快来学习大数据的测试流程与步骤

大数据的领域涉及到各方面，主要数据的创建，存储，检索，分析，并且在数量，多样性，速度方面都让人惊叹。

大数据测试类型

测试大数据应用程序更多的是验证其数据信息处理，而不是测试软件产品的个别功能，当谈到大数据测试的时候，性能测试和功能测试是关键。

在大数据进行测试中，QA工程师通过数据信息处理可以是三种不同类型。批量，实时，交互。 同时，数据质量也是大数据测试的重要因素，它涉及到检查各种领域。如精确性，重复，一致性，效率，数据的完整性。

 

 

数据测试步骤

大数据进行测试实现被分成以下三个步

1：数据阶段验证

来自各方的数据资源应当验证，以确保正确的数据被加载到系统，将源数据与推送到Hadoop系统中的数据进行分析比较，以确保它们可以匹配。

确认正确的数据被提取并加载到HDFS正确的位置，该阶段可以使用工具Talend或Datameer，进行数据阶段验证。

步骤2：“MapReduce”验证

在这个阶段，测试者在每个节点上进行业务逻辑验证。然后在运行多个节点后验证，确保如下操作的正确性。

Map与Reduce进程正常工作：在数据上实施数据聚合或隔离规则。

生成键值对：在执行Map和Reduce进程后验证数据。

 

Step 3：输出阶段验证

生成输出数据文件，同时把文件移到一个EDW（企业数据管理仓库）中或把文件通过移动到其他基于市场需求的系统中，在第三阶段的活动包括：

检查转换规则被正确应用

检查数据信息完整性和成功的数据加载到目标系统中，通过将目标数据与HDFS文件系统数据进行比较去检查数据损坏情况。

大数据测试完整流程。

按照：研究需要分析---- +>测试策略规划---->编写测试用例---> -----执行测试>在线验证测试----->测试总结的过程。

1、需求调研+分析

测试若不清楚需求的背景现状是无法实现真正做好测试，保证企业产品质量的。

需求的更透彻的分析，比较成功的后续工作，这个步骤是需要进行产品，开发，测试可以相互补充辅助完成。

2、测试策略计划制定

通过开发技术架构评审会，测试了解开发架构逻辑，表结构设计，开发调度。从而开发测试策略方法，测试重点，测试工具选择。测试调度，风险评估等..

3、编写及评审测试用例

测试用例需要覆盖所有的测试场景：

正常，异常，功能逻辑，接口等的性质等。

测试用例的目的：

从来就是为了能够更好执行系统测试，更好的保证执行功能测试时的高覆盖率和高通过率。绝对不是为了写用例而写用例。

测试工具的选择遵循两个重要标准：

（1）清晰展现测试思路和逻辑

（2）方便快速评审及执行测试。

目前我们所使用的的用例管理工具是matrix+easytest+freemind+excel，根据不同的需求场景，选择不同的工具。

 

4、用例执行测试

执行测试包括两部分

第一重要部分：每周进行平均两次的迭代版本系统测试，这种类型的执行测试以手工测试方法为主工具为辅。

第二部分：定期执行部分, 主要依赖工具执行。用来做web、接口的功能测试和性能测试，包括selenium+git+idea、easytest、jmeter，beyondcompare这类工具分别设置了不同的执行周期。定期的进行全产品线的回归测试，进一步保证产品功能逻辑及接口功能的正确及可用性。

5、线上验收测试

上线后，第一时间针对上线更新教学内容方面进行分析线上回归测试，并且能够快速反馈给开发和产品。做出决策；上线验证完成后，根据实际上线结果向项目所有社会成员发送上线测试报告。

6、测试总结

包括：文档整理、技术总结、项目概况综述。

文档整理

对于参与实际场景数据，业务数据等后整理完成后的项目总结环保项目。

技术总结

主要是通过针对项目中用到的工具进行技术，所遇到的难点或新的突破和改进。

项目概况综述

包括需求覆盖率，需求遗漏变更率，开发自测通过率。开发bug反复率，用例覆盖率，问题遗漏率，项目bug类型和数量统计等。

总结：

不管是什么测试流程都是相似的，想要成功就要从生疏到熟练，这是一个过程也是成功的必经之路。

 

 

 

更多产品了解

欢迎扫码加入云巴巴企业数字化交流服务群

产品交流、问题咨询、专业测评

都在这里！