快乐工作,认真生活!

大数据测试实践小结(转)

上一篇 / 下一篇  2013-07-29 14:21:28 / 个人分类:测试技术

大数据测试实践小结

针对我们产品线的某些模型产品的需求,开始展开大数据测试,对大数据测试仍然属于摸索和尝试的阶段,大家感兴趣的欢迎拍砖。

一、模型产生的过程


 

² 信息收集:需明确项目目标和业务需求,根据确定的数据分析对象,确定分析对象所需要的特征信息,以及特征信息的计算方法;这个过程业务方会做很多的准备工作,会拉数据去证明哪些特征信息与我们的数据分析对象是有关联的;

² 数据准备: 从数据仓库中获取数据构造用于模型分析的数据集,包括选择数据、格式化数据、数据清理、数据整合等过程,是整个数据挖掘过程中最耗时的环节,甚至占据整个模型项目一半以上的工作量。而数据是整个数据挖掘的根基,数据的质量直接决定模型分析的结果的准确性;

² 建立模型:选择合适的建模技术和算法,将最终得到的数据集是作为模型的输入进行训练,同时对它们的参数进行校准以达到最优值。

² 模型评估: 通过模型的训练会最终得到一个分析结果,需要对它们进行验证和评价,证明其合理性和准确性。一般对模型进行评估的方法有:业务上抽样数据验证、计算模型的准确率、信息分布、K-S值、Gini值等;

二、数据测试的范围和难点

针对模型产生的这一过程,可以确定我们的测试范围和重点是数据准备这个环节,就如上所述,数据是整个过程最重要和最关键的一个环节,需要确保数据的质量。

测试对象:开发人员开发数据的HiveSql脚本及脚本产出的数据集合;

我们产品的数据特点:1.大部分字段有比较复杂的计算逻辑;

2.无需求说明文档,加大了理解字段的难度;

3.无设计文档,即无执行计划,表关系、计算逻辑、源表只能通过分析代码获得;代码在划分模块、编写风格上,不同开发有不同特点;

三、数据测试技术&方法

公司有一些BU在做数据的测试,目前大家一起筹备在做大数据测试的共建。

Ø 相关的技术

1.    规则扫描技术:对数据集合的字段列配置一些校验规则,自动进行扫描;

2.    静态代码扫描:目前有列顺序扫描、代码规范扫描等;

3.    单元测试:数据准确、单元脚本的执行。提供单测平台,驱动开发去做hivesql的单元测试,测试人员主要是review开发的单测脚本校验规则是否齐全和正确;

4.    数据对比:数据集合的对比;

等等 。。。。。。应用到我们模型数据测试中的技术有规则扫描、列对比、数据对比等技术,比较适用,发现的数据类bug比较多;

Ø 关于数据测试方面的沉淀和方法比较零散,没有形成体系;且各个BU因为业务的差异性,测试方法也存在不同。针对我们产品的数据特点,我整理了一些过程中用到的测试方法

1.    结果数据比对方法,主要做数据量的比对、数据取值是否和源数据仓库中的数据一致;

2.    抽样数据验证:此方法主要用于校验有比较复杂计算逻辑的字段数据是否正确;计算逻辑比较复杂,编写自动化脚本做大批量数据的比对代价会比较大,需要产生很多中间表,因此,做抽样数据验证,大大提高了效率,也易于发现bug

3.    代码静态分析和code review,会发现一些业务上和筛选条件上的错误;

4.    造测试数据,验证计算逻辑;

5.    数据列顺序对比;

Ø 校验的场景:

1.    数据量;

2.    记录是否唯一;

3.    数据区间和分布(minmaxavg等);

4.    数据中null值的替换及格式化特征;

5.    数据边界;

6.    数据是否一致、存在丢失;

7.    列顺序是否正确;

8.    数据的精度和格式化信息;

四、测试工具

过程中,运用的测试工具有:

1.    Hivetest

既可做sqlsql的比对,也能做sql与值的比对测试,平台包括数据准确、同步、脚本的模版、执行等;

2.    规则扫描工具:主要是对字段列配置规则进行扫描;

3.    表关系生成工具;

还有一些工具,例如Slowly平台、一淘的单元测试平台、BIchecklist数据对比工具、单元测试平台,没有进行适用,Slowly目前只支持支付宝的集群,一淘的目前还未做权限开放,当然想用的话,仍然可以联系灵石做处理;BI的单测平台目前只支持云梯2,而我们却在云梯1。。。。。。

总体感觉,在大数据测试这块,大数据对比、规则扫描、代码静态扫描、表关系生成、执行计划自动生成、单测平台会有比较大的应用前景,大数据的比对是难点。

五、常见bug分类

尝试做了2个模型的数据测试,发现的bug不多,大体上集中在:

1.    记录不唯一;

2.    Null值替换问题;

3.    过滤条件不正确;

4.    数据不一致和丢失;

5.    列顺序错误;


TAG: etl测试 大数据 数据仓库测试 海量数据

 

评分:0

我来说两句

樱花季节

樱花季节

专注测试技术、数据仓库、hadoop,曾就职于阿里巴巴,现在长沙拓维信息

日历

« 2022-01-23  
      1
2345678
9101112131415
16171819202122
23242526272829
3031     

数据统计

  • 访问量: 5079
  • 日志数: 6
  • 书签数: 2
  • 建立时间: 2010-10-26
  • 更新时间: 2013-07-31

RSS订阅

Open Toolbar