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。
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!
- Variety:数据类型分为结构化数据、半结构化数据(例如电子邮件、办公处理文档)、非结构化数据(文本、音频、视频等等)
- Velocity:大数据具有时效性,要求在正常业务处理时必须及时的处理大数据才能最大化的挖掘和利用大数据的潜在商业价值
- Volume:即海量数据,当前对大数据的定义会有些不一样,但有一个基本的共识就是:数据量将急剧增长
- Value:即数据价值,大数据处理的目的是从海量的低价值密度的数据中挖掘出具有高价值的数据,尤其是商业价值,即如何有效利用好这些数据
一些思考
从大数据的4V特征来看,我们如何保证大数据及大数据处理过程的质量将会面临如下一些挑战,尤其对当下的软件测试工程师:
- 面对更为庞大和复杂的场景下,思维转变的挑战
- 大数据处理相关技术,成为了目前软件测试工程师的拦门虎
- 随着与人工智能、区块链等进一步场景落地结合,所带来的思维和技术的挑战将会是前所未有的
- 传统经典的测试方法在应对更为复杂的应用场景时,显得攻势不足,我们需要站在经典的测试方法上去创新、构建新的测试方法
结合工作的思考
结合这些年所从事的行业和岗位,关于大数据测试方面有些简单的思考:
- 大数据基础理论和技术是需要长期坚持学习和提升的
- 结合所在行业和工作,从解决一点、一件事情做起,逐步的引入一些理念,有利于培养整个团队的意识
- 深入分析所在行业的用户数据特征、商业模式和行业发展趋势等有利于构建本行业的大数据的质量模型和测试技术体系
总结
大数据测试在国内的落地依旧有很长的路要走,我们要面临的挑战不能以多来形容,应该说是从无到有的艰难
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。
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!
T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!**