概念与变异分数

基于 StrykerJS v9.6 编写

速查

• 变异分数公式：mutation score = detected / valid × 100
• detected = killed + timeout（被检测到，进分子）
• undetected = survived + no coverage（未检测到，进分母，拖低分数）
• valid = detected + undetected（有效变异体，即分母）——剔除 runtime error / compile error / ignored / pending
• 常见简化版 killed / (killed + survived) 只在「无 timeout、无 no coverage」时才等于官方公式
• 基于覆盖代码的分数：分母换成 covered = detected + survived（不含 no coverage），通常更高
• vs 覆盖率：覆盖率测「执行到没」，变异分数测「断言抓得到缺陷没」——覆盖率 100% ≠ 变异分数 100%

核心概念回顾

• mutant（变异体）：源代码被注入一个微小缺陷后的版本（如 + → -）。
• killed（杀死）：该变异体激活时，至少一个测试失败 → 测试抓到了缺陷。
• survived（存活）：该变异体激活时，所有测试都通过 → 测试没抓到，暴露盲区。
• mutation score（变异分数）：被检测到的变异体占有效变异体的百分比，是测试套件有效性的量化指标。

官方变异分数公式

⚠️ 直觉版口径 killed / (killed + survived) 方向对、但不是官方精确公式。官方按变异体状态分类统计：

detected   = killed + timeout            （被检测到 = 杀死 + 超时）
undetected = survived + no coverage       （未检测到 = 存活 + 无覆盖）
valid      = detected + undetected        （有效变异体 = 二者之和）

mutation score = detected / valid × 100
              = (killed + timeout) / (killed + timeout + survived + no_coverage) × 100

关键点：

• 分子是 detected，不是只有 killed——timeout 也计入分子（超时等同被检测到，对分数有正贡献），详见 变异体与算子。
• 分母 valid 里包含 no coverage——无覆盖的变异体也算「未检测到」，会拖低分数。
• 分母剔除 runtime error / compile error / ignored / pending（这些既不进分子也不进分母）。

为什么直觉版「近似对」？当一份测试里不存在 timeout 也不存在 no coverage 时，公式退化为：

detected / valid = killed / (killed + survived)

所以 killed / (killed + survived) 是官方公式的一个特例，平时拿来心算无妨，但出题 / 严谨场景要用官方口径。

另一个口径：基于覆盖代码的变异分数

StrykerJS 报告里还会给出一个「mutation score based on covered code」（基于覆盖代码的分数），分母换成 covered：

covered = detected + survived           （= killed + timeout + survived，不含 no coverage）
mutation score (covered) = detected / covered × 100

• 它把 no coverage 从分母里剔除，只衡量「被测试覆盖到的那部分代码」的测试质量。
• 因此这个数通常比标准分数高——标准分数会因为大量 no coverage 被拉低，而 covered 分数不受其影响。
• 解读时分清楚：标准分数回答「整体测得怎么样（含没覆盖的）」，covered 分数回答「覆盖到的地方断言强不强」。

两个分数怎么用

看到标准分数低但 covered 分数高，通常意味着「已测的部分质量不错，但还有大片代码根本没测」——这时优先补覆盖率（先让代码被跑到），而不是去优化已有断言。

变异分数 vs 代码覆盖率：本质区别

维度	代码覆盖率（Coverage）	变异分数（Mutation Score）
衡量的东西	代码有没有被执行到	测试能不能抓到被注入的缺陷
一个空断言的测试	照样能拿高覆盖率（代码跑过了）	拿不到高变异分数（改坏代码它也不报错）
本质	「跑没跑到」	「测得准不准 / 断言够不够强」
成本	便宜、快	贵、慢（N 个变异体 × 测试套件）

覆盖率与变异分数是「广度 → 深度」的递进关系，互补而非替代——先用覆盖率保证代码被执行，再用变异测试保证断言够强（顺序见 最佳实践）。

「覆盖率 100% 但变异分数低」说明什么

这是变异测试最有价值的洞见，也是它相对覆盖率的存在意义：

// 业务代码
export function add(a: number, b: number) {
  return a + b;
}

// 覆盖率 100%、变异分数低的「假绿」测试
it("calls add", () => {
  add(1, 2); // 行被执行了 → 覆盖率 100%
  // 但没有 expect！把 a + b 改成 a - b，测试照样绿 → 该变异体 survived
});

• 覆盖率 100% 只说明 return a + b 这行被执行过。
• 变异分数低 说明把它改成 return a - b（Arithmetic 算子）后测试不报错——断言不充分。
• 结论：覆盖率 100% ≠ 测得好。覆盖率工具看不出有没有断言，变异测试专门揪这种「调用了代码、没校验行为」的假绿测试。

下一步

• 变异体与算子：8 种 mutant 状态机、timeout 为何算 detected、15 类算子、等价变异体
• StrykerJS 配置：coverageAnalysis 与 thresholds 如何影响统计与门禁
• 最佳实践：先覆盖率后变异、分数当信号不当 KPI