关于大数据量测试

     既然提到这个话题，就一定有构建大量测试数据的需求——我们团队常把这一类测试叫做“大数据量测试”。从过去的项目情况来看，我们仅有大概20%项目需要这做方面的测试，且侧重于产品。扯远了。

    构造海量数据来验证系统是否能正确执行，怎样才算正确的执行呢？定义一个清晰的、可测量的标准很重要。 在进行大数据量测试之前，首先对测试需求做清晰的分析。我们一般很少从功能评价的角度进行这项测试，更多的时候是考查系统性能和效率。假设一个本科院校的学籍管理系统，主要是用来管理学生的，学生在系统中的生命周期一般是4年，根据学校现有的在校生数以及未来五年每年的招生数据，基本上可以分析出需要构造的各个学年下的学生数。这样一来，原来在单个学期能正确执行的功能（功能、性能、效率都满足需求，这个需求可以作为大数据量测试时的参考标准），在处理4个学年的数据（8个学期）时，各个业务的功能、服务器性能、业务执行效率（如查询、统计、数据挖掘等）还能满足需求吗？根据业务特点，数据在系统中总是有一个相对确定的生命周期的，我们需要构造的往往是这些全生命周期的数据，注意不同的业务模块生成的数据量是不一样的。没有必要去构造不符合实际情况，数量级过大的测试数据。

    对测试需求做了准确清晰的分析之后，接下来 对输入的测试数据进行分析。一方面，我们要求测试数据要尽可能的与生产环境数据一致，尽可能是有意义的数据，可以通过分析使用现有系统的数据或根据业务特点构造数据。另一方面，我们要求测试数据输入要满足输入限制规则，尽可能覆盖到满足规则的不同类型的数据。我们遇到最多的还是在数据库中构造的测试数据，