【讨论】【难题】一个测试问题，个人觉得有难度，请高手各抒己见

dongri

不知道发这里合适不合适，我看这里人气最旺就放这里了，如果不合适我再发到别的板块，请版主手下留情。
我这里有一个实际问题的简化，相信还是有一定难度的，请大家一起讨论一下。
数据库中两个表,表A和表B，主键分别为Aid和Bid，其中都有一个字段为time,现在要分别清洗表A和表B（所谓清洗是指把非法字段和空记录删除），然后通过time字段将表A和表B做拼接，得到表C。表A和表B都很大，假设都有上亿条记录。做这个并不难，但是保证不出问题就比较困难了。
我个人觉得困难的几点：1.这两个表都是n多年前的表，可能有各种各样的无效数据，怎样保证清洗干净而不会把有用数据清洗掉；2.拼接过程怎样保证数据的一致性；3.数据可能是乱序的
问题：1.如何验证清洗和拼接的正确性和完备性？用什么测试工具？如何测试？
           2.如果表A中的time字段有重复的就选Aid最大的一个做链接，其余的抛弃，这样又如何测试呢？
           3.如果表A和表B还以每天还在动态增加数据又该如何？
      
相信这个问题还是有一定的价值的，请各路高手各抒己见，相信对自己也是个提高的机会。

dongri

多谢了。
我再解释一下问题：
正确性是指清洗时没有清洗掉有用数据，拼接时没有拼接错；
完备性是指应该拼接的都拼接上了，不该拼接的都没有拼接上。

讨论：
1.你说的自己写sql语句，我也想到了，可是是什么思路呢？清洗如何验证？拼接如何验证？是验证统计信息（比较记录条数）？还是逐个比对？具体如何做？
2.其实这里还有一个问题，就是历史遗留的垃圾数据问题，究竟什么样的记录是垃圾数据我们也不清楚，（比如哪个字段出现了不应该出现的值，只能等业务确认，所以如何识别这些垃圾数据也很成问题，现在的问题是开发识别不过来，推给测试这个工作了）
2.抽样数据的问题，现在开发时就是抽样的数据，测试其中的一项工作就是尽量扩大抽样范围，因为抽样很有可能有些情况被跳过了。
3.增量问题。增量有一个问题就是时间乱序，比如说10号出现的增量可能是8号那天的数据，所以和9号的乱序了。这个我们如何检验开发写的程序没问题？

archonwang

1. 正确性要求怎样？完备性要求怎样？以上两个问题无论如何都需要明确。测试工具一般是自己通过写SQL做的，完成后对比验证清洗和拼接的正确性。测试的时候采用业务数据抽样做。
2. 这个应该不是测试的问题，而是清洗方法的问题吧，A-time如果存在重复，肯定是数据库设计存在漏洞，即使修补过来了，可能存在垃圾数据，用个SQL语句检查下就好了。
3. 动态新增数据不是大问题，关键是当你执行这些SQL时，保证数据库是增量的即可。到时候完成之后再把对应增量部分的内容加入到新数据库即可。这里的关键前提是增量的新数据必须严格按照最新的要求完成。切忌A-Time重复等情况。