简介
大数据产品不同于以往传统软件的区别之一是数据的吞吐量巨大,必然采用分布式架构来解决海量数据处理请求以及并发的计算处理需求。往往在公司转型时期,我们有着丰富传统软件测试经验的工程师也会茫然不知所措,有种盲人摸象的感觉。本课程致力于系统梳理大数据测试的特殊需求以及实施推荐,课程独立于任何大数据产品和解决方案,确保学员在各自的公司大数据产品上均可借鉴并指导实施大数据测试。
目标
a.通过分享了解信用支付及贷款平台的应用架构设计思路、设计方法和演进过程;
b.了解如何实现高性能高并发的支付场景下,系统的设计方法和实践过程。
c.了解基础支撑系统的设计要点,以及如何保障平台业务系统群的稳定运行和监控运维。
课程时长
2天(12H)
受众人群
各级别软件测试工程师,全栈工程师,软件测试经理
培训特色
所有内容来源于作者在硅谷一线大数据企业实践经验以及在相关企业内训的总结
系统化梳理与讲解大数据测试交互式学习体验,边学边做中英文双语学习资料,与国际接轨。
成功要点
系统的应用架构不可能一成不变,但相对稳定、扩展性好的架构设计,能够较好的应对业务的快速发展,支持产品的快速跌代开发、测试、上线布署及运维监控,减少技术负债,减少实施的工作量,即是减少成本,为企业带来收益。
启示:可以举一反三的领会应用系统的架构设计过程,了解关键业务系统和支撑系统的设计要点。
目标收益
通过本课程的学习,您将对大数据测试有个整体的认识,摆脱闻“大”而恐的情况。将有能力规划自己公司的大数据测试,对于可能遇到的风险和依赖有充足的预判和分析。能够建立大数据测试相关配套服务,例如数据生成,状态监控以及自动化测试等。
六项收益
能够做到大数据测试项目计划与实施
掌握大数据测试非功能性测试设计
建立数据服务中心,为部门/企业提供测试数据服务
掌握大数据基准测试
如何大数据测试CI/CD
如何利用机器学习优化大数据测试
学员基础
熟悉软件工程理论,掌握基本计算机基础,以及代码编写能力
分享提纲
主题 | 授课内容 |
大数据基础 (1h) | 1. 概念 a. 5V模型 一、 实六项收益 1. 能够做到大数据测试项目计划与实施 2. 掌握大数据测试非功能性测试设计 3. 建立数据服务中心,为部门/企业提供测试数据服务 4. 掌握大数据基准测试 5. 如何大数据测试CI/CD 6. 如何利用机器学习优化大数据测试 二、 培训对象 各级别软件测试工程师,全栈工程师,软件测试经理 三、 学员基础 b. 熟悉软件工程理论,掌握基本计算机基础,以及代码编写能力例讨论 2. 业界主流大数据解决方案 a. ELK b. Hadoop 3. 大数据产品分类介绍 a. 开源技术 b. 商业产品 |
大数据测试与传统软件测试 (1h) | 1. 软件测试基础知识回顾 2. 数据 3. 基础设施 4. 验证方法 |
测试准备 (2h) | 1. 测试框架选择 2. 测试环境基础 3. 数据生成 4. 数据抽样 5. 实操 |
功能性测试 (4h) | 1. 分布式单元测试 2. 数据清洗验证 3. 数据质量验证 4. 数据存储验证 5. “map reduce”验证 6. 输出验证 7. 高可用性验证 8. 一致性验证 9. 统计分析报表验证 10. 实操 |
非功能测试 (1h) | 1. 迁移测试 a. 用户场景研究 b. 目标设定 c. 测试设计 i. 版本到版本迁移 ii. 数据迁移 iii. 拓扑迁移 2. 可扩展性测试 a. 扩展需求分析 b. 目标设定 c. 测试设计 3. 可靠性测试 a. 灾难定义 b. 灾难注入 c. 测试设计 |
基准测试 (4h) | 1. 业界标准介绍Spec/GLDS/TPC/Bigbench 2. 微基准 3. 组建基准 4. 系统基准 |
测试执行 (2h) | 1. 测试管理 2. 自动化测试 3. CI/CD 4. 覆盖率分析 5. 测试拓扑解耦 |
产品质量评估 (1h) | 1. 延迟 2. 吞吐量 3. 容错率 4. 可扩展性 |