大家好，今天我們一起聊聊在進行大數據測試中需要關注哪些測試點，如何更好得做好大數據測試。

一、從傳統的軟件測試質量模型來看，大數據測試可以從大數據的功能性、、易用性進行評估質量。

1.功能性的測試：指大數據目標業務數據的存儲功能是否符合預期需求。例：公司通過爬蟲獲取到友商的一些數據，作為測試人員可以嘗試考慮這些方面。數據爬取的是否正確、數據入庫是否正確、存儲的表及字段信息是否正確等。

2.數據全面性：測試通過數據分析拿到的爬蟲數據對應的友商是否全面，即：除了競品或友商中A的數據應該獲取，競品或友商B、C、D的數據是否有考慮，通常在需求評審階段提出，測試獲取的數據是否完整 等。

3.數據完整性：測試分析目標數據確保指定時間范圍內每天有數據，排除被風控了的情況、數據是否重復，例：同1條URL對應2條結果數據，數據預期與結果總條數一致，表數據信息是一致、是否有遺漏的情況。

4.數據合理性：從數據應用層出發測試，應測試數據字段類型check，如對重要字段類型check，例：int型下出現其他字符類型情況，字段異常值check，例：null、空、或者另外一些約定異常值，字段默認值一致性驗證check，例: 從A表同步到B表后，某字段枚舉值含義相同。應用數據字段的正確性。

5.數據準確性：測試獲取到數據的結果表與數據源頭表是否一致，可能源表經過A -> B -> C處理后得到結果表，所以需要驗證整個過程數據是否丟失，確保數據的準確與一致性，可基于數據的總量來考量驗證。

6.數據安全性：多賬號登錄及賬號權限控制，敏感數據脫敏加密處理，數據加密隔離等方面進行測試。

7.數據易用性：獲取的數據可復用、可視頻化、易理解性等方面進行考量測試。

二、大數據的可靠性與數據的處理效率。

1.數據容錯性：在上下游數據出現宕機或者異常情況下能夠兼容容錯處理，使獲得的數據正確性。保證數據的一致性。

2.數據恢復性：當數據丟失或缺失時能夠在較快時間內方便恢復。

3.數據處理效率：在大數據量的情況下處理數據的效率、及MYSQL的線程處理能力及資源緊張或不足的情況下給應用層帶來的影響范圍。

三、大數據的可維護性及可移植性。

1.數據的維護性：數據可用并可及時的維護,隨時可維護庫表之間的關系，維護單表之間的關系，維護拓展數據字段及數據信息。

2.數據的可移植性：確保數據在移植中數據的遷入、數據的遷出中數據的完整性，準確性，庫表、字段、數據信息不丟失。