题目：面试官：「你们团队做自动化和性能测试时，最痛的是造数据。现在让你从零设计一个测试造数平台/工具，你怎么做？」（面试口述）
难度：高级
题型：面试口述题
参考答案/答题要点：
- 先问清需求再谈方案：谁在用（功能/接口/自动化/AI 评测）、造什么对象（用户、商品、订单、审批流实例）、量级（单条精准造 vs 百万级批量）、是否要推进到指定状态。性能压测要的是"量"，自动化要的是"准和稳"，两类设计目标不同。
- 三条实现路径与选型口径：① 调业务接口/走真实链路——数据最真、缓存/消息/ES/埋点都齐全，但慢、受校验和风控限制；② 直写 DB——快，但要自己维护缓存一致性、分库分表路由、关联外键，绝不能连生产库；③ Mock/流量回放补齐依赖不到的下游。结论：默认接口造数保一致性，批量场景用「接口造主链路 + 少量直连补状态」，性能大数据用批量导入并绕开非关键校验。
- 实体依赖建模（核心采分点）：造一个"已完成的退款订单"需要先有账号 → 商户 → 门店 → 商品 → 库存 → 已支付订单。把实体关系建成 DAG，按拓扑顺序生成，缺什么自动补什么，支持只造某个节点或整条链。
- 参数与约束：字段级规则（正则、字典、边界值、合法/非法/异常三类数据都能造）、唯一性保证（手机号、身份证、订单号做池化发号，避免唯一索引冲突导致批量假失败）、可复现（同一种子同一模板，跑两次结果一致）。
- 生命周期治理：造出的数据统一打标（环境、来源、创建人、关联用例、过期时间）→ 支持领用/归还的数据池模式，避免并发用例抢同一账号 → 定时清理与软删回收 → 环境隔离（多套环境、影子表）→ 脱敏合规（禁止把生产真实用户数据直接搬到测试）。
- 平台化与集成：Web 界面 + OpenAPI + CLI 三入口；CI 里在 setup 阶段调造数、teardown 阶段回收；失败可重试且不污染；提供造数成功率与耗时看板；再往前一步可以给 AI/Agent 用（封成工具或 MCP 接口，让 AI 生成的用例能自助取数）。
- 怎么证明它自己是对的（很多人漏）：造完必须读回校验——用业务查询接口/页面能查到且状态正确，而不是只看接口返回 200；定期抽检唯一性与约束；对造数服务本身做压测（它是瓶颈时会拖慢整套自动化）。
- 落地与 ROI：先扫最高频的 3~5 类数据切入，统计"人工造数工时/周 → 平台化后工时"和"因数据问题导致的用例失败数"两条曲线；配文档、责任人和需求准入，避免做成第二个没人用的平台。
- 加分：能主动说风险（直写库导致脏数据扩散、造数打挂下游、生产数据泄露）和边界（复杂金融账务类数据不适合纯自动造，需要基线快照 + 回放）。
