ETL测试方法论（ETL测试分层与持续集成）

樱花季节 · 发表于 2011-5-27 15:14:47

本帖最后由樱花季节于 2011-5-27 15:22 编辑

ETL测试方法论（ETL测试分层与持续集成）

根据ETL各个阶段的不同特点，可以将ETL测试分为：物理数据测试和逻辑数据测试。
物理数据测试：是指纯粹从技术上保证数据的有效性，与业务无关。
逻辑数据测试：是从业务逻辑上，对原始指标以及最终产出的业务指标之间的逻辑平衡性监控。通过这些监控，能让底层etl技术人员第一时间的发现数据问题并且解决问题，同时也能根据这些监控提前知道可能产生的结果，为后续产生的业务分析报告作出进一步的修正，从而保证数据仓库的数据的是有效的是能真正反应事实的。（引用adolph）

在ETL测试过程中，根据实际情况可以将ETL的这些环节拆分或组合成多个测试面，根据不同的测试面进行不同重点的测试。目前可以将ETL环节拆分成以下4个测试面：
源数据->odl、odl->adl、idl->adl、源数据->adl测试面，其中源数据->bdl侧重物理数据测试，bdl->adl侧重逻辑数据测试。
各个测试面的关注点如下：
1.       第一面是源数据到odl的测试。主要关注以下几个方面（侧重物理数据测试）：
对ETL抽取方案的测试。
首先是抽取方案稳定性，如果源体系表结构有改变，需要保证ETL抽取方案不变或者微变。
其次数据传送接口方案合理性。源系统以何种形式把数据提供给目标系统，源系统推送或者目标系统主动抽取。数据日期、数据大小、记录数、增量or全量。
对于抽取策略的测试。
检测抽取策略的合理性。目前常用的抽取策略有全量抽取、增量抽取。对于增量抽取，捕捉变化的数据有如下几种：1)采用快照方式。需要业务系统建立insert,update,delete触发器。2)时间戳方式，在业务系统表建一个时间戳字段，一旦数据发生变化，则修改此字段。3)全表删除插入方式，每次ETL操作先将目标表数据删除，然后抽取。4)hash比对，是全表比对的一个扩展，通过计算主要业务字段的MD5校验码存入hash维表，通过与hash维表的比对进行抽取。5)日志表方式，跟进业务系统的日志表进行数据抽取。6)oracle变化数据捕捉，通过分析数据库自身日志判断变化的数据。
对转换规则的测试。
首先是数据格式的合法性。对于数据源中时间、数值、字符等数据的处理，是否符合数据仓库规则，是否进行统一的转换。
其次是值域的有效性。是否有超出维表或者业务值域的范围。
第三是空值的处理。是否捕获字段空值，或者需要对空值进行替换为其他含义值的处理。
第四是主键的有效性。主键是否唯一。
第五是乱码的检查。特殊符号或者乱码符号的护理规则。
第六是脏数据的处理。比如不符合业务逻辑的数据，数据孤岛。
加载策略的测试。
首先是加载策略的合理性。目前常用的加载策略有如下几种：1) trunctae and insert.直接清空目标表，然后把新的数据加载进去。2) append.先根据规则清除当天的记录，然后把当天的新数据追加进去。 3) update and insert.用新数据与目标表中的历史数据进行比较，有变化的则更新，新记录则直接插入到目标表中。
4) keep history change.保持历史的变化，通常是拉链记历史的方式实现。
2.       第二面是odl到adl的测试。主要关注以下几个方面（物理数据测试+逻辑数据测试）：
对转换规则的测试。
首先是数据格式的合法性。对于数据源中时间、数值、字符等数据的处理，是否符合数据仓库规则，是否进行统一的转换。
其次是值域的有效性。是否有超出维表或者业务值域的范围。
第三是空值的处理。是否捕获字段空值，或者需要对空值进行替换为其他含义值的处理。
第四是主键的有效性。主键是否唯一。
第五是乱码的检查。特殊符号或者乱码符号的护理规则。
第六是脏数据的处理。比如不符合业务逻辑的数据，数据孤岛。
对delta测试。
Delta记录的是变化的数据，通过今天与昨天数据的比对找出变化的记录。
对拉链历史测试。
主要是检查是否存在断链的记录，生命周期是否交叉。
对数据趋势测试。
首先是数据趋势要趋于平稳，，即波动是否有规律，且波动范围在设定的阀值之间。关于阀值的设定不同的业务指标有不同的标准。
对业务逻辑测试。
根据业务规则验证业务正常流。
指标口径的一致性，如对于有效cookie的定义是否统一口径。
如从行业维度考察各个行业的上架产品数，需要注意区分行业以及上架产品的概念。各行业的LPV，根据平台的情况，各个行业的LPV大致的区间范围。
各行业的DPV，根据平台的情况，各个行业的DPV大致的区间范围。理论上LPV>DPV。
根据业务规则验证业务异常流。
如上架产品数对于produc_id的异常处理，考虑行业不存在的情况等等。
程序编译是否通过，是否支持重复调度以及回滚。根据业务是否需要记历史。
验证记录平衡，从浏览明细表统计出的行业LPV,DPV根据业务是否平衡。
唯一性，目标表中行业维度是否唯一，是否存在重复性记录等等。
3.       第三面是idl到adl的测试。主要关注以下几个方面（物理数据测试+逻辑数据测试）：
对业务逻辑测试。
根据业务规则验证业务正常流。
指标口径的一致性，如对于有效cookie的定义是否统一口径。
如从行业维度考察各个行业的上架产品数，需要注意区分行业以及上架产品的概念。各行业的LPV，根据平台的情况，各个行业的LPV大致的区间范围。
各行业的DPV，根据平台的情况，各个行业的DPV大致的区间范围。理论上LPV>DPV。
根据业务规则验证业务异常流。
比如上架产品数对于produc_id的异常处理，考虑行业不存在的情况等等。
程序编译是否通过，是否支持重复调度以及回滚。根据业务是否需要记历史。
验证记录平衡，从浏览明细表统计出的行业LPV,DPV根据业务是否平衡。
唯一性，目标表中行业维度是否唯一，是否存在重复性记录等等。
对数据趋势测试。
首先是数据趋势要趋于平稳，即波动是否有规律，且波动范围在设定的阀值之间。关于阀值的设定不同的业务指标有不同的标准。
4.       第四面是源系统到adl的测试。主要关注以下几个方面：
上述的综合
ETL测试是一个持续的过程，数据仓库每天都会定时进行ETL的抽取，因此ETL测试并非是一次性的工作，必须要持续进行，才能保证数据的质量，因此ETL持续集成测试是有必要的。
ETL测试分层
ETL测试分层：针对ETL过程的特点，将ETL过程划分成不同的层级，针对层级特点来实施不同的测试方案，达到测试代码的复用以及提高测试效率的目的。
从图上可以看出，ETL过程存在很清晰的等级分层情况。在进行ETL测试的过程中，可以将ETL过程划分为：源数据->odl（1）,odl->bdl（2）,bdl->idl（3）,idl->adl（4） 4个层级，4个层级分别是4个零件块，针对每个零件块进行测试代码的开发与维护，最终组合成一个整体。
在业务模型以及物理模型丰富的企业中，底层相对稳定，主题域的划分细致、明确，因此多数应用能通过idl主题域来进行实现，此时ETL测试工作的重点集中在第四零件块上，
针对第四零件块进行测试代码的开发与维护，通过调用第一零件块，第二零件块，第三零件块，从而达到整体测试。
在业务模型不丰富的企业中，一些应用的实现需要从最底层向上逐步刷取，此时ETL测试工作的重点分布在四个零件块上，需要进行第一，第二，第三，第四零件块的测试代码的开发与维护，通过相互调用达到整体测试。
在实际项目过程中，我们需要结合具体情况进行ETL过程拆分。将ETL分层测试与ETL持续集成结合起来，形成一套强有力的ETL测试体系。