测试用例冗余度可以从四个层面衡量：用例内容重复度、需求覆盖重叠度、执行路径重合度、缺陷贡献度。每个层面都有可复算的公式，但结果是否可信，取决于统计前是否固定了统计单元、覆盖粒度、时间窗和去重判定规则。本文给出指标定义、口径选择方法、计算步骤和一个带数字的示例，帮助测试负责人或质量工程师建立一套可复算、可复核的冗余度评估方法。
要点总览（TL;DR）
- 冗余度可从四个层面衡量：用例内容重复度、需求覆盖重叠度、执行路径重合度、缺陷贡献度，四类指标分别对应条目、需求点、执行路径和缺陷影响。
- 统计口径需先固定四个要素：统计单元（用例条目还是用例组）、覆盖粒度（需求点、功能点还是代码路径）、时间窗（版本、迭代还是季度）、去重判定规则（人工标注、文本相似度阈值还是步骤指纹）。
- 分母为零时记为“不适用”而非零，两者含义不同；需求覆盖重叠度的阈值N和相似度阈值都需在报告中写明，否则结果无法复算。
- 单一指标只反映一个侧面，建议用重复用例数占比看规模、需求覆盖重叠度定位重点、执行路径重合度支持回归裁剪、缺陷贡献度判断处置力度，再以抽样复核误判率校准结论。
- 冗余度高不等于用例质量低，合并或删除前需结合缺陷贡献度与人工评审确认，指标用于缩小复核范围。
冗余度评估要回答什么问题
冗余度评估的目标是识别用例库中可合并、可删除、可降级的用例，为用例评审、用例库治理和版本回归裁剪提供依据。评估开始前先明确结果交给谁、支持什么决策，指标选择才有方向。
常见的使用场景有三类。第一类是用例评审：评审前用冗余度指标筛出疑似重复的用例组，评审时集中判断保留哪一条、合并哪些步骤，减少逐条通读的时间。第二类是用例库治理：按模块或需求域统计冗余度，定位长期堆积重复用例的区域，安排合并或下线。第三类是版本回归裁剪：在回归范围确定阶段，参考执行路径重合度识别步骤高度相似的用例，避免同一路径被反复执行。
冗余度指标与覆盖率、缺陷逃逸率分工不同。覆盖率回答需求是否被验证到，冗余度回答验证同一需求的用例是否过多；缺陷逃逸率回答漏测程度，冗余度不直接反映漏测。三者可以并列观察，但冗余度高不能推出覆盖充分，冗余度低也不能推出质量好。评估结果应落到具体动作上：合并、删除、降级为低优先级或保留观察，每条处置建议对应到用例编号和责任人。
四类冗余度指标及其计算口径
四类指标分别从用例条目、用例对、需求点和执行路径四个角度刻画重复程度，另加一个缺陷贡献度用于判断冗余的实际影响。下表给出定义、公式、分子分母、单位与建议时间窗。
| 指标 | 公式 | 分子 | 分母 | 单位 | 建议时间窗 |
|---|---|---|---|---|---|
| 重复用例数占比 | 重复用例数 / 用例总数 | 被判定为重复的用例条目数 | 统计范围内用例条目总数 | 百分比 | 单版本或单迭代 |
| 重复对占比 | 存在重复关系的用例对数 / 全部用例对数 | 判定为重复的用例对数量 | n×(n-1)/2，n为用例总数 | 百分比 | 单版本或单迭代 |
| 需求覆盖重叠度 | 被N条以上用例覆盖的需求点数 / 已覆盖需求点总数 | 覆盖用例数超过阈值N的需求点数量 | 至少被一条用例覆盖的需求点数量 | 百分比 | 单迭代，跨版本累计需单独标注 |
| 执行路径重合度 | 相同前置条件与步骤指纹的用例组数 / 用例组总数 | 步骤指纹相同的用例组数量 | 统计范围内用例组总数 | 百分比 | 单版本 |
| 缺陷贡献度 | 冗余组内发现缺陷的用例数 / 该组用例数 | 组内曾发现缺陷的用例条目数 | 该冗余组用例条目数 | 百分比 | 近若干版本累计，需注明区间 |
需求覆盖重叠度中的阈值N需要事先约定，例如N取3表示同一需求点被3条及以上用例覆盖时计入重叠。N的取值影响结果大小，报告里必须写明。重复对占比的分母随用例总数平方增长，用例库规模变化时该指标不宜直接跨期比较。
分母为零的处理要统一。用例总数为零时，重复用例数占比和重复对占比记为“不适用”，不记为零；已覆盖需求点为零时，需求覆盖重叠度记为“不适用”；用例组总数为零时，执行路径重合度记为“不适用”；冗余组用例数为零时，缺陷贡献度记为“不适用”。记为“不适用”与记为零含义不同，前者表示没有可统计对象，后者表示统计了但没有重复，报告中应区分展示。
统计口径怎么定：单元、粒度与去重规则
同一批用例在不同口径下算出的冗余度可能相差很大，因此口径要先于计算确定，并写入报告首页。口径包含四个要素：统计单元、覆盖粒度、时间窗和重复判定规则。
统计单元决定“一条”指什么。以用例条目为单元适合评估用例库规模层面的重复；以用例组或测试场景为单元适合评估业务流程层面的重复，此时组内多条用例视为一个整体。两种单元算出的重复用例数占比不可直接比较，切换单元时应在报告中注明。
覆盖粒度决定需求侧的分母。按需求点统计适合需求管理较规范的团队；按功能点或接口统计适合需求拆解较粗、但接口清单稳定的系统；按代码路径统计需要用例与代码路径建立关联，数据准备成本较高。粒度越细，重叠度通常越高，因为同一功能会被拆成更多可覆盖单元。
时间窗决定统计范围。按版本或迭代统计适合回归裁剪场景，反映当期用例集的重复情况；按季度统计适合治理场景，平滑单次版本波动；跨版本累计统计需要明确是否包含已下线用例，包含与否会显著改变分母。
重复判定规则是口径中最容易产生分歧的部分。人工标注准确但成本高，适合抽样复核和小规模用例库；文本相似度阈值可批量计算，阈值取0.8与取0.9会得到不同的重复对集合，阈值需在报告中固定并说明；步骤指纹按前置条件和操作步骤生成特征值，适合识别执行路径重复；等价类归并适合输入域相似的用例。口径变更后，新旧结果不具备直接可比性，应保留变更记录，必要时用新旧口径各算一次做对照。
计算与评估步骤
从数据准备到报告输出，可以按以下步骤执行。每一步都产出可核验的中间物，便于复核和复算。
- 导出用例清单与需求关联关系。清单至少包含用例编号、所属模块、优先级、前置条件、操作步骤、关联需求编号和最近执行版本。需求关联缺失的用例单独列出，不强行归入某个需求点。
- 标注或计算重复关系。先按步骤指纹自动分组，再对指纹相同或文本相似度超过阈值的用例对做人工确认，形成重复关系表，记录判定依据和判定人。
- 按公式计算各指标。逐项代入分子分母，分母为零时按前述规则记为“不适用”。计算结果保留一位小数，并附上分子分母原始数值。
- 分层查看。按模块、需求域、用例优先级拆分结果，定位冗余集中的区域。整体冗余度可能不高，但某个模块或某类低优先级用例的重复对占比明显偏高，处置重点应放在这些分层上。
- 抽样人工复核并修正误判。从判定为重复的用例对中抽取一定比例复核，统计误判率；误判率偏高时调整相似度阈值或指纹规则，重新计算。
- 输出冗余度报告与处置建议。报告包含口径说明、各指标数值、分层结果、抽样复核结论，以及按用例编号列出的合并、删除、降级建议和责任人。
用例清单、需求关联和评审记录需要在同一处维护，指标才能按版本稳定复算。ONES 测试管理支持用例与需求的关联管理，用例评审可在同一流程中记录评审结论，便于把冗余度评估结果落到具体的用例处置动作上。评估过程中形成的重复关系表和处置建议，也可以作为评审材料随用例一起留存。
一个计算示例
以下为演示用假设数据，不对应任何真实项目。某模块当前版本共有用例200条，经步骤指纹分组和人工确认，判定为重复的用例有30条；重复关系表中共有45对用例被判定为重复；该模块关联需求点40个，其中已覆盖35个，有12个需求点被3条及以上用例覆盖；用例按场景归并为50个用例组，其中8个组内存在前置条件与步骤指纹完全相同的用例；其中一个包含5条用例的冗余组中，只有1条用例在近三个版本中发现过缺陷。
逐项代入公式：重复用例数占比 = 30 / 200 = 15.0%；重复对占比 = 45 / [200×199/2] = 45 / 19900 ≈ 0.2%；需求覆盖重叠度（N取3）= 12 / 35 ≈ 34.3%；执行路径重合度 = 8 / 50 = 16.0%；缺陷贡献度 = 1 / 5 = 20.0%。
结果解读：重复用例数占比15%说明有一定数量的用例可进入合并或删除评审；重复对占比很低，说明重复关系集中在少数用例上，而非大面积两两重复；需求覆盖重叠度超过三分之一，说明相当一部分需求点被多条用例覆盖，适合优先核查这些需求点下的用例是否可合并；执行路径重合度16%提示部分场景内步骤重复，回归时可考虑只保留一条代表用例；缺陷贡献度20%说明该冗余组中多数用例未发现过缺陷，可优先评估降级或删除，但样本仅一组，结论限于该组。
若该模块某子域没有关联任何需求点，则已覆盖需求点数为零，需求覆盖重叠度记为“不适用”，并在报告中注明该子域需求关联缺失，先补关联再统计，而不是记为零。
结果解读与使用限制
冗余度高不等于用例质量低。重复用例可能承担不同的测试数据组合或不同的业务入口，删除前需确认其验证价值。判断时应结合缺陷贡献度：冗余组内多条用例都曾发现缺陷，说明这些用例各有作用，处置动作偏向保留或合并步骤；组内仅少数用例发现缺陷，才更适合降级或删除。
文本相似度阈值直接影响重复对集合的大小。阈值调低，更多用例被判为重复，冗余度上升，误判也随之增加；阈值调高则相反。报告中应写明阈值和抽样复核的误判率，让读者知道结果的可信区间。
跨模块、跨版本比较存在可比性限制。模块之间用例粒度、需求拆解方式不同，冗余度数值不宜直接排名；版本之间用例总数变化会放大重复对占比的波动，跨期比较建议使用重复用例数占比和需求覆盖重叠度，并保持统计单元和时间窗一致。口径变更后的结果不与旧结果直接比较。
指标不能替代人工评审。自动判定只能缩小复核范围，合并、删除、降级的最终决定仍需用例作者或评审人确认。建议的组合观察方式是：用重复用例数占比看整体规模，用需求覆盖重叠度定位重点需求点，用执行路径重合度支持回归裁剪，用缺陷贡献度判断处置力度，再以抽样复核的误判率校准整体结论。
常见问题
用例库规模很大时，重复对占比还有参考价值吗？
重复对占比的分母是用例总数按两两组合计算，规模越大分母增长越快，指标数值会被显著压低。用例库达到数千条时，该指标更适合用来判断重复关系是集中还是分散，不宜作为冗余程度的绝对值。规模较大的用例库建议以重复用例数占比为主，重复对占比作为辅助观察，并保持统计单元和时间窗一致后再做跨期比较。
文本相似度阈值取多少合适，需要固定吗？
阈值没有通用最优值，取决于用例描述的规范程度和复核成本。阈值取低会扩大重复对集合，误判增加，人工复核量上升；取高则可能漏掉表述不同但实质重复的用例。可行做法是先取一个初始阈值试算，从判定为重复的用例对中抽样复核，统计误判率，再调整阈值直到误判率落在团队可接受的范围。阈值一旦确定应写入报告并保持稳定，变更阈值后新旧结果不具备直接可比性。
需求关联缺失的用例怎么计入冗余度统计？
需求关联缺失的用例不应强行归入某个需求点，否则会扭曲需求覆盖重叠度的分子分母。建议在导出清单时单独列出这部分用例，需求覆盖重叠度只统计已建立关联的需求点；同时把关联缺失本身作为一项数据质量问题记录，先补关联再纳入后续统计。若某子域完全没有关联需求点，该子域的需求覆盖重叠度记为“不适用”，并在报告中注明原因。
冗余度指标多久算一次比较合适？
频率取决于指标用途。用于版本回归裁剪时，按版本或迭代计算，结果直接服务于当期回归范围确定；用于用例库治理时，按季度计算可以平滑单次版本的波动，便于观察趋势。缺陷贡献度需要一定时间积累缺陷记录，通常按近若干版本累计计算并注明区间。无论频率如何，同一指标在连续几期之间应保持统计单元、覆盖粒度和去重规则不变，否则趋势没有意义。
指标显示冗余度偏高，应该先合并还是先删除？
先判断冗余组内各用例的验证价值，再决定动作。组内多条用例都曾发现缺陷，说明它们各自覆盖了不同的测试数据或业务入口，优先考虑合并步骤、保留关键验证点；组内仅少数用例发现过缺陷，可评估降级为低优先级或删除。执行路径完全相同的用例，回归时可只保留一条代表用例。所有处置建议应落到具体用例编号和责任人，并经用例作者或评审人确认后执行。
