大数据测试思路

最近一直想在大数据方面做更为全面的测试，但是涉及这一块目前资料较少，所以抛砖引玉，希望有同行互相交流~~

一、ETL测试

　　ETL， Extract-Transform-Load 的缩写，将数据从来源端经过抽取（extract）、转换（transform）、加载（load）至目的端的过程.

　　ETL工具较多，用过的是informatica.它从目标表抽取数据加载到结果表 hive<-->数据库.

　测试思路:

　　a.测试抽取的符合条件的数据总量；

　　b.报表字段类型转换测试；

　　c.报表字段特殊值测试(空,null,复合型字符)；

　　d.根据sql过滤条件进行造数测试；

　　e.根据业务场景进行造数测试；

　　f.开发创建的报表/报表字段和测试报表进行对比测试；

　　g.开发条件过滤sql初步遍历看有无明显语法错误测试；

　　h.报表拉数耗费时间测试；

j.报表大批量数据拉取性能测试.

　　用过informatica的同学都知道它有四个界面段，基于开发写的sql，报表字段,数据库连接串，errorlog都能从里面获取到信息，建议当工具拉数报错时，自己能更改的错误自己就直接改了（当然事后别忘记告诉开发更新）。

二、Linux环境的shell脚本测试.

　　一般shell脚本都是基本 数据库-->hive-->数据库的过程，也就是 hive的一个import 和 export的过程，需要涉及的知识面：基本的linux命令，shell脚本命令，hivesql，hdfs命令.

　　因为shell脚本测试有些时候是基于需要直接更改报表在hdfs路径下的数据文件，本人是建议测试完全掌握这一块的，毕竟公司部门的shell脚本一般都是有一个统一格式的.

　测试思路:

　　1.遍历shell脚本查看开发输出的脚本是否正确(命名规范，脚本内容，调用函数，日志打印，异常检查机制)；

　　2.遍历oracle/mysql/hive等建表语句(包含报表名称，报表字段，报表hdfs路径，索引创建，分区创建)；

　　3.import/export报表数据总量；

　　4.import/export报表数据的脚本运行时间；

　　5.数据库--hive 的数据类型转换；

　　6.历史数据报表的历史数据量；

　　7.一些简单的sql语句优化..

　　hive报表主要涉及的都是一些数据传输过程，然后在hive里面使用sql进行一些逻辑计算，最后得出结果再把数据传输出去，所以主要关注点都在hive这一块。

三、kafka/scala

　　这个是目前正在做的项目，涉及到的kafka以及scala语言均需要补充新知识，scala语言相对好一点，是类似sql的一种写法，主要是在kafka中进行计算然后进行一个接口数据传输，从测试角度来看，涉及到：需求确定的逻辑计算方式 ，需求确定的各字段名称，需求确定的取数范围(标识，时间，状态)，考虑报表历史数据量大小对性能的影响，基于服务器大小对各报表历史数据保存时间的确定，json串数据传输.

　　性能方面，个人感觉服务器大小配置会很大程度上影响到数据的传输速度，数据的处理速度，也就是说，客户看到需要的数据的时间会根据服务器的配置来进行延长或缩短，而作为测试，目前一直思考的也是这块的，如何在排除服务器配置的情况下，能更好的测试处代码计算的性能是一直在想的问题，因为这一块也没找到比较有用的对比资料以及参考指标.

四、报表数据测试思路总结