大数据测试
2021-06-07 23:01:32 5 举报在大数据时，玩转数据，对于数据验证点要考虑多方面。
作者其他创作
大纲/内容
数据类型
（1）行存储：Textfile、SequenceFile、MapFile、Avro Datafile。（2）列存储：Parquet 、 RCFile、ORCFile（3）关注支持/不支持压缩的情况（4）\b关注访问单文件或目录（多文件）
数据值
（1）Table，在Hive里有两种：托管表、外部表（2）分区（partition)（3）桶（bucket）
（1）数据体量大，如GB、TB等。
数据安全
数据性能
（1）集群中用户存放已知数据（2）\b平台运行产生的数据，如：Pipeline（3）其他集成应用生成的数据
\b数据来源
数据易用性
数据兼容性
（1）大数据量的读取性能、存储性能。（2）大数据量数据计算性能。数据通道运行性能，比如：数据通道中单个组件性能，组合多个长通道性能。（3）算法模型的训练性能，预测性能。（4）并行情况下的数据读取、存储、计算等性能。（5）大数据的实时性、及时性。
\b数据值
（1）数据统一展示（例如：要么统一有千位分隔、要么统一都不要）（2）数据完整性展示（例如：过长数据12345678，完整展示全部数据，不要展示为123...）（3）数据值太大时，考虑合适的单位换算后显示。比如，显示超大数值100000000000，建议单位转换后显示100亿。（4）四舍五入要慎用。大数据量下，四舍五入操作可能造成最终结果的很大差。
（1） 数据类型：类型非常多全部测试，如：HIVE支持两种类型，原子数据类型和复杂数据类型。（2）平台不支持的数据类型要进行异常处理。\b
文件存储格式
大数据非功能
（1）在不同浏览器下的兼容性（2）在不同屏幕分辨率下的兼容性（3）在不同设备下的兼容性（4）在不同系统下的兼容性
大数据功能点
数据体量
\b数据模型
（1）不同数据类型对应的value（2）\b同一数据类型下value各种情况： - 等价类划分 - \b边界划分。 - 空值与null
数据来源
\b数据类型
（1）数据权限不仅有表或文件，还会从数据行、列更细粒度考虑设置权限。（2）数据读取、下载、管理权限管控。数据不能通过平台拿出安全范围外。比如：不可下载或存储到本地等。（3）考虑各公司或地区政策定义的数据保密项，哪些数据不得泄漏，要加密。（4）代码安全通过行业常用安全扫描工具检测。（5）业务安全：业务上的隔离（如：租户隔离项目）、登陆有效期等
0 条评论
下一页
