大数据时代，软件测试人如何应对挑战？

互联网的发展催生了大数据行业的确立与发展，在当前市场环境下，在线的大数据平台与应用已成为企业制定战略的重要考量对象。那么，在技术评估的角度上而言，在线的大数据平台与应用在哪些方面应成为重点关注对象呢？

换个姿势看问题。今天我们从问题域的角度来聊一聊。

什么是问题域？

指的是问题的范文，问题之间存在的关系和可能逻辑空间。

例如，在测试阶段遇到的‘xx接口是否正常？”这样的问题是值得关注的。我们可以将其归类到相关的问题领域中（例如功能测试）。

例如，在测试阶段遇到的"xx接口是否正常"这样的问题是值得关注的。我们可以将其归类到相关的问题领域中（例如功能测试）。

当我们进行测试时

举例说明

现在，让我们逆向思维：开始脑洞

——提出问题——然后规划问题域。

01 开始脑洞

在本文的主体部分之前，请允许我们先来看一张图片。这张图片即为百度搜索主页面界面，请问您是否可以从这里引发一些思考？

图1 百度搜索主页

02 提出问题

1、“我搜索‘周杰伦’会是什么结果？能不能帮我找到周杰伦的电话号码？”

2、“我想什么都不输入，能不能点击搜索按钮？”

我点击相机图标会产生什么样的结果？如果我拍摄一朵未知种类的野花，这有助于识别它的名字。

4、“这个推荐是我想喜欢的吗？”

5、“热搜是实时的吗？”

6、“怎么看上海的天气？”

7、“语音播报正不正常？”

8、“我要是输入一大堆乱码或无意义的文字，是什么结果？”

......

还有没有其他的疑问？我希望得到一个肯定的答案。那么让我们来归类一下这些问题所在的领域。

03 规划问题域

显然地，在传统测试分类框架下（即按照现有的分类标准），编号范围1至8的项目都属于功能性测试与验证范畴。然而，在基于大数据平台及应用的角度来看（例如百度搜索确实可被视为一款典型的基于大数据的应用程序），这一划分可能存在一定的局限性；此外，在数据处理与分析领域中还存在其他的划分方式

比如：

1、数据提取验证；

2、数据更新的实时性测试；

3、算法效果验证；

4、响应及时性；

5、算法稳定性；

6、数据转换和传输验证；

7、数据加载和显示验证；

以及其他问题域。

为什么要如此划分？因为有两个方面原因：

一是从平台和应用的角度出发；

二是从大数据本身特点出发。

大DA（Data Application）应用（如电商巨头中的领军者）中也包含了一定程度上的算法推荐技术支撑（如猜你喜欢）。因此不仅需要关注平台技术本身的建设还需深入研究应用场景本身的技术支撑需求

此外,我们进一步细分了大数据平台与应用测试的领域划分.其中,大数据平台主要向其上的应用提供支撑功能,包括但不限于:数据采集环节、数据提取阶段以及数据转换模块等内容.因此,我们进而可以将其划分为:

1、6、7归到平台问题域；

将2、3、4、5、归类到大数据应用域。

我们主要简单讲讲，对于这些问题域，我们需要关注的一些重点问题。

大数据平台问题域

01 数据提取验证

大数据平台接收的数据类型多种多样，在各渠道的数据入口端点上我们应当确保数据获取的准确性和效率

举例来说，在进行淘宝 stores' search functionality tests时

02 数据转换和传输验证

由于来自不同渠道的数据具有多样性特征，在转换与传输过程中的准确性必须得到特别重视

举个例子：试想一下，淘宝软件是如何将图片转换成数据进行搜索的？

03 数据加载和显示验证

每个系统或软件都必须通过适当的方式向用户呈现。这也是一项核心技能，并且是评估其性能的重要考核标准。

举例来说，在你打开淘宝网页的时候，请问页面版式和图片尺寸如何？清晰度如何？

大数据应用问题域

01 数据更新的实时性测试

在大数据应用领域中，在实时性更新方面的要求非常高，并被视为关键测试指标之一。由于数据持续不断地产生，在实际应用过程中系统必须迅速地对生成的数据进行处理并展示结果。

举个例子：当你在淘宝上搜索你想购买的商品时，在替换成相关关键词后，请问结果是否会实时更新？或者，在发布文章到今日头条等平台上之后，请问能否提升在这些平台上的曝光度？

02 算法效果验证

这个问题相较于比较容易理解。即算法效果验证涉及针对大数据应用的一些检索算法以及计算模型等方法的验证。

这个问题相较于比较容易理解。即算法效果验证涉及针对大数据应用的一些检索算法以及计算模型等方法的验证。

举例而言，在验证头条平台的限流机制时，请问您会采取何种方法？建议从内容层面入手，在文章中加入禁止类关键词后观察是否出现流量下降或被限制的情况

03 响应及时性

响应回应在传统系统或软件中也是一个核心测试指标。直观解释即为性能评估的核心要素之一。对于大数据应用而言，在大数据场景中快速处理能力尤为重要。因为大数据系统的特性决定了必须实现高效响应才能满足业务需求。

试着举个例子说明，在双十一促销期间，请问试着搜索某个商品时是否能及时显示？下单是否成功？

04 算法稳定性

算法稳定性本质上说与算法效果验证相并列比较。其中一个是功能性验证过程,另一个则是性能方面的检验方法.稳定性测试主要涉及长时间的积累以及持续性的检验,通常需要在不同环境中进行测试.

举例说明，在双十一大促销期间，请问商品推荐算法的稳定性如何？此外，请问广告投放对象是否符合规定的投放规则？

总结

我们通常是按照将测试问题分类后进一步细分的方式来处理测试问题。然而有时我们可以换一种思路先罗列出诸多问题然后划分出一个具体的问题域最终从这些领域扩展出相关的研究方向。

也许，这可能会成为一个启发点，你说呢？

保证100%免费

保证100%免费

软件测试面试文档

我们的学习目标是为了获取高薪工作机会。这些面试题是由阿里、腾讯、字节等一线互联网大厂提供的最新面试资料，并得到了字节的大牛们提供的权威解答。通过系统性地完成这一套精心编排的练习后,求职者将能够显著提升竞争力并顺利获得理想的工作机会。