另一方面，由于大数据面向具体行业的应用，非功能性测试需要在整个大数据处理框架下进行，功能性测试除外。
a .性能测试
性能是评价大数据分析系统的最重要维度，大数据系统的性能主要包括吞吐量、任务完成时间、内存使用率等多个指标，能够反映大数据分析平台的处理能力、资源利用能力等性能。 可以通过Hadoop性能监测器监测运行状态的性能指标和瓶颈问题，性能测试采用自动化方式进行，测试不同负载情况下系统的性能。
b .弹性测试
可以从部分故障中自动恢复，而且不受验证的影响。 尤其是发生故障时，大数据分析系统在进行恢复的同时继续以可接受的方式操作，出现错误时应该在一定程度上继续操作，需要根据应用场景设计解决方案和具体部署，并进行手动测试。
c .可用性测试
高可用性已是大数据分析不可缺少的特性之一，从而保证数据应用业务的连续性。 大数据的高可用性对许多应用非常重要，需要严格测试和验证，以手动测试为主。
d .可扩展性测试
对于大数据时代的文件系统来说，灵活的可扩展性尤为重要。 文件系统的可扩展性测试主要以测试系统的灵活扩展性(伸缩)和对扩展系统性能的影响、验证是否具有线性可扩展性、手动测试为主。
e .稳定性测试
大数据分析系统通常不间断地长期运行，稳定性的重要性不言而喻。 稳定性测试主要验证系统在长时间(7/30/180/365*24 )许可下，系统运行正常，功能正常。 稳定性测试通常采用自动化方式进行，LTP、10ZONE、POSTMARK、FIO等工具会对测试系统产生负载，稳定性测试通常采用自动化方式进行
f .测试部署方法
大数据具备scale-out的特征，可以构建大规模、高性能的文件系统集群。 部署文件系统的方式因APP应用程序和解决方案而异。
部署方法测试应在多种情况下测试系统部署方法，包括自动安装配置、群集规模、硬件配置(服务器、存储、网络)和自动负载平衡。 这部分测试无法进行自动化测试，需要根据APP解决方案设计并手动测试解决方案和具体部署。
g .数据完整性测试
其中，数据完整性意味着文件系统中的数据与外部写入之前的数据一致，即写入的数据和读取的数据始终一致。 数据完整性表示文件系统可以在不丢失或出现错误的情况下保证数据完整性。 这是文件系统最基本的功能，可以通过diff、md5sum编写脚本并自动执行测试，LTP也提供了测试数据完整性的工具。 (测试交流群) 829792258/行业大神交流研讨/资料共享() ) ) ) ) ) ) )。
h .压力测试
大数据分析系统的承载能力是有上限的，如果系统超载，可能会出现系统性能下降、功能异常、拒绝访问等问题。 压力测试验证系统是否依然正常运行、功能是否正常、系统资源消耗情况，包括数据多客户端、高OPS压力、高IOPS/吞吐量压力等，为大数据运用提供依据。
二、功能测试数据功能主要涉及系统实现面向大数据分析APP的POSIX API，包括文件读写控制、元数据操作、锁定操作等功能；
大数据分析系统的POSIX语义不同，实现的文件系统API也不同。 功能测试涵盖大数据系统实现所涉及的API和功能点；
功能测试工作量大，应重点考虑应用自动化测试方法进行，同时结合手动测试进行补充。 自动化工具推荐ltp、fstest和locktests。
在多节点处理大数据的过程中，存在着“无用数据”和数据质量问题导致的各种问题。 功能测试主要用于识别由编码错误或节点配置错误导致的数据问题。
这包括以下阶段。
a .数据导入/预处理验证阶段
根据具体的APP应用背景和业务需求，各种数据源(如网络日志、物联网、社交网络、互联网文本和文件)将按需加载到HDFS中进行处理。 在此过程中，可能会因非法或不复制以及保存而导致错误数据。 在这种情况下，可以使用以下方法进行测试：
1 .核对输入文件和源文件，保证数据完整性；
2 .根据数据需求保证获取数据的准确性
3 .确保文件被正确加载、拆分并复制到HDFS中的不同数据节点。
b .映射数据输出验证阶段
当数据加载到HDFS时，mapreduce将开始处理来自不同数据源的数据。 此过程可能会导致mapreduce过程中的编码问题，例如在单个节点上正常工作，在多个节点上无法正常工作。 这包括不正确的聚合、节点配置和输出格式等。 针对这个阶段的问题，可以采用以下验证手段。
1 .验证整理数据处理正常完成，成功获得输出文件；
2 .在单节点验证大数据业务逻辑，然后继续
在多节点进行相同的验证；
验证mapreduce处理过程中的key/value对是否正确生产
reduce进程完成后，验证数据合并是否正确；
5 .通过验证源文件中的输出数据，确保数据处理正确完成
6 .根据大数据业务需要，验证输出数据文件格式是否符合要求。
c .从ETL到数据仓库的大数据验证
成为地图
reduce过程结束后，产生的数据输出文件将被按需移至数据仓库或其它的事务型系统.在此过程中，可能会由于不正确地应用转换规则，从HDFS中提取的数据不完全而带来问题。针对于这个阶段的问题可采用以下方法：1.验证转换规则是否正确应用；
2.通过比较目标表数据和HDFS文件数据来验证是否有数据损坏；
3.验证目标系统数据加载是否成功；
4.验证目标系统的数据完整性。
d.验证分析报告
从数据仓库或者Hive中得到的数据，可通过报表工具得到分析报告；这个过程可能会产生报表定义不能达到要求的报表数据问题；在这个过程中可通过查询来验证报表是否满足业务要求。
最后： 可以在公众号：伤心的辣条 ！ 自行领取一份216页软件测试工程师面试宝典文档资料【免费的】。以及相对应的视频学习教程免费分享！，其中包括了有基础知识、Linux必备、Shell、互联网程序原理、Mysql数据库、抓包工具专题、接口测试工具、测试进阶-Python编程、Web自动化测试、APP自动化测试、接口自动化测试、测试高级持续集成、测试架构开发测试框架、性能测试、安全测试等。
学习技术千万不要孤军奋战，最好是能抱团取暖，相互成就一起成长，群众效应的效果是非常强大的，大家一起学习，一起打卡，会更有学习动力，也更能坚持下去。你可以加入我们的测试技术交流扣扣群：914172719（里面有各种软件测试资源和技术讨论）
喜欢软件测试的小伙伴们，如果我的博客对你有帮助、如果你喜欢我的博客内容，请 “点赞” “评论” “收藏” 一键三连哦！
好文推荐转行面试，跳槽面试，软件测试人员都必须知道的这几种面试技巧！
面试经：一线城市搬砖！又面软件测试岗，5000就知足了…
面试官：工作三年，还来面初级测试？恐怕你的软件测试工程师的头衔要加双引号…
什么样的人适合从事软件测试工作？
那个准点下班的人，比我先升职了…
测试岗反复跳槽，跳着跳着就跳没了…