大数据测试最佳实践

Neo Ru 查看讲师

百林哲咨询（北京）有限公司专家团队成员

曾任思科（中国）研发中心高级QA总监，从事软件开发、QA、项目管理和过程改进等方面工作二十余年, 在软件工程领域有很深的造诣。

浏览：3933次

详情 DETAILS

简介

“知其然知其所以然”是学习和深入理解技术本质的核心，所以本主题的讲解将抛弃传统的就技术谈技术的方式，而是采用业内顶尖公司的大数据项目工程实际问题驱动为主线，以提出问题到解决问题为主干，讲解企业级大数据测试项目的的关键技术点和最佳实践。

目标

1.了解大数据技术发展历程；

2.了解技术架构更新进程；

3.理解大数据技术现状；

4.结合实战，掌握大数据产品测试方法

受众人群

测试工程师，测试开发工程师和测试技术骨干成员，测试技术负责人，测试经理和测试总监测试架构师 DevOps资深工程师和技术负责人，工程效能团队负责人和工程效能研发工程师开发工程师，开发技术经理，开发技术负责人，技术创新团队的工程师

课程时长

2天（12H）

分享提纲

· 大数据技术发展的前世今生	o 大数据技术的发展史：从Google的三驾马车谈起 o 大数据离线计算和大数据实时计算 o 数据分析、数据挖掘和机器学习 o 大数据应用的搜索引擎时代 o 大数据应用的数据仓库时代 o 大数据应用的数据挖掘时代 o 大数据应用的机器学习时代 o 大数据的应用领域分析
· 从大型网站技术架构的演变看技术架构的演进	o 大数据时代，测试架构师必须懂的大型网站架构知识 o 业务驱动下的大型网站技术架构的技术演进 o 分布式架构，微服务和服务网格
· 大数据产品的测试挑战与应对策略	o 大数据产品测试 VS 基于大数据技术的产品测试 o 大数据产品测试的难点与挑战 o 大数据产品质量保障的特殊性 o 大数据产品测试的行业最佳实践
· 企业级大数据产品的API自动化测试	o API测试框架简介 o API测试框架的技术演进与发展 o API测试的难点与解决思路 o 高并发大数据量场景下的API测试 o API的后向兼容性测试技术的创新 o 微服务下的API测试挑战 o 基于消费者契约的API测试技术 o Demo分享：Spring Cloud Contract实例
· 大数据产品的测试数据准备最佳实践	o 大数据测试中数据的复杂性与难点 o 基于实时数据创建的测试数据准备策略 o 基于Out-of-box的测试数据准备策略 o 测试数据准备工具的最佳实践 o 测试数据准备V1.0时代 o 测试数据准备V2.0时代 o 测试数据准备V3.0时代 o Test Data Service的架构设计与实现 o 大数据测试的数据准备策略 o 基准数据集合 VS 生成数据集合Dump
· 企业级大数据产品的自动化测试执行环境设计与最佳实践	o 早期的测试执行环境 o 基于Jenkins触发测试执行 o 引入Test Runner / Test Execution System o CI/CD集成的设计与最佳实践 o 基于Selenium Grid提高测试并行执行能力 o 基于Jenkins Cluster提高测试并行执行能力 o 基于Docker实现Selenium Grid的动态扩展与收缩 o 基于Docker实现Jenkins Cluster的动态扩展与收缩 o 引入Test Report Service生成各种测试报告
· 必须要过的坎：大数据产品的性能测试	o 不同视角的软件性能与性能指标解读 o 性能测试的基本方法与应用领域 o 后端性能测试工具原理与行业常用工具简介 o 如何设计并实现一个典型的性能测试 o 如何0成本应用UI自动化测试脚本和API自动化测试脚本实现性格告警 o 高并发情况下单session的Profile方法设计 o Performance Benchmark Kits的设计 o 基于用户数据库特征提取的测试背景数据仿真 o 代码级的性能测试实践 o 性能压测的测试数据准备 o 基于JMeter的全链路压测系统的设计
· 从源头保证质量：大数据产品的代码级测试	o 代码的基本特征 o 代码缺陷产生的原因 o 代码错误的分类 o 代码级测试方法的分类 o 完备代码级测试用例的设计 o 代码测试覆盖率的衡量 o 代码测试覆盖率的实现原理 o 探讨覆盖率的局限性 o 典型代码错误分析
· 利用大数据技术来优化软件测试的案例分享（可选）	o 大数据技术在测试用例设计中的应用 o 机器学习在GUI测试中的落地与应用 o 大数据技术在代码质量提升中的应用 o 大数据技术在失败用例分析领域的应用