类型 | 传统数据库测试 | 大数据测试 |
数据 | 结构化数据 | 结构化数据和非结构化数据 |
测试方法是明确定义和时间测试 | 测试方法需要集中的研发工作(R&D efforts) | |
测试人员可以选择“Sampling”策略进行手动或可以选择“Exhaustive Verification”策略进行自动化测试 | "Sampling"策略在大数据测试有很大的挑战 | |
基础设施 | 不需要特殊的测试环境，因为文件大小有限 | 需要特殊的测试环境，因为大数据量和文件（HDFS） |
验证工具 | 测试程序使用基于Excel的宏或基于UI的自动化工具 | 没有定义的工具，范围很广从编程工具如MapReduce到HIVEQL |
拥有基本的操作知识和较少的培训就可以使用测试工具 | 需要一套特定的技能和培训来操作测试工具。此外，工具处于新生阶段，随着时间的发展也许会带来新的功能。 |
测试环境需求取决于要测试的应用程序的类型。对于大数据测试，测试环境应包括：
1.它应该有足够的空间用于存储和处理大量的数据
2.它应该具有分布式节点和数据的集群
3.它应该具有最低的CPU和内存利用率，以保持性能高
大数据集群 | 大数据工具 |
NoSQL | CouchDB, MongoDB, Cassandra, Redis, ZooKeeper, Hbase |
MapReduce | Hadoop, Hive, Pig, Cascading, Oozie, Kafka, S4, MapR, Flume |
Storage | S3, HDFS ( Hadoop Distributed File System) |
Servers | Elastic, Heroku, Elastic, Google App Engine, EC2 |
Processing | R, Yahoo! Pipes, Mechanical Turk, BigSheets, Datameer |
| 欢迎光临 51Testing软件测试论坛 (http://bbs.51testing.com/) | Powered by Discuz! X3.2 |