大數(shù)據(jù)測試方法和工具梳理(修訂版)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上大數(shù)據(jù)測試方法和工具梳理1 什么是大數(shù)據(jù) 是一個大的數(shù)據(jù)集合，通過傳統(tǒng)的計算技術(shù)無法進行處理。這些數(shù)據(jù)集的需要使用各種工具、技術(shù)和框架進行處理。大數(shù)據(jù)涉及數(shù)據(jù)創(chuàng)建、存儲、檢索、分析，而且它在數(shù)量、多樣性、速度方法都很出色。2 大數(shù)據(jù)測試類型測試大數(shù)據(jù)應(yīng)用程序更多的是驗證其數(shù)據(jù)處理，而不是測試軟件產(chǎn)品的個別功能。當涉及到大數(shù)據(jù)測試時，性能和功能測試是關(guān)鍵。在大數(shù)據(jù)測試中，QA工程師使用集群和其他組件來驗證對TB級數(shù)據(jù)的成功處理。因為處理非?？?，所以它需要高水平的測試技能。處理可以是三種類型：批量、實時、交互。與此同時，數(shù)據(jù)質(zhì)量也是大數(shù)據(jù)測試的一個重要因素。在測試應(yīng)用程序

2、之前，有必要檢查數(shù)據(jù)的質(zhì)量，并將其視為測試的一部分。它涉及檢查各種字段，如一致性，準確性，重復(fù)，一致性，有效性，數(shù)據(jù)完整性等。3 大數(shù)據(jù)測試實現(xiàn)被分成三個步3.1 步驟1：數(shù)據(jù)分段驗證大數(shù)據(jù)測試的第一步，也稱為pre-Hadoop階段涉及過程驗證。 來自各種來源（如RDBMS，博客，社交媒體等）的數(shù)據(jù)應(yīng)進行驗證，以確保正確的數(shù)據(jù)被拉入系統(tǒng) 將源數(shù)據(jù)與推送到Hadoop系統(tǒng)中的數(shù)據(jù)進行比較，以確保它們匹配 驗證正確的數(shù)據(jù)被提取并加載到正確的HDFS位置該階段可以使用工具Talend或Datameer，進行數(shù)據(jù)階段驗證。3.2 步驟2：“MapReduce”驗證大數(shù)據(jù)測試的第二步是MapReduc

3、e的驗證。在這個階段，測試者在每個節(jié)點上進行業(yè)務(wù)邏輯驗證，然后在運行多個節(jié)點后驗證它們，確保如下操作的正確性： Map Reduce進程正常工作 在數(shù)據(jù)上實現(xiàn)數(shù)據(jù)聚合或隔離規(guī)則 生成鍵值對 在Map Reduce進程后驗證數(shù)據(jù)3.3 步驟3：輸出驗證階段大數(shù)據(jù)測試的最后或第三階段是輸出驗證過程。生成輸出數(shù)據(jù)文件，同時把文件移到一個EDW（Enterprise Data Warehouse:企業(yè)數(shù)據(jù)倉庫）中或著把文件移動到任何其他基于需求的系統(tǒng)中。在第三階段的活動包括： 檢查轉(zhuǎn)換(Transformation)規(guī)則被正確應(yīng)用 檢查數(shù)據(jù)完整性和成功的數(shù)據(jù)加載到目標系統(tǒng)中 通過將目標數(shù)據(jù)與HDFS文

4、件系統(tǒng)數(shù)據(jù)進行比較來檢查沒有數(shù)據(jù)損壞4 架構(gòu)測試Hadoop處理非常大量的數(shù)據(jù)，并且資源密集。因此，架構(gòu)測試對于確保大數(shù)據(jù)項目的成功至關(guān)重要。系統(tǒng)設(shè)計不當或設(shè)計不當可能導(dǎo)致性能下降，系統(tǒng)可能無法滿足要求。至少，性能和故障轉(zhuǎn)移測試服務(wù)應(yīng)在Hadoop環(huán)境中完成。性能測試包括測試作業(yè)完成時間，內(nèi)存利用率，數(shù)據(jù)吞吐量和類似的系統(tǒng)指標。雖然故障轉(zhuǎn)移測試服務(wù)的動機是驗證數(shù)據(jù)處理在數(shù)據(jù)節(jié)點故障的情況下無縫地發(fā)生5 性能測試大數(shù)據(jù)的性能測試包括兩個主要方面: 數(shù)據(jù)獲取和吞吐量：在這個階段，測試人員驗證快速系統(tǒng)如何使用來自各種數(shù)據(jù)源的數(shù)據(jù)。測試涉及識別隊列在給定時間幀中可以處理的不同消息。它還包括如何快速地將

5、數(shù)據(jù)插入到底層數(shù)據(jù)存儲中，例如插入到Mongo和Cassandra數(shù)據(jù)庫中。 數(shù)據(jù)處理：它涉及驗證執(zhí)行查詢或map reduce作業(yè)的速度。它還包括底層數(shù)據(jù)存儲的數(shù)據(jù)集中填充時隔離測試數(shù)據(jù)的過程。例如，在底層HDFS上運行Map Reduce作業(yè) 子組件性能：這些系統(tǒng)由多個組件組成，必須單獨測試這些組件。例如，消息被索引和使用的速度，mapreduce作業(yè)，查詢性能，搜索等。5.1 性能測試方法大數(shù)據(jù)應(yīng)用程序的性能測試涉及大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的測試，它需要一種特定的測試方法來測試這樣的大量數(shù)據(jù)。性能測試按此順序執(zhí)行1. 對要性能測試的大數(shù)據(jù)集群的進行設(shè)置2. 識別和設(shè)計相應(yīng)的工作負載3.

6、準備單個客戶端（創(chuàng)建自定義腳本）4. 執(zhí)行測試并分析結(jié)果（如果不滿足目標，則調(diào)整組件并重新執(zhí)行）5. 最佳配置5.2 性能測試的參數(shù)要驗證性能測試的各種參數(shù)是 數(shù)據(jù)存儲：數(shù)據(jù)如何存儲在不同的節(jié)點中 提交日志：提交日志允許增長的大小 并發(fā)性：有多少線程可以執(zhí)行寫和讀操作 緩存：調(diào)整緩存設(shè)置“行緩存”和“密鑰緩存”。 超時：連接超時，查詢超時等的值。 JVM參數(shù)：堆大小，GC收集算法等。 降低性能：排序，合并等 消息隊列：消息速率，大小等6 測試環(huán)境需求測試環(huán)境需求取決于要測試的應(yīng)用程序的類型。對于大數(shù)據(jù)測試，測試環(huán)境應(yīng)包括 它應(yīng)該有足夠的空間用于存儲和處理大量的數(shù)據(jù) 它應(yīng)該具有分布式節(jié)點和數(shù)據(jù)的

7、集群 它應(yīng)該具有最小的CPU和內(nèi)存利用率，以保持高性能7 大數(shù)據(jù)測試和傳統(tǒng)數(shù)據(jù)庫測試8 大數(shù)據(jù)場景中使用的工具8.1 針對大數(shù)據(jù)單個組件測試工具GridMix針對Hadoop集群的測試基準，它具備評測大規(guī)模數(shù)據(jù)處理系統(tǒng)所需的各個功能模塊，包括：產(chǎn)生數(shù)據(jù)，生成并提交作業(yè)，統(tǒng)計作業(yè)完成時間等。TeraSort針對文本數(shù)據(jù)的排序。1TB排序通常用于衡量分布式數(shù)據(jù)處理框架的數(shù)據(jù)處理能力。Terasort是中的的一個排序作業(yè)，在2008年，Hadoop在1TB排序基準評估中贏得第一名，耗時209秒。YCSB是Yahoo開發(fā)的一個專門用來對新一代數(shù)據(jù)庫進行基準測試的工具。全名是Yahoo! Cloud S

8、erving Benchmark。 他們開發(fā)這個工具的目的是希望有一個標準的工具用來衡量不同數(shù)據(jù)庫的性能。YCSB做了很多優(yōu)化來提高客戶端性能，例如在數(shù)據(jù)類型上用了最原始的比特數(shù)組以減少數(shù)據(jù)對象本身創(chuàng)建轉(zhuǎn)換所需的時間等。Filebench 是一款文件系統(tǒng)性能的自動化測試工具，它通過快速模擬真實應(yīng)用服務(wù)器的負載來測試文件系統(tǒng)的性能。它不僅可以仿真文件系統(tǒng)微操作（如 copyfiles， createfiles， randomread， randomwrite ），而且可以仿真復(fù)雜的應(yīng)用程序（如 varmail， fileserver， oltp， dss， webserver， webproxy

9、 ）。 Filebench 比較適合用來測試文件服務(wù)器性能，但同時也是一款負載自動生成工具，也可用于文件系統(tǒng)的性能。8.2 綜合類測試工具，覆蓋大數(shù)據(jù)平臺多個功能組件Hibench是用來在速度方面評估不同的大數(shù)據(jù)框架的，它包括一系列的Hadoop，Spark，streaming工作負載，包括sort，wordcount，TeraSort, Sleep, SQL, PageRank, Nutch indexing, Bayes, Kmeans, NWeight and enhanced DFSIO,等。同樣也為park Streaming, Flink, Storm and Gearpump提供

10、工作負載。BigDataBench是中科院計算所提出的大數(shù)據(jù)測試工具，覆蓋了結(jié)構(gòu)數(shù)據(jù)、半結(jié)構(gòu)數(shù)據(jù)和非結(jié)構(gòu)數(shù)據(jù)，其負載模擬了搜索引擎、社交網(wǎng)絡(luò)和電子商務(wù)等業(yè)務(wù)模型。8.3 具體應(yīng)用領(lǐng)域端到端大數(shù)據(jù)測試工具BigBench是基于TPC-DS開發(fā)的端到端測試工具，面向零售業(yè)務(wù)，模擬電子商務(wù)的整個流程，主要測試MapReduce和并行DBMS。9 大數(shù)據(jù)測試中的挑戰(zhàn)9.1 自動化大數(shù)據(jù)的自動化測試需要有技術(shù)專長的人員。此外，自動化工具不能處理測試期間出現(xiàn)的意外問題9.2 虛擬化它是測試的必需階段之一。虛擬機延遲會在實時大數(shù)據(jù)測試中產(chǎn)生時序問題。還有在大數(shù)據(jù)中管理圖像是一個麻煩。9.3 大數(shù)據(jù)集 需要驗證更多的數(shù)據(jù)，需要做的更快 需要自動化測試工作 需要能夠跨不同平臺進行測試9.4 性能測試的挑戰(zhàn) 多樣化的技術(shù)：每個子組件屬于不同的技術(shù)，需要獨立測試 特定工具的不可用性：沒有單個工具可以執(zhí)行端到端測試。