摘要
随着大数据、数据挖掘、人工智能等技术的快速发展,企业愈加重视数据资产的价值,积极打造从数据采集、汇总、处理加工至应用的数据应用闭环。数据质量是数据应用领域建设的重中之重,数据处理类系统是数据质量的重要影响因素,面对繁杂海量的数据与加工规则,系统测试如何在时间与资源的限制下保证质量与效率值得探索。本文介绍了一套数据处理类系统的功能测试方法,并提出测试执行策略,以提高测试质量与测试效率。
一、引言
信息技术的广泛应用使得企业生产经营变得更加高效,同时也沉淀了大量的数据。随着大数据、数据挖掘、人工智能等技术的快速发展,企业愈加重视数据资产的价值,将数据中隐藏的信息与规律转化为企业的生产力,使数据成为企业的决策依据。当前,数据应用能力已成为企业的核心竞争力,支撑经营决策、客户营销、产品创新、绩效管理、风险管控、监管报送及信息披露等诸多场景。因此,各企业积极打造从数据采集、汇总、处理加工至应用的闭环,建设大数据平台、数据仓库、数据集市、数据湖等各种形式的“数据中台”,实现海量数据的快速聚集汇总与处理加工,为企业发展增速提供动力。
本文所述数据处理类系统是指根据业务目标与需求对数据进行汇集、拼接、整合、统计、加工等直接处理的纯后台系统,例如大数据平台、数据仓库、数据集市、数据湖等。此类项目无前台界面,多为批量程序,由调度系统控制定期运行,处理结果以及数据文件或数据库表等形式存储,供下游应用使用。
数据是数据应用的基础,数据质量对于数据应用至关重要,数据处理类系统是数据质量的重要影响因素,测试作为系统质量保障的最后一道防线,面对繁杂海量的数据加工规则需求,如何在有限资源的条件下兼顾测试质量与测试效率值得探讨。
本文根据过往项目经验整理了一套数据处理类系统的功能测试方法,对其中重要的目标表检查进行详细梳理,根据检查点来源将目标表检查内容分为了技术层面与业务层面,建议测试人员按照从技术层面到业务层面、从简单到复杂、从宏观到微观的测试执行策略。
二、数据处理类系统功能测试
目前数据处理类系统常用的功能测试方法主要有两类,一是白盒测试,主要使用代码检查方法,由测试人员根据业务需求对系统批量程序的代码或脚本进行检查,较容易发现一些直观的问题,比如判断条件中的比较符号写反、判断条件的遗漏、边界值的遗漏等。此外,代码检查有助于加深测试人员对数据处理功能的理解,进行黑盒测试案例设计时更有针对性。
版权声明:本文出自《51测试天地》第五十七期。51Testing软件测试网及相关内容提供者拥有51testing.com内容的全部版权,未经明确的书面许可,任何人或单位不得对本网站内容复制、转载或进行镜像,否则将追究法律责任。