先自我介绍一下,小编浙江大学毕业,去过华为、字节跳动等大厂,目前阿里P7
深知大多数程序员,想要提升技能,往往是自己摸索成长,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年最新大数据全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
如果你需要这些资料,可以添加V获取:vip204888 (备注大数据)
正文
- 字段非空非 null 判断
- 非正常值判断
- 枚举准确性
- 如果是关于金额类型的是否有负数
- 数据是否有效合理
关于以上校验的一些 sql 样例
唯一性
--sku唯一,无重复记录
SELECT sku_id
,count(1)
FROM xxx.ads_xxx_sku
WHERE pt = '20221211'
GROUP BY sku_id
HAVING count(1) > 1
;
判断为 null
--空值判断
SELECT sku_id,sku_name
FROM xxx.ads_xxx_sku
WHERE pt = '20221211'
and (sku_id IS NULL OR sku_name IS NULL)
;
判断是否为空
select sku_id,sku_name
from xxx.ads_xxx_sku
where pt='20221211'
and (sku_id="" or sku_name="")
负值判断
select price
from xxx.ads_xxx_sku
where pt='20221211'
枚举判断
SELECT distinct(sku_name)
FROM from xxx.ads_xxx_sku
WHERE pt = '20221211'
;
2.白盒测试
需要对开发的代码走读,check 指标处理逻辑。同时测试也需要准备验证脚本,或者查找到可以作为验证参考的数据,便于口径核对,这个环节,对测试人员的指标口径沉淀有一定的要求。在发现指标数据存在差异的情况,需要协助开发人员一起定位差异原因,时常需要在现有的口径基础上,在数仓空间往上翻多层,或者一个指标定义不够清晰,需要自行去数分空间查找口径定义。另外,在测试通过后,需要编写相应的 DQC 脚本,及时监控生产数据质量。这些对测试来说,需要有一定的 sql 功底;
- 字段长度、最大最小值、异常值、边界等
- 计算单位是否统一
- 常见函数,比如 dateadd 等日期函数的时间偏差
- 查看调度配置是否缺少依赖
关于以上情况举下一些实际案例
使用的是 DATEADD 函数,统计近 6 天数据,需往前推 5 天,对应的前置条件应调整为 ‘-5’
BETWEEN TO_CHAR(DATEADD(TO_DATE('${bizdate}','yyyyMMdd'), -6,'dd'),'yyyyMMdd')
字段未做默认处理,数值字段一般默认为 0,字符串默认为 ‘’;
nvl(t22.spu_bid_cnt_30d,0) as spu_bid_cnt_30d -- 近30天_出价spu数
,nvl(t17.spu_cnt_td,0) as spu_cnt_td -- 当天动销商品数
,nvl(t22.spu_inv_num_7d,0) as spu_inv_num_7d -- 近七天_在售商品数
,t22.spu_inv_num_30d as spu_inv_num_30d -- 近30天_在售商品数
常用的测试方法
DQC 校验
在日常测试时,常会遇到一种迁移任务和重构任务,此类任务对于原先的指标和口径几乎是没有任何差别,这个时候 DQC 校验可以方便快捷的来解决
通常使用的方法如下:
SELECT t1.xxx_id AS xxid
,t1.xxx_month AS xx统计时间
,t1.xxx_rate AS xx率
,t2.xxx_rate AS 旧xx率
FROM (
SELECT xxx_id
,xxx_month
,xxx_rate
FROM newtalbe
WHERE pt = '20221011'
) t1 inner JOIN (
SELECT xxx_id
,xxx_time
,xxx_rate
FROM oldtable
WHERE pt = '20221011'
) t2
ON t1.xxx_id = t2.xxx_id
AND t1.xxx_month = t2.xxx_time
where t1.xxxx_rate <> t2.xxxx_rate
血缘横向对比
测试过程中往往会发现数据对不上或者枚举不对的情况,为了进一步排查我们就需要通过血缘关系,来了解我们字段的来源是否错误。
比如以上表如果商家订单表中的内容有错误,可以通过 sql 先查看字段的来源,然后通过血缘关系来看表中的字段是否有问题,对问题根因逐个进行排查
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化的资料的朋友,可以添加V获取:vip204888 (备注大数据)
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
这份系统化的资料的朋友,可以添加V获取:vip204888 (备注大数据)**
[外链图片转存中…(img-evRhAgRg-1713184875662)]
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!