软件测试这个行业前景怎么样？小白入行的话会出现什么样的问题？遇到瓶颈怎么破？这一系列问题是很多在行业外观望的小白甚至是刚刚入行的萌新测试们都密切关注！
毕竟这关系到自己未来的收入，甚至是决定自己的职业发展方向，那么下面就一一化解你们的疑问。
现在开始学习软件测试还来得及吗？
在互联网浪潮下，大大小小的公司现在都非常重视软件测试。
前几年的软件测试行业还是一个风口，随着不断地转行人员以及毕业的大学生疯狂地涌入软件测试行业，目前软件测试行业“缺口”已经基本饱和。
当然，我说的是最基础的功能测试的岗位需求已经很少了，而自动化、性能、安全乃至于以后可能出现的大数据测试、AI测试仍存在着非常多的机会。
软件测试发展太快，纵观各大招聘网站，基础功能测试岗位需求难度逐渐上升，自动化测试和持续测试已占据主流地位。
图片来源：职友集
对于测试发展的一点猜测
01是软件测试在未来的5年内发展会非常快
目前来看，人工智能和大数据的发展，已然把互联网带入了新的时代，软件的复杂度和信息安全使得软件企业越来越需要专业的测试人员来把控质量，测试这关过不了，产品做出来也是死掉，软件测试至关重要。
02手工测试已无法站稳脚跟
是很多测试人员的技术水平因为知识不成体系或者学的不够扎实的原因，只能照葫芦壶瓢，做一下简单的工作。
但现在只会手工功能测试已然无法继续站稳脚跟，企业更多的需要一些技术层级更高的人才，需要能做更多事情的测试开发，经验丰富的性能、安全测试等。
2022年测试行业的发展会如何？
BOSS直聘研究院数据显示，2021秋招早鸟季中，招聘薪资超过1万元的应届生岗位占比最高的依旧是互联网/IT类的岗位，高薪岗位中，来自1000人以上规模企业的比例达到47.2%，岗位职能集中在IT、产品和设计类。
我们翻阅了市面上主流的招聘网站，发现接口自动化，岗位明显增多；性能测试的工资趋势越来越高。
图片来源：职友集
01企业招人对于测试工程师的综合技能要求越来越高
一般有如下特质会大大加分：
快速学习、系统性学习、学以致用、系统性思考、强大的推动力、技术思维、突出的沟通能力、条理性、抗压性、乐观精神、抗挫折能力、迅速调整的能力、迭代改进的意识、ownership、团队合作、愿景和规划。
这些特性体现人的内核，有强大内核的人，做什么都行，技能暂时不足，也一定能补足。所以，在招聘的时候往往对是否录用的判断起决定性作用。
02测试差异化的工资越来越大
熟练掌握一种语言你就超过了90%的应聘者。什么叫有熟练掌握呢？
还拿Java来说吧：熟练使用Java的常见API;深入理解基于语言特性/系统特性的知识，如Collections的实现机制、类型系统、I/O、网络、多线程等;熟知设计模式；
熟悉JVM的工作模式;熟练使用调试排查工具解决性能问题;熟练掌握市面上常见的脚手架；熟练掌握周边知识(OPs相关，网络知识相关)；
有不错的实战开发经验(做过真正被生产检验的东西)；对于测试开发，AOP，Java字节码技术是很重要的知识。
这是一个很长的学习list，需要几年时间来养成。做到这点，其实你可以拿到测试开发岗位的高薪了！
03技术更新迭代迅速，自学测试越来越难，时间成本越来越高。
而随着数字化技术应用的广泛普及，各大企业对于软件测试的要求也在持续迭代与增加。
目前，越来越多的企业和组织都相继采用了Agile和DevOps之类的软件开发方法，以鼓励和促进测试团队和开发团队之间的紧密协作。
总的来说，我们认为软件测试行业以下几大重点发展方向值得大家关注：
敏捷与DevOps
很多组织已采用了敏捷与DevOps, 用敏捷来响应快速变化的需求，用DevOps来响应对速度的要求。
DevOps 涉及有助于集成开发和运维的活动（实践，规则，流程和工具），以减少从开发到运维的时间。对于正在寻找缩短软件生命周期，从开发到交付和运维方法的组织，DevOps已成为一种广泛接受的解决方案。
敏捷与DevOps的采用有助于团队更快的开发和交付高质量的软件，这就被称为“速度质量”。在过去五年，敏捷与DevOps的采用获得了很大的回报，在未来几年将继续增强。
测试自动化
为了有效地实施DevOps实践，软件团队不能忽视测试自动化，因为它是DevOps过程的基本要素。
软件团队需要找到用自动化测试代替手动测试的机会。由于测试自动化被认为是DevOps的一个重要瓶颈，因此大多数回归测试应该是自动化的。
鉴于DevOps的普及以及测试自动化未得到充分利用的事实，只有不到20％的测试是自动化的，因此在组织中增加测试自动化的采用还有很大的空间。在项目中应该引入更先进的方法和工具，以便更好的利用自动化。
现有的流行自动化工具，如Selenium，Katalon和TestComplete，新功能不断发展，使自动化变得更加容易和有效。
API和服务的测试自动化
解耦客户端和服务器是设计Web和移动应用程序的当前趋势。
API和服务在多个应用程序或组件中被重用。相应地，这些变化要求团队去测试独立于应用的API和服务。
当跨客户端应用程序和组件使用API和服务时，测试它们比测试客户端更有效和高效。趋势是API和服务测试自动化的需求不断增加，可能超过最终用户在用户界面上使用的功能。
拥有适合API自动化测试的流程，工具和解决方案比以往任何时候都更加重要。因此，为您的测试项目学习最佳API测试工具是值得的。
人工智能测试
尽管应用人工智能和机器学习（AI / ML）方法来应对软件测试中的挑战在软件研究界并不新鲜，但最近AI / ML有大量可用的数据, 这个优势为在测试中应用AI/ML提供了新的机会。
然而，AI / ML在测试中的应用仍处于早期阶段。组织将找到优化AI / ML测试实践的方法。
开发AI和ML的算法以便生成更好的测试用例，测试脚本，测试数据和报告。预测模型将有助于决定测试点，测试内容和时间。智能分析和可视化帮助团队检测故障，了解测试覆盖范围，高风险区域等。
在未来几年中，我们希望看到更多应用AI/ML来解决质量预测，测试用例优先级排列，故障分类和分布等问题。
大数据测试
当前，由于各类企业都会参考、并根据与业务相关的大数据，来制定适合于自身情况的最佳营销策略。
因此针对大数据的软件测试将越来越重要，我在此预测此类测试的需求将在2021年达到一个新的高度。
在大数据测试中，软件测试人员主要验证的是：在使用各类商用集群服务，以及调用其他支持元素时，目标应用是否能够有效地处理了TB级的数据。
此类测试一般侧重于功能与性能方面。当然，数据质量也是大数据测试环节中的一项关键因素。我们需要根据不同的特征(包括：一致性、有效性、准确性、完整性、重复性等)，来检查数据的质量。
自学软件测试我真的可以吗？
自学并非不可以，
但一定是需要几个前提的——
-
清晰地知道自身职业定位，了解自己该去什么岗位，有科学的职业规划。
-
根据岗位有一个专业的判断，知道需要掌握哪些技能，该按照什么样的顺序去依次学习。
-
在第二点基础上，有系统的学习资料，有对应的实操项目去动手操作，摆脱“0经验”的身份。
-
有可以去提问的人或者资源，跨过学习途中的各个障碍（当然了，自己有死磕的能力也是可以的）。
-
入职只是第一步，入职后站稳脚跟才是更重要的，所以在学习过程中要学到如何将知识们在实际工作中落地。
然而，实际情况中，在我们接触的成百上千名打算自学转行的小伙伴里，大多数都没有这么顺利，他们遇到了如下问题：
-
完全不懂IT，自己碎片化搜索各种信息，搜索完了也没有专业判断能力。
——懵+乱+烦躁=放弃！
-
花费大功夫整理出了不少知识点，但却发现内容太过细碎且衔接不上。
——纠结+迷茫=放弃！
-
学习中遇到问题，花大量时间去网上寻找资料，但也不知道这些答案对不对，费事无效。
——心累+无助=放弃！
-
针对技能点的学习，不知道怎么做实操，做出来不知道对不对、哪里不对，没人可问。
——自我怀疑+孤独=放弃！
-
对入职后的实际工作不了解，也不知道现有的知识点到时候该如何落地。
——犹疑+没底=放弃！
-
找工作拿不出系统的实战作品，高不成低不就。
——挫败+抗拒=放弃！
-
…
诸如此类，还有很多活生生的例子，担心学习能力、担心坚持不下去、担心没有实战项目等等等等，数不胜数。
因为，在有限的时间内、想要有效地去完成一件从未接触过的新事物，有太多太多的未知、太多太多的阻碍了。
稍有一点不坚定和情绪上的动摇，一切都将功亏一篑。
那么在这个时候，能给出的最实事求是的建议就是：（请对号入座）
1、如果你对自己的学习力、执行力、新信息搜索整理能力、适应新事物的能力都非常自信的话，那么自学是绝对没有问题的，搜集好资料，按照规划去一一完成就行了，唯一需要的就是坚定和坚持。
2、如果你担心自己学习能力一般、坚持不下去、不知道如何应对未知带来的问题的话，那么我建议提你找到靠谱的机构报班，帮你做好前期学习计划梳理，帮你系统的学习，帮你摆脱0经验身份，带你走过这最艰难的从0到1。
还有一点，不管选择哪个，别蹉跎，毕竟时间成本也是钱呐，咱要干的“跳出舒适区”这件事可是大事业，一旦决定就耽误不得。
愿大家不管通过何等路径，都能到达自己喜欢的彼岸吧~
绵薄之力
最后感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走
这些资料，对于想进阶【自动化测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴我走过了最艰难的路程，希望也能帮助到你！凡事要趁早，特别是技术行业，一定要提升技术功底。希望对大家有所帮助....
