软件测试方法一般知识中,什么称为功能测试,软件测试中的功能测试是答案

　　另一方面，由于大数据应用于特定行业，除了功能测试之外，还需要在整个大数据处理框架下进行非功能测试。

　　A.特性试验

　　是评价大数据分析系统性能最重要的维度。大数据系统的性能主要包括吞吐量、任务完成时间、内存利用率等指标，可以反映大数据分析平台的处理能力和资源利用能力。Hadoop performance monitor可以用来监控运行状态下的性能指标和瓶颈，自动进行性能测试，测试系统在不同负载下的性能。

　　B.弹性试验

　　它可以自动从部分故障中恢复，并且不受验证的影响。尤其是出现故障时，大数据分析系统在恢复的同时继续以可接受的方式运行。当出现错误时，它应该在一定程度上继续运行。需要根据应用场景设计解决方案和具体部署，并进行人工测试。

　　C.可用性测试

　　高可用性是大数据分析不可或缺的特性之一，从而保证了数据应用业务的连续性。大数据的高可用性对于很多应用来说非常重要，需要严格的测试和验证，主要是人工测试。

　　D.可扩展性测试

　　对于大数据时代的文件系统来说，灵活的可扩展性尤为重要。系统的可扩展性测试主要是测试系统的灵活性(可扩展性)及其对扩展系统性能的影响，验证是否具有线性可扩展性，以及手工测试。

　　E.稳定性试验

　　大数据分析系统通常会长时间连续运行，因此稳定性的重要性不言而喻。稳定性测试主要验证系统在长时间(7/30/180/365*24)的允许下运行正常，功能正常。稳定性测试通常是自动完成的。LTP、10ZONE、邮戳、FIO等工具。将加载测试系统，稳定性测试通常是自动完成的。

　　F.测试部署方法

　　大数据具有向外扩展的特性，可以构建大规模、高性能的文件系统集群。部署文件系统的方式因应用程序和解决方案而异。

　　部署方法测试要测试各种情况下的系统部署方法，包括自动安装配置、集群大小、硬件配置(服务器、存储、网络)和自动负载均衡。这部分测试无法自动化，需要根据APP解决方案，设计并手动测试解决方案和具体部署。

　　G.数据完整性测试

　　其中，数据完整性是指文件系统中的数据与外部写入前的数据一致，即写入的数据和读取的数据始终一致。数据完整性是指文件系统能够保证数据的完整性，不会丢失或出错。这是文件系统最基本的功能。它可以通过diff和md5sum编写脚本并自动执行测试。LTP还提供了测试数据完整性的工具。(测试交流群)829792258/行业大神交流研讨会/资料分享()))))))。

　　H.负荷试验

　　大数据分析系统的承载能力是有上限的。如果系统过载，可能会出现系统性能下降、功能异常、拒绝访问等问题。压力测试验证系统是否仍然正常运行，功能是否正常，系统资源消耗情况，包括数据多客户端、高OPS压力、高IOPS/吞吐量压力等。并为大数据的应用提供了基础。

　　二、功能测试数据功能主要涉及系统对大数据分析APP的POSIX API的实现，包括文件读写控制、元数据操作、锁定操作等功能；

　　大数据分析系统的POSIX语义不一样，文件系统的API也不一样。功能测试涵盖大数据系统实施中涉及的API和功能点；

　　由于功能测试的工作量很大，重要的是要考虑自动化测试方法的应用，并辅以人工测试。自动化工具推荐ltp、fstest和locktests。

　　在多节点处理大数据的过程中，会出现各种各样的“无用数据”和数据质量问题。功能测试主要用于识别编码错误或节点配置错误导致的数据问题。

　　这包括以下几个阶段。

　　A.数据导入/预处理验证阶段

　　根据具体的APP应用背景和业务需求，将各种数据源(如web日志、物联网、社交网络、互联网文本和文件)加载到HDFS进行按需处理。在此过程中，非法或非复制和保存可能会导致错误的数据。在这种情况下，可以使用以下方法进行测试：

　　1.检查输入文件和源文件，确保数据的完整性；

　　2.根据数据要求，确保数据采集的准确性。

　　3.确保文件正确加载、拆分并复制到HDFS的不同数据节点。

　　b、测绘数据输出验证阶段

　　当数据加载到HDFS，mapreduce将开始处理来自不同数据源的数据。这个过程可能会导致mapreduce中的编码问题，比如在单个节点上工作正常，在多个节点上工作不正常。这包括不正确的聚合、节点配置和输出格式等。为解决现阶段的问题，可采用以下验证方法。

　　1.验证数据处理是否正常完成，输出文件是否成功获取；

　　2.验证单个节点中的大数据业务逻辑，然后继续。

　　在多个节点执行相同的验证；

　　验证mapreduce处理中的键/值对是否正确生成。

　　reduce过程完成后，验证数据合并是否正确；

　　5.验证源文件中的输出数据，以确保数据处理正确完成。

　　6.根据大数据业务需求，验证输出数据文件格式是否符合要求。

　　C.从ETL到数据仓库的大数据验证

　　成为地图

　　在reduce过程完成后，数据输出文件将根据需要移动到数据仓库或其他事务系统。在这个过程中，由于转换规则的不正确应用和从HDFS提取的数据不完整，可能会出现问题。为解决现阶段的问题，可采用以下方法：

　　1.验证是否正确应用了转换规则；

　　2.通过将目标表数据与HDFS文件数据进行比较，验证是否有数据损坏；

　　3.验证目标系统的数据加载是否成功；

　　4.验证目标系统的数据完整性。

　　D.验证分析报告

　　从数据仓库或配置单元获得的数据可以通过报告工具进行分析；这个过程可能会导致报表定义不符合要求的报表数据问题；在这个过程中，可以通过查询来验证报表是否满足业务需求。

最后：

可以在微信官方账号：伤心辣条！自己获取216页的软件测试工程师面试书文档【免费】。以及相应的视频学习教程免费分享！包括基础知识、Linux essentials、Shell、互联网程序原理、Mysql数据库、抓包工具专题、接口测试工具、高级测试-Python编程、Web自动化测试、APP自动化测试、接口自动化测试、测试的高级持续集成、测试架构开发和测试框架、性能测试、安全测试等。

　　千万不要一个人学技术。最好是互相取暖，互相成就，共同成长。质量效应的效果是非常强大的。如果大家一起学习，一起打卡，会更有动力去学习，坚持下去。可以加入我们的测试技术交流扣群：914172719(里面有各种软件测试资源和技术讨论)