深圳达内软件有限公司是亿元级外资IT培训集团达内旗下深圳分公司，达内是获得国际风险投资的IT培训机构。达内已经发展成为集培训、咨询、开发、人才服务于一体的高新技术集团公司，公司下设达内IT培训、达内软件人才服务中心、达内软件研发中心。

课程直切企业需求，培养全栈式测试人才

囊括企业级软件/大型网站/游戏开发/移动APP开发等多种软件测试需求

1.黑盒测试2.QTP3.接口测试4.LoadRunner5.JMeter6.Selenium7.手机测试8.游戏测试

学习测试工具，助你具备核心竞争力

打造符合企业用人需求的测试工程师

白盒测试工具

对代码进行分析，不需要运行代码，也不需要对代码编译链接，生成可执行文件。

黑盒测试工具

利用脚本的录制/回放，模拟用户的操作，然后将被测系统的输出记录下来同预先给定的标准结果比较。

自动化测试工具

可以覆盖绝大多数的软件开发技术，简单，并具备测试用例可重用的特点。

性能测试工具

通过以模拟上千万用户实施并发负载及实时性能监测的方式来确认和查找问题。

如何增加大数据方面的经验

首先获得这方面的工作机会：我这个人是主张工作驱动技术成长的类型。选定一个方向，然后拼命的学习这个方向的知识，之后不管是求是骗还是去忽悠都要进入做这个方向的公司去锻炼，任何一公司都需要初级人员来打杂的，我们争的就是这个机会。技能的增长不是一厢情愿的事，我再之前写的一篇文章中写到过。

没上过战场的士兵就算在训练中再也是菜鸟。我们需要真正的战场磨炼我们的技能。

所以自学到一定程度以后一定要去实际去用，如果你的公司没有这种业务环境，那么就跳槽。这时候别犹豫，你必须要有一个环境来做你想做的事情，如果这个时候拖下去，自学而来的东西会很快的被忘掉，之后你面试的时候可能什么都答不上来了。这时候争的就是一个机会，一个跑到对方公司打杂的机会。

然后想尽所有办法找应用场景：当有环境以后剩下的就是自我驱动。主动去挖掘我们学到的知识的运用场景。

测试应用这边咱们确实空白很多，我几乎找不到多少可以跟我一起聊分布式计算的测试同行。所以自己要善于发现和思考。

大数据方面的实际测试是什么样子的

先举个数据测试的例子，常出现在做BI和机器学习的公司。你可以参考我在测试大会上的演讲稿，这类型的业务每天都会有很大的数据被采集过来，我们需要测试这些数据，由于数据大，对测试速度要求高。所以也必然要使用spark，mr，hbase这些大数据处理框架去扫描数据。这个更详细内容你可以去看我的演讲稿。关于数据统计分析类的工作也跟这个差不多。

然后是造数，大数据相关产品，尤其是to b业务的产品要给客户提供一个比较专业的性能测试报告。

在各种数据量，数据分布，数据类型下产品的计算性能是什么样的需要有一个量化指标。而客户的数据是不会给你的，

所以我们要开发一个工具能够生成大数据量的，各种不同数据类型，各种不同数据分布的造数工具。

还是由于数据量大，同样需要用大数据处理技术去做。我再演讲稿里也有提到过。

再举一个yarn集群管理的例子。一切都始于我们的UI自动化，我们的产品是做机器学习的么，产品要把计算任务放到hadoop集群上运行，而集群是用yarn管理的。当我们case越来越多，我的UI自动化也就必须用分布式的方式来执行(浏览器的分布式属于docker+k8s的范畴这里我不跟你说了，目前我们启动了30个浏览器)，当初我们发现在测试集群上15个小任务的并发能力就是极限了，多了就得排队，连20个浏览器的并发都支撑不起来，更不要说集群不只是给自动化测试用的，开发，产品，测试用的集群都是一个。

所以对集群的调参是必要的，只是大家都不熟悉，测试环境的事也不爱管，这事就没有人搞。所以我买了hadoop技术内幕中的yarn的那一本开始啃。之后在测试集群上各种折腾，更换公平调度器，重设vcore，提高AM限制，

分队列，分用户，设定资源选择，队列权重等等等等。一套下来现在集群抗个百十个小任务并发是没问题的。所以这方面的工作又多了一个测试集群管理。

很多建立在大数据基础上的产品都跟hadoop深度耦合，尤其是TO

B业务的产品，要测试到hadoop的各种情况。各种hadoop的版本与产品的兼容是不是好的(很多客户有自己的hadoop),

以及hadoop的各种配置是不是与产品兼容的。

例如我们曾经出现的问题是在jdk1.8下的hadoop2.7.2版本在我们的产品中会出现虚拟内存计算不正确的情况，而测试集群是开了虚拟内存check的，所以某一个算子运行失败。这是jdk1.8的一个bug，需要我们在该算子的配置中增加内存参数绕过去。再比如hadoop集群的多租户实现，很多地方是用yarn的fair调度器或者capacity调度器中的queue的概念去做，那么产品如何跟hadoop的配置协调?

假如产品提交到错的queue上去了?假如产品提交到了不存在的queue?产品使用了hadoop不存在的user?这些东西我们就会要测试到。

其实不仅仅是多租户，产品跟hadoop集群耦合的地方都要测试。因为我们是做产品，而不是自家公司自己用，任何与hadoop的配置冲突的地方产品都应该做出相应的处理

应该还有一些场景，只是我们的业务暂时没碰到，看看之后有没有同学补充一下

区别大数据测试和运维的角色

别再纠结纯运维和纯测试了，devops流行的今天，开发，运维和测试这三个职位都互相渗透了。互相都干了以前对方的活是很常见的。

总结

建议大家去TO B的公司看看，现在做大数据的还是TO B的比较多。互联网里能接触到这些的公司不多。对于投向这方面的学习我觉得也是不亏的。不论是BI

还是现在非常火的人工智能。大数据都是基础。这方面的平台和产品也越来越多。

而这些行业的测试门槛还都很高，所以如果你再这方面有经验，都不用多厉害，就可以找到一个不错的工作。