# 1. 测试数据策略的核心要素，数据生成、数据脱敏、数据子集、数据刷新？ A 数据生成与数据脱敏是互斥的，只能选择其一 B 数据抽样的目的是把生产全量数据完整复制到测试环境 C 数据脱敏只对测试环境有效，生产环境无需关注 D 数据刷新用于将测试数据重置到基线，保证用例可重复与结果稳定 ✓ 正确答案
# 2. 合成数据(Synthetic Data)生成方法，基于规则、基于模型、基于 Faker 库的适用场景？ A 基于模型的方法适合保留真实数据的分布特征，但可解释性较差 ✓ 正确答案 B 基于规则的方法适合字段间存在复杂统计关联的场景 C 三种方法互斥，实际项目中只能使用其中一种 D 基于 Faker 生成的数据能保证与真实业务语义完全一致
# 3. 测试数据脱敏的完整流程，识别敏感字段、脱敏算法（掩码/泛化/替换）与一致性保持？ A 替换算法用真实但无关的假值替换原值，伪装效果好、保真度高 ✓ 正确答案 B 泛化算法是最安全的，因此所有字段都应使用泛化 C 脱敏不需要保持一致性，每个表独立处理即可 D 掩码算法保留原值信息且不改变任何字符
# 4. 数据脱敏的一致性保持，跨表外键关联、枚举取值分布与业务规则在脱敏后如何维持 A 每个表用独立随机密钥脱敏即可保证外键一致 B 业务规则校验应在脱敏之前完成，脱敏后无需再校验 C 通过确定性脱敏或全局映射表可保证跨表外键关联一致 ✓ 正确答案 D 脱敏后枚举值不必保持原始分布，不影响任何用例
# 5. 生产数据脱敏，静态脱敏 vs 动态脱敏的技术方案和合规要求？ A 静态脱敏结果不稳定，每次执行结果都不同 B 静态脱敏在数据被访问时实时处理，原库不变 C 动态脱敏通过代理或数据库策略在查询响应时脱敏，适合生产对外服务 ✓ 正确答案 D 脱敏后无需遵守最小化采集与留存期限等合规要求
# 6. 测试数据管理中的'数据泄漏'风险，如何确保测试环境不暴露真实用户数据？ A 生产数据可以直接复制到测试环境，测试时再脱敏即可 B 只要测试环境内网访问，就无需担心数据泄漏 C 强制脱敏、最小权限、出口管控与审计扫描是降低泄漏风险的关键手段 ✓ 正确答案 D 日志中可以完整记录真实手机号，方便排查问题
# 7. 测试数据工厂（工厂函数/生成器）与数据库直插两种构造方式的取舍？ A 工厂模式通过业务逻辑构造数据，可读性好且便于与代码同步 ✓ 正确答案 B 工厂模式构造速度快，适合大数据量压测 C 两种方式只能二选一，不能组合使用 D 数据库直插走应用层业务逻辑，数据更符合业务规则
# 8. 线上数据用于测试的边界，只读验证、不回写、权限控制与回滚方案如何设计？ A 测试账号可同时拥有读写权限，方便验证完整流程 B 只读账号、影子库、不回写路由与快照回滚是保障线上数据安全的关键 ✓ 正确答案 C 线上数据测试无需权限控制，任何人可随时执行 D 写操作无法回滚也没关系，直接忽略即可
# 9. 测试数据即代码，seed 数据、factory 与 schema 迁移脚本的版本同步与团队协作 A 测试数据应独立存放，不纳入版本控制 B seed 数据、factory 与迁移脚本同版本管理，schema 变更时数据同步更新 ✓ 正确答案 C 迁移脚本可以随时改动，无需与 seed 数据保持同步 D 团队协作时数据由个人本地维护即可，无需评审
# 10. 测试数据管理平台(TDM)的架构与落地，数据供给、脱敏、子集化与自助申请如何一体化？ A TDM 通过数据供给、脱敏、子集化与自助申请的一体化编排，让测试人员合规获取数据 ✓ 正确答案 B TDM 平台无需审计与配额，用户可随意申请任意数据 C TDM 只负责存储数据，不处理脱敏与子集化 D TDM 平台必须直接读取生产库，不能隔离数据源
# 11. 测试数据与自动化用例的绑定关系，数据驱动用例如何声明数据依赖并自动准备？ A 通过声明式数据依赖，由框架自动准备并在用例结束后回收，可保证用例独立可重复 ✓ 正确答案 B 用例应把数据硬编码在代码里，便于理解 C 数据依赖只能静态配置，无法自动生成 D 数据准备的资源无需回收，测试环境会自动清理
# 12. 并行测试的数据隔离，多流水线与多分支并发执行时如何分配互不冲突的数据，冲突如何检测与重试？ A 唯一化标识无法避免主键冲突 B 所有并行实例共享同一份数据即可，冲突可以忽略 C 冲突检测发现后无需重试，直接判失败即可 D 通过数据分片、唯一化标识与冲突检测重试，可保证并行测试数据互不干扰 ✓ 正确答案
# 13. 测试数据的时间锚定，如何用相对时间与固定时间策略构造账单日、优惠券过期等时间敏感数据，避免用例随时间失效？ A 应使用硬编码绝对时间，保证数据固定不变 B 用相对时间偏移 + 可控时钟注入，可避免用例随时间失效且精确可控 ✓ 正确答案 C 相对时间与固定时间无法结合使用 D 时间敏感用例只能依赖真实系统时钟，无法控制
# 14. 测试数据版本管理，如何与代码版本保持同步？ A 测试数据与代码应独立版本，互不关联 B 迁移脚本版本可以随意升级，无需与代码对应 C 将数据定义纳入同一仓库随代码提交，按版本构建时重建，可保证数据与代码同步 ✓ 正确答案 D 数据版本无需记录，出现问题后再排查即可
# 15. 测试数据生命周期，数据版本、过期清理与跨环境同步如何管理？ A 数据版本只用于存档，不影响追溯与复用 B 测试数据创建后永久保留，无需清理 C 不同环境的数据可以随意不一致，不影响测试 D 通过数据版本、TTL 过期清理与跨环境基线同步，可保证数据新鲜、可追溯 ✓ 正确答案
# 16. 数据问题的定位，数据 vs 代码？ A 数据问题与代码问题无法区分，只能一起排查 B 只要结果不达标就一定是代码问题，无需检查数据 C 用替换数据、最小复现与对照实验控制变量，可有效定位问题是数据还是代码 ✓ 正确答案 D 定位问题只需看最终结果，无需检查数据字段
# 17. 测试数据质量度量，数据覆盖率、真实性、时效性与构造成本如何量化？ A 数据质量只需看覆盖率，其他维度不重要 B 覆盖率、真实性、时效性与构造成本可分别量化，指导数据完善 ✓ 正确答案 C 时效性指数据是否过期，与真实业务状态无关 D 构造成本无法量化，只能凭经验估计
# 18. 生产数据抽样用于测试的合规路径，最小化采集、去标识化与授权审批如何落地？ A 去标识化可有可无，审批后即可使用真实数据 B 只要数据量大，抽样即可无视合规要求 C 抽样数据可以永久留存，无需销毁 D 最小化采集、去标识化、授权审批与审计留痕是合规抽样的关键 ✓ 正确答案
# 19. 测试数据的可观测性，脏数据与缺失如何通过数据指纹与断言快速定位，减少环境问题对用例的干扰？ A 数据可观测性只在用例执行后查看结果即可 B 通过数据指纹与前置断言，可快速定位脏数据与缺失，减少环境问题干扰 ✓ 正确答案 C 数据断言失败应直接判用例失败，无需区分原因 D 数据指纹无法用于检测数据污染
