大数据测试 - 数仓测试_数据仓库测试

2401_84185626

于 2024-04-12 11:08:02 发布

阅读量451

点赞数 3

分类专栏： 2024年程序员学习文章标签：数据仓库大数据数据库

本文链接：https://blog.csdn.net/2401_84185626/article/details/137673411

版权

2024年程序员学习专栏收录该内容

46 篇文章 0 订阅

订阅专栏

数据的类型测试

1.黑盒测试

所谓黑盒的数据测试就是已数据结果为准对数据进行校验需要测试的有：

检查表结构是否与设计文档一致
主键是否唯一
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。