一、數據類型，熟悉嗎？
數據是代碼中重要組成部分，而數據類型的選擇和使用也影響着代碼邏輯的正確性和服務的性能。
在接口測試過程中，你仔細端詳過數據類型嗎？
我們會發現：數據類型，很容易被忽略，很容易出問題。
二、數據類型概述
Java決定了每種簡單類型的大小，這些大小並不隨着機器結構的變化而變化。數據類型其大小的不可更改的特點正是Java程序具有很強移植能力的原因之一。
下表列出了Java中定義的簡單類型、佔用二進制位數及對應的封裝器類：
|
簡單類型 |
boolean |
byte |
char |
short |
Int |
long |
float |
double |
|
二進制位數 |
1 |
8 |
16 |
16 |
32 |
64 |
32 |
64 |
|
封裝器類 |
Boolean |
Byte |
Character |
Short |
Integer |
Long |
Float |
Double |
數據類型的使用過程中，數據類型轉換的場景出現頻率較高，也是容易出問題的地方。
這裏列出簡單類型數據間的轉換，有兩種方式：自動轉換和強制轉換，通常發生在表達式中或方法的參數傳遞時。
-
自動轉換：數據類型由“小”到“大”分別爲 (byte，short，char)--int--long--float—double，這裏我們所說的“大”與“小”，並不是指佔用字節的多少，而是指表示值的範圍的大小。具體地講，當一個較“小”數據
和一個較“大”的數據一起運算時，系統會自動將“小”數據轉換成“大”數據，再進行運算。
-
強制轉換：將“大”數據轉換爲“小”數據時，可以使用強制類型轉換，用圓括號括起來目標類型，置於變量前。
三、典型的案例
在代碼中，不同的業務場景往往需要設置不同的數據類型，隨着業務場景的複雜化，可能最初設計的數據類型已經滿足不了業務需求，那麼在發展過程中，要及時反思和評估數據類型是否合適恰當以及使用方法是否合理。
下面，我們來看一下各類問題的典型案例：
1、數據類型範圍問題
1）問題：發送mq消息，業務方根據需要可以訂閱mq消息消費，prod環境驗證時發現B端會員發送mq時，獲得結果A是負數；
原因：由於代碼中，較長的數據先轉換成int類型後進行處理，超出int範圍，出現了負數情況
2）問題：數據超出範圍，轉換錯誤；
原因：字段B使用Integer類型 金額字段是以分爲單位 超過Integer最大值 需要修改爲Long 否則會出現負數
2、精度問題
1）問題： 字段C由0.0037變更爲0.004，導致變爲0.004；
原因：修改精度由(10,4)變成（17，3）， 因此0.0037 的入庫保存時爲0.004
3、數據類型錯誤&選取不當問題
1）問題：操作緩存，數據類型選取錯誤；
原因：直接操作了緩存，緩存值時未選擇值類型，值類型按默認選項被設置成了String（應該是Long ），類型轉換失敗導致拋出異常。
2）問題：沒有兼容全部枚舉字段，系統報錯；
原因：字段爲string類型，可能值爲“xx.xx”、“0.00”、“null”、“一段話“，但調用接口使用爲int型，導致“一段話“時不兼容；
4、數據類型封裝器類使用問題
問題：方法使用錯誤
原因：long是基本數據類型，Long是long的的包裝類，long的大小比較可以用：“>”、“==”、“<”；對於Long類型的數據，實際是一個對象，所以對象不可以直接通過“>”,“==”，“<”的比較，這樣比較的話，比較兩個對象的地址相等才相等；如果要比較兩個對象的是否相等的話，可以用Long對象的.equals（）方法；
四、開發如何預防
1）方案設計：針對涉及到數據類型的技術方案設計時，建議考慮如下問題：
-
數據類型範圍是否滿足需求，對業務發展進行評估，進而綜合業務發展和系統性能，從長遠的眼光來選取合適的數據類型；
-
數據類型精度會不會造成數據有偏差，是否會因爲極限情況有問題隱患；
-
不能忽略每個小細節的異常處理機制；
-
上下游接口調用時，務必考慮數據類型兼容問題，業務對接時候，數據存在的情況未做完備分析，保證對所有結果做處理做了完備性處理；
2）邏輯改造：遇到老邏輯改造時候，務必考慮數據類型，仔細校對參數的類型，及時評估數據類型是否滿足當前業務發展；
-
新老邏輯的參數對比，不僅關注輸入輸出參數，還要關注內部實現邏輯；
-
設計合理的灰度邏輯，灰度中及時監控，及時發現問題；
-
數據類型的使用方法、選擇方式形成規範，避免技術性錯誤；
3）代碼review：嚴格review對象的數據類型、接口文檔參數類型、數據庫字段的類型；
4）單測建設：增加單測發現問題能力，涉及到數據類型轉化的單測數據選擇覆蓋全面；
5）線上操作：遵守線上配置操作規範，禁止未通知其他同事PR就直接操作線上配置，操作注意代碼數據類型，很容易被忽略的小細節，很容易出問題；
五、測試如何發現
1）技術方案評審時，積極思考數據類型選擇是否合適，是否符合業務場景需求；
2）測試過程中，注意對測試數據的選擇，測試數據要構造典型數據、極限場景、異常場景、同時避免數據巧合，涉及到數據轉化功能測試不易覆蓋的，建議自己編寫測試代碼來驗證數據類型轉化是否正確；
3）test環境和數據庫數據和線上規則儘量保持一致，對數據庫操作和線上環境也保持一致，例如分表、數據範圍、數據表改動等，便於提早發現問題；
4）st環境操作和線上操作保持一致，包括上線順序，對數據庫的操作，發揮st環境的作用；線上設置合理的灰度邏輯，及時跟蹤線上驗證；