Google Testing Blog(testing.googleblog.com)は、Googleのエンジニアがテストとソフトウェア開発の実践を公開しているブログです。2007年1月21日の初回記事から2026年11月7日時点で405本が公開され、うち114本に「TotT」ラベルが付いています。TotTは社内のトイレに貼られる週1回の1枚紙で、2024年12月に「Testing on the Toilet」から「Tech on the Toilet」へ改称されました。近年の記事は、ほぼこのエピソードを社外向けに書き直したものです。
この記事では、ブログの成り立ちと改称の経緯、TotTの効果を測った論文の中身、社内で引用され続けている記事、出典によって食い違う数字の読み方、新着をフィードで追う方法を、原記事とフィードの実測で整理します。
まとめ:Google Testing Blogの要点
- 運営はGoogle。2007年開設で、記事の名義は「Google Testing Bloggers」。本文冒頭に個人の執筆者名が入る
- 2023年以降の38本のうち37本にTotTラベルが付く。改称告知の1本を除く36本は、1本1テーマの短いエピソードの転載
- TotTは2006年に有志の「Testing Grouplet」が始めた。2019年のICSE論文では、紹介した12ツール中11ツールで1日あたりの利用者が統計的に有意に増えた。EmulatorSettingsの事例では、メール告知後よりTotT掲載後の利用増加が長続きした
- 社内で数百回引用される記事として、改称告知はネストの削減、肯定形のブール値、DAMP、変更検知テスト、YAGNIの5本を挙げている
- 数字は出典と年で違う。配分の目安は70/20/10(2015年)と80/15/5(2020年)があり、フレーク率の1.5%と0.15%は定義が揃っているか確認できないので、引用時は出典と年を添える
Google Testing Blogの概要と運営体制
ブログはBlogger上で運営され、テストに限らずコードの読みやすさ、コードレビュー、設計の話題まで扱います。2026年11月7日にAtomフィードから取得した基本情報は次のとおりです。
| 項目 | 内容 |
|---|---|
| URL | testing.googleblog.com |
| 最初の記事 | 2007-01-21「Introducing Testing on the Toilet」 |
| 公開記事数 | 405本 |
| TotTラベルの記事 | 114本(改称告知なども含む) |
| 最新記事 | 2026-10-05「Two-Way Doors」 |
| 2026年の記事 | 8本 |
TotT由来の記事は冒頭に「This article was adapted from a Google Tech on the Toilet (TotT) episode」と書かれ、印刷用PDFへのリンクが付きます。最新の「Two-Way Doors: Don’t Code Yourself into a Corner」は、末尾で社内の別シリーズ「Performance Tip of the Week」(abseil.io/fast/87)を元にしたと明記しています。TotTはテストの1枚紙から、社内の技術ノウハウを短くまとめて配る窓口に変わっています。
Testing on the ToiletからTech on the Toiletへの改称
2024年12月3日の記事「Tech on the Toilet: Driving Software Excellence, One Bathroom Break at a Time」で、Testing on the ToiletはTech on the Toiletに改称されました。当初はテストだけを扱っていたものの、長年コーディングの作法、機械学習、Web開発など開発全般を扱うようになっていたためです。略称のTotTは変わっていません。
2006年の発祥とTesting Grouplet
同記事によると、TotTは2006年、急成長のなかで高くつくバグやリリースの差し戻しが相次いでいた時期に、テストに熱心な有志「Testing Grouplet」が始めました。トイレに貼る案は、ブレインストーミング中の冗談から出たものです。最初のエピソードはマウンテンビューのエンジニアが書き、ロンドンのトイレに貼られました。
2024年時点でも運営は業務時間の20%を充てる有志のチームで、社員なら在籍年数や職位を問わず誰でもエピソードを書けます。各回は編集者が手を入れてから世界中のトイレに貼られ、社内でもオンラインで読めます。非技術の話題を扱う姉妹版「Learning on the Loo」も生まれました。
書籍『Software Engineering at Google』(O’Reilly、2020年)の11章「Testing Overview」は、背景として検索のフロントエンドGoogle Web Server(GWS)の事例を挙げています。2005年ごろ、本番へのプッシュの80%超がユーザーに影響するバグを含み差し戻しになり、変更にテストを必須とする方針で立て直した時期の話です。
ICSE 2019論文が測ったツール普及の効果
Murphy-HillらのICSE 2019論文「Do Developers Discover New Tools On The Toilet?」は、TotTで紹介した12の開発ツールについて6年分の利用データを因果推論(CausalImpact)で分析し、382人へのインタビューと調査で補いました。12ツール中11ツールで、エピソード掲載後3週間の1日あたりユニーク利用者が予測値より有意に増えています。
| ツール | 増えた利用者/日 | 増加率 | p値 |
|---|---|---|---|
| GenerateDoc | 28人 | 5233% | .001 |
| iblaze | 264人 | 378% | .001 |
| clang-format | 138人 | 189% | .002 |
| UIDiff | 1.2人 | 26% | .017 |
| SandboxManager | -2.4人 | -15% | .052(有意でない) |
表は論文のTable Iから5ツールを抜き出したものです。増え方に幅がある理由として、論文は「ツールがどれだけ広い開発者に関係するか」「すでに使う人が行き渡っていたか」「名前が覚えやすいか」の3点を挙げています。
他の周知手段との比較もあります。対照を置いた試験ではなく個別の事例の観察ですが、メーリングリストで告知したEmulatorSettingsは利用者が1日約8人から約30人に増えたあと告知前の水準に戻り、TotT掲載後は高いまま続きました。社内のプロジェクト展示会に貼ったポスターでは、EstimateResourcesの利用に有意な変化はありませんでした(p=.27)。論文は、メールは読まれた後に埋もれる一方、エピソードは貼り替えまでトイレに残り続ける点を理由の候補に挙げています。
年別の投稿数に見るブログの変遷
405本の記事を投稿数と主題の傾向から4つの期間に分けると、次のように整理できます。
| 期間 | 記事数 | うちTotT | 特徴 |
|---|---|---|---|
| 2007〜2011年 | 246本 | 38本 | 2008年が最多の75本。GTAC関連が27本 |
| 2012〜2018年 | 104本 | 32本 | 年7〜24本。E2E・フレークの分析記事 |
| 2019〜2022年 | 17本 | 7本 | 年2〜8本に減少 |
| 2023〜2026年 | 38本 | 37本 | 改称告知を除く36本がエピソード |
2023年以降はTotTエピソードの転載がほぼすべてで、テストよりもコードの書き方を扱う回が増えました。2025年から2026年に公開された回の一部は次のとおりです。
- 2025-10-20「Simplify Your Code: Functional Core, Imperative Shell」:副作用の無い判定ロジックと、DBやメール送信を行う外側を分ける
- 2026-03-10「The Way of TDD」:Red・Green・Refactorを小さな例で回す
- 2026-06-04「Choosing Values for Robust Tests」:型の既定値と同じ値で検証すると不具合を見逃す
- 2026-07-21「Prefactoring: Clear the Way for Your New Feature」:新機能の前に既存コードを直し、変更を分けてレビューする
- 2026-10-05「Two-Way Doors」:機能フラグやダークローンチで、後から引き返せる設計にする
テーマ別に読む主要記事と要点
テスト戦略の記事は2010年代に集中しています。日付は原記事の公開日です。
| 公開日 | 記事 | 要点 |
|---|---|---|
| 2010-12-13 | Test Sizes | Small・Medium・Largeの定義表 |
| 2014-07-31 | Don’t Put Logic in Tests | テストに分岐や計算を書かない |
| 2015-04-22 | Just Say No to More End-to-End Tests | E2Eを増やさず70/20/10を目安に |
| 2016-05-27 | Flaky Tests at Google and How We Mitigate Them | フレーク率と隔離の仕組み |
| 2020-08-07 | Code Coverage Best Practices | 60%・75%・90%の目安 |
| 2024-10-15 | SMURF: Beyond the Test Pyramid | テスト配分を5軸で判断 |
社内のコードレビューで数百回引用される5本
改称告知は、社内のコードレビューや文書で数百回引用されている人気エピソードとして次の5本を挙げています。5本中3本はテストではなくコードの書き方の回です。
- Reduce Nesting, Reduce Complexity(2017年):条件の入れ子をガード節による早期の例外送出に直すと、原記事のクイズでは2つのエラーメッセージの取り違えを見つけやすくなる
- Improve Readability With Positive Booleans(2023年):フラグ名を「無効にしない」ではなく「有効にする」の肯定形で付ける
- Tests Too DRY? Make Them DAMP!(2019年):テストは共通化より読みやすさを優先する
- Change-Detector Tests Considered Harmful(2015年):実装を書き写しただけのテストは害になる
- Eliminate YAGNI Smells(2017年):サブクラスが1つしかない基底クラスは、将来の推測で作った不要なコードの兆候
テストの書き方:DAMP・ロジック禁止・変更検知テスト
DAMPの記事の主張は、テストにはテストが無いので人が目で見て正しさを確かめられるべきで、そのためには重複を許してでもDAMP(Descriptive And Meaningful Phrases)に書く、というものです。次のコードは同じCartを2通りに検証した例です。Python 3.9.6で3件とも成功することを確認しました。
import unittest
class Cart:
def __init__(self):
self.items = {}
def add(self, sku, price, qty=1):
self.items[sku] = (price, self.items.get(sku, (price, 0))[1] + qty)
def total(self):
return sum(price * qty for price, qty in self.items.values())
class DryCartTest(unittest.TestCase):
# 共通化しすぎた書き方:期待値を読むにはsetUpとループを追う必要がある
def setUp(self):
self.cart = Cart()
self.rows = [("A", 100, 2), ("B", 250, 1)]
for sku, price, qty in self.rows:
self.cart.add(sku, price, qty)
def test_total(self):
expected = sum(p * q for _, p, q in self.rows)
self.assertEqual(self.cart.total(), expected)
class DampCartTest(unittest.TestCase):
# DAMP:準備・操作・期待値をテスト本体に直書きする
def test_total_sums_price_times_quantity(self):
cart = Cart()
cart.add("A", 100, qty=2)
cart.add("B", 250, qty=1)
self.assertEqual(cart.total(), 450)
def test_adding_same_sku_twice_accumulates_quantity(self):
cart = Cart()
cart.add("A", 100)
cart.add("A", 100)
self.assertEqual(cart.total(), 200)
if __name__ == "__main__":
unittest.main(verbosity=2)
test_adding_same_sku_twice_accumulates_quantity (__main__.DampCartTest) ... ok
test_total_sums_price_times_quantity (__main__.DampCartTest) ... ok
test_total (__main__.DryCartTest) ... ok
Ran 3 tests in 0.001s
OK
DryCartTestは期待値を本体と同じ「単価×数量」の式で計算しています。これは「Don’t Put Logic in Tests」(2014年)が戒める形で、本体と期待値の計算に同じ誤りを書くと、テストは通ったまま誤りを見逃します。DAMP版では期待値が450と200の定数で、失敗したときにどの前提が崩れたかがテスト名と本体だけで読めます。
変更検知テストは、テスト対象と同じ情報を別の形に書き写しただけで、ふるまいの正しさを確かめないテストです。原記事の例は処理の呼び出し順をそのまま検証するもので、本番コードを少し変えただけで壊れる割に不具合をほとんど見つけません。モックで呼び出しを検証するテストは特にこの形になりやすく、置き換え方の判断はモックとスタブの違いとテストダブル5分類で整理しています。
テスト値の選定:既定値による不具合の見逃し
2026年6月の「Choosing Values for Robust Tests」は、C++のマップに値を入れ忘れる不具合が、テストで0を使ったために見逃される例を示しました。見逃されるのは、マップの添字アクセスで新しい要素のint値が0に初期化され、渡されたvalueを保存しなくても0が返るからです。同じ構造をPythonで書くと次のようになります。
import unittest
class MyMap:
def __init__(self):
self._data = {}
def insert(self, key, value):
# 不具合:value を使わず、既定値 0 で登録してしまう
self._data.setdefault(key, 0)
def get(self, key):
return self._data[key]
class DefaultValueTest(unittest.TestCase):
def test_insert_with_default_value(self):
m = MyMap()
m.insert(1, 0)
self.assertEqual(m.get(1), 0) # 既定値と同じ 0 なので通ってしまう
def test_insert_with_non_default_value(self):
m = MyMap()
m.insert(1, 42)
self.assertEqual(m.get(1), 42) # 既定値と違う 42 で不具合が出る
if __name__ == "__main__":
unittest.main(verbosity=2)
Python 3.9.6で実行した結果の抜粋です。
test_insert_with_default_value (__main__.DefaultValueTest) ... ok
test_insert_with_non_default_value (__main__.DefaultValueTest) ... FAIL
(中略)
self.assertEqual(m.get(1), 42) # 既定値と違う 42 で不具合が出る
AssertionError: 0 != 42
(中略)
FAILED (failures=1)
0を使ったテストは通り、42を使ったテストだけが不具合を検出しました。原記事は、数値なら0以外、文字列なら空でない値、列挙型なら先頭以外の値を選ぶよう勧めています。レビューでは既定値以外の値を含めることを確認し、空値・境界値や、複数の入力に異なる値を使うケースも検討してください。
テスト配分の目安70/20/10とSMURFの5つの評価軸
「Just Say No to More End-to-End Tests」(2015年)は、E2Eテストは失敗原因の切り分けに時間がかかるとして、最初の目安に単体70%・結合20%・E2E10%の配分を示しました。チームごとに比率は変わるが、ピラミッドの形は保つべきだとしています。
2024年の「SMURF: Beyond the Test Pyramid」は、ピラミッドだけではテストが増えたときの判断材料が足りないとして、Speed(速さ)・Maintainability(保守性)・Utilization(資源消費)・Reliability(信頼性)・Fidelity(本番への近さ)の5軸を挙げました。単体テストは速さと資源効率に優れ、結合・E2Eは本番への近さで勝るという交換条件を、軸ごとに比べます。配分の決め方はテストピラミッドの配分とテスト戦略設計、ピラミッド以外の形はTesting Trophyとテストピラミッドの違いで扱っています。
Google独自の分類であるテストサイズは、2010年の「Test Sizes」がネットワーク・DB・ファイル・スレッド・sleepの可否と時間上限(Small 60秒、Medium 300秒、Large 900秒以上)で定義しました。単体・結合といったスコープとは別の軸で、詳しくはGoogleのSmall/Medium/Large定義と単体・結合テストとの違いにまとめています。
フレーキーテスト:1.5%と84%が示した影響
2016年の「Flaky Tests at Google and How We Mitigate Them」は、同じコードで成功と失敗の両方を返すテスト結果をフレーキーと定義し、全テスト実行の約1.5%がフレーキーな結果を返し、テストの約16%に何らかのフレーキーさがあると報告しました。CIで成功から失敗に変わった遷移の約84%にフレーキーテストが関わっていたとしています。
対策として、失敗したテストだけの再実行、フレーキーの印を付けたテストは3回連続で失敗したときだけ失敗を報告する仕組み、フレーキーさが高すぎるテストを自動で隔離(quarantine)するツールが紹介されています。ただし原記事は3回連続の仕組みを「hardly a perfect solution」と書き、完全な解決ではないと認めています。
カバレッジとミューテーション:60/75/90%の目安
「Code Coverage Best Practices」(2020年)は、理想のカバレッジの数値は無いと前置きしたうえで、Googleの一般的な目安として60%を許容(acceptable)、75%を称賛に値する(commendable)、90%を模範的(exemplary)としています。同時に、全社一律の義務化は避け、各チームが事業上の必要に応じて値を選ぶよう勧めています。C0/C1/C2の違いと計測ツールはテストカバレッジの網羅率と計測ツール・目標設定で解説しています。
カバレッジではテストの検出力を測れないため、2021年の「Mutation Testing」は、コードに小さな変更(ミュータント)を入れてテストが落ちるかを見る手法を、差分レビューに組み込んだ社内事例として紹介しています。仕組みとスコアの読み方はミューテーションテストのミュータント生成とスコアの読み方を参照してください。
出典と年で食い違うGoogleの数字の読み方
Googleのテストに関する数字は、ブログ記事と書籍で値が違うことがあります。公表時期が違うことは確かですが、差が生じた理由を原典は説明していません。引用するときは次の表のように出典と年を添えてください。
| テーマ | 値 | 出典 | 何の値か |
|---|---|---|---|
| テスト配分 | 70/20/10 | ブログ 2015年 | 単体・結合・E2Eの最初の目安 |
| テスト配分 | 80/15/5 | 書籍 11章 2020年 | 単体・結合・E2Eのおおよその比率 |
| フレーク | 約1.5% | ブログ 2016年 | 全テスト実行に占める割合 |
| フレーク | 約16% | ブログ 2016年 | 何らかのフレークを持つテストの割合 |
| フレーク | 約0.15% | 書籍 11章 2020年 | フレーク率(単位の記載なし) |
| 時間上限 | 60・300・900秒以上 | ブログ 2010年 | Small・Medium・Large |
| 時間上限 | 60・300・900・3600秒 | Bazel 現行文書 | small〜enormousの既定timeout |
書籍11章は、フレーク率が1%に近づくとテストの価値が失われ始めると書いたうえで、Googleのフレーク率は約0.15%で、それでも毎日数千件のフレークが出ると述べています。2016年の1.5%は「実行結果」、16%は「テスト」が単位で、書籍の0.15%は何を単位にした率かが書かれていません。条件が同じか確かめられないため、「10分の1に減った」と読むのは避けてください。時間上限の現行値はBazelのテスト百科(Test Encyclopedia)で確認できます。
配分の比率も、Google自身が「チームごとに違う」と明記しています。70/20/10や80/15/5を自社のKPIとして固定すると、画面を通した検証が必要なシステムで、必要なE2Eシナリオを比率に合わせて削るおそれがあります。比率は出発点として扱い、SMURFの5軸で自社の事情に合わせて調整する方が原典の意図に沿います。
フィードで新着とTotT記事を追う方法
ブログはBloggerの標準フィードを公開しています。全記事はhttps://testing.googleblog.com/feeds/posts/default、TotTラベルの記事だけなら末尾に/-/TotTを付けたURLで取得できます。RSSリーダーに登録するほか、次のスクリプトで本数や年別の推移を集計できます(Python標準ライブラリのみ。1回の取得は最大150件なので、start-indexをずらして全件を読みます)。
import collections
import urllib.request
import xml.etree.ElementTree as ET
BASE = "https://testing.googleblog.com/feeds/posts/default"
NS = {"a": "http://www.w3.org/2005/Atom",
"os": "http://a9.com/-/spec/opensearchrss/1.0/"}
def fetch(url):
with urllib.request.urlopen(url, timeout=30) as res:
return ET.fromstring(res.read())
def entries(label=None):
path = BASE + (f"/-/{label}" if label else "")
start, out = 1, []
while True:
root = fetch(f"{path}?max-results=150&start-index={start}")
batch = root.findall("a:entry", NS)
for e in batch:
out.append((e.findtext("a:published", namespaces=NS)[:10],
e.findtext("a:title", namespaces=NS)))
if len(batch) < 150:
return out
start += 150
posts = entries()
tott = entries("TotT")
print("全記事:", len(posts), "/ TotTラベル:", len(tott))
print("最古:", posts[-1])
for date, title in posts[:3]:
print(date, title)
by_year = collections.Counter(d[:4] for d, _ in posts)
print({y: by_year[y] for y in sorted(by_year) if y >= "2019"})
2026年11月7日の実行結果です。10月2日の実行と比べ、10月5日の「Two-Way Doors」が加わって全記事・TotTラベルともに1本ずつ増えていました。
全記事: 405 / TotTラベル: 114
最古: ('2007-01-21', 'Introducing "Testing on the Toilet"')
2026-10-05 Two-Way Doors: Don’t Code Yourself into a Corner
2026-07-21 Prefactoring: Clear the Way for Your New Feature
2026-06-04 Choosing Values for Robust Tests
{'2019': 4, '2020': 8, '2021': 3, '2022': 2, '2023': 14, '2024': 13, '2025': 3, '2026': 8}
テストの章を体系立てて読みたい場合は、『Software Engineering at Google』がabseil.ioでHTML版を無料公開しています。11章「Testing Overview」から14章までがテストの章で、ブログの短い記事の背景にある考え方をまとめて確認できます。
自チームへの持ち込み方と向かない場面
Google Testing Blogの記事は、1本ずつ自チームのレビュー基準に落として使うことを勧めます。たとえばDAMPや既定値以外のテスト値の記事をコードレビューのチェック項目に加え、指摘のたびに原記事へリンクする運用です。レビューの観点の決め方はコードレビューの目的・観点と運用設計で整理しています。
TotTの方式そのもの、つまり1枚に収まる短い文書を定期的に配る方法も真似できます。ICSE論文では、編集者が成功の条件に「短さ」と「読む動機づけ」を挙げ、初稿にはこの2つが欠けていることが多いため、著者と一緒に書き直す作業に時間がかかると答えています。テーマを1つに絞り、修正前と修正後のコードを並べ、対象の開発者が広いツールや作法から始めるのが論文の結果にも沿った進め方です。
一方で、次の場面では記事をそのまま当てはめないでください。
- 再実行で済ませる運用:3回連続の失敗まで待つ仕組みや自動隔離を入れても、隔離したテストの原因を調べずに放置すると、本物の不具合をフレークとして見逃す。原記事も、この仕組みは開発者が自分のテストのフレークを放置する誘因になると書いている
- カバレッジ目標の義務化:原記事自体が一律の義務化を避けるよう勧めている。60/75/90%を全リポジトリの必須ゲートにするのは原典と逆の使い方
- テストサイズの時間上限:BazelやGoogle社内のテスト基盤で使われる既定値。GitHub ActionsなどのCIでは、実行環境の性能に合わせて上限を決め直す
フレークの隔離やカバレッジのゲートをCIに組み込む段階で設計に迷う場合は、DevOps・CI/CD導入支援でパイプラインの設計から相談できます。TDDを1周回す具体例はTDDのRed・Green・Refactorの手順で、pytestとJUnit 6の実行例とともに示しています。
Google Testing Blogに関するよくある質問
Google Testing Blogの運営元はどこですか?
Googleです。testing.googleblog.comで公開され、記事の名義は「Google Testing Bloggers」です。各記事の本文冒頭に、実際に書いたGoogleのエンジニアの名前が記されます。
Testing on the ToiletとTech on the Toiletは同じものですか?
同じものです。2024年12月にTesting on the ToiletからTech on the Toiletへ改称されました。扱う範囲がテストから開発全般へ広がったためで、略称のTotTは変わっていません。
Google Testing Blogは今も更新されていますか?
更新されています。2026年は11月7日時点で8本が公開され、最新は10月5日の「Two-Way Doors: Don’t Code Yourself into a Corner」です。2023年以降はほぼすべてがTotTエピソードを書き直した記事です。
日本語版はありますか?
公式の日本語版はなく、記事は英語のみです。Google Japanの公式ブログが2007年8月1日に「ToTT」としてこの取り組みとエピソードの1本を日本語で紹介していますが、継続的な翻訳は行われていません。
TotTの印刷用PDFは自社で使えますか?
TotT由来の記事には「printer-friendly version」へのリンクがあり、記事中で「オフィスに貼ってください」と案内されています。社内掲示はこの案内の範囲で行い、改変や再配布をする場合は原記事の条件を確認してください。