大数据产品---BI类产品测试总结

                                                

一、业务应用背景

1、向数据要价值->提供决策依据

2、实现数据的综合分析

3、多个视角观察数据

4、提供更丰富灵活的报表展现方式

5、提供业务系统无法提供的灵活查询

6、提供高级数据分析功能、如数理统计、预测、挖掘等

 

优势：

 

 

 

二、名词解释：

1、BI

• BI是一个过程：分析需求理解及业务建模、DW建模、数据整合、数据分析、信息展示、信息交付、决策支持（DSS）、改善业务，提升管理
• BI是一组软件工具的集合：ETL工具、数据清洗工具、数据仓库引擎、分析模型及算法、OLAP工具、查询报表工具、信息展现工具、管理维护工具

 

2、维度表：维度表是维度属性的集合。是分析问题的一个窗口。是人们观察数据的特定角度，是考虑问题时的一类属性，属性的集合构成一个维度------维度

3、事实表：事实表是数据仓库结构中的中央表，它包含联系事实与维度表的数字度量值和键。事实数据表包含描述业务（例如产品销售）内特定事件的数据----指标

4、切片、切块、旋转、上卷、下钻

• 切片与切块：在数据立方体的某一维度上选定一个维成员的操作叫切片，而对两个或多个维执行选择则叫做切块。下图逻辑上展示了切片和切块操作

• 旋转：旋转是指改变报表或页面的展示方向，即更改select后面字段的顺序

• 上卷和下钻

 

三、测试过程总结

<功能测试、性能测试、接口测试>

 

需求分析，业务流程分析:

 

测试过程：根据需求文档及原型编写测试用例，然后与研发、产品、项目经理进行用例评审，评审后修改用例，研发提测后，提交版本，进入第一轮测试，提交Bug，Bug解决后研发提交第二轮版本，进行第二轮测试，验证Bug，并进行新需求与阶段性回归测试。

 

总结问题：

1、需严格按照软件包和版本号进行测试，严格规范测试轮次，提高测试效率，杜绝在本轮测试未完成情况下，研发私自提交代码（因为本项目测试对接的是外部虚拟桌面环境，不是公司实验室环境，所以部署测试环境是研发对接，而不是测试部署，所以需严格跟研发leader沟通好环境部署问题）

2、测试过程中关注不同模块的Bug数量，以及研发的解决Bug能力，特殊模块需重点测试

3、一次迭代测试后输出Bug与测试轮次相关的总结，包含：bug激活次数、bug处理轮次与提交轮次的关系，如果bug数量过多及时与研发以及测试组长讨论出现原因，如何从流程上提升代码质量或者具体解决方案，优化整个软件开发流程。

4、BI类产品测试涉及多类型数据源、不同数据源承载的数据量不同，生成的报表的数据量以及取数的数据量不同，要进行报表数据查询的性能测试

5、BI类产品测试涉及多类型数据源、不同数据源库表结构定义不同，也要考虑现网的要求的加载表的数量以及库的数量，注意此处的性能问题

6、BI类产品测试涉及到订阅功能，要注意现网与测试环境时区配置等是否一致，如不一致可能会出现邮件收不到情况，邮件的测试要注意多种类型的邮件收发测试，以及大数据量报表订阅导出的测试

项目中遇见的难点及解决方案：

1、业务使用场景不明确，通过需求分析以及调研，确认业务使用场景：多为数据分析师使用，根据具体使用场景出发，基于用户角度开展功能测试，避免主观思维测试，遗漏相关测试点。

2、数据的灵活性使用，测试指标波动变化时，需自己制造一些随机测试数据，通过写sql，标记字段值为flag=0,1,2，标记日、周、月、数据，随机生成不同周期的数据后，再进行功能性测试，手工根据公式计算指标波动值，与程序计算的指标波动值对比

3、大数据量测试，需通过存储过程制造测试数据，BI类产品测试难点在于sql编写以及理解，涉及到各类聚合方式的测试，需在系统中跑sql，以及去库里跑sql，比对两者的数据，确认数据准确性，难点在于ES、Hbase、Hive等不同类型数据源查询语法等不一样，所以要掌握hsql等多种sql编写的语法上的不同点，逐一去攻破

4、如果未来有一个生成测试数据的工具就好了。

四、最后整体Bug分析