสุ่มเพื่อปรับปรุงความทนทานของซอฟต์แวร์ได้
สำหรับการทดสอบ API เครื่องมือสมัยใหม่เช่น Apidog นำหลักการ Monkey Testing เข้ามาในกรอบการทำงานอัตโนมัติที่ควบคุมได้ คุณจะได้รับพลังในการค้นหาความวุ่นวายโดยไม่ต้องเผชิญกับฝันร้ายของการทำซ้ำ เครื่องมือนี้สร้างรูปแบบที่ชาญฉลาด ดำเนินการในวงกว้าง และให้บันทึกที่คุณต้องการเพื่อแก้ไขสิ่งที่เสีย
เริ่มต้นจากเล็กๆ เพิ่มการทดสอบแบบ Monkey 30 นาทีในการสร้างรายคืนของคุณ ติดตามสิ่งที่มันค้นพบ คุณอาจพบการล่ม หน่วยความจำรั่ว หรือปัญหาด้านความปลอดภัยที่จะทำให้คุณอับอายในการใช้งานจริง Monkey Testing ไม่ใช่เรื่องของการประมาท—แต่เป็นการละเอียดถี่ถ้วนในแบบที่กรณีทดสอบที่เป็นระบบไม่สามารถทำได้ โอบรับความวุ่นวาย แล้วซอฟต์แวร์ของคุณจะแข็งแกร่งขึ้นเพราะมัน