大数据如何测试

① 大数据技术在APP测试上面如何应用

数据获取手段、数据处理技术的改进导致"大数据"爆发。测试行业对于大数据的应用也是很多的，比如TestBird在做测试时是基于大量的数据基础的，对于测试的分析和bug探索效果都能有很大的提升。
当然，在测试技术上，也有很好的大数据运用例子。比如你可以通过大数据统计点来写测试用例。产品需要快速迭代，又要保证版本质量不下降，就必须做到精准测试的用例精简。
也就是统计用户行为预埋下的点，用户使用次数的数据稳健并且有迹可循，测试路径就非常的清晰明朗。

② 大数据怎么检测去过哪个街道

1、首先是基于手机移动数据确定位置信息，也叫基源定位方法，这是最常用的方法，也是此次新发地大数据筛查当中，效率最高的手段。

不过基源并不是GPS，而是通过手机基站，与GPS使用时才打开不同，手机会自动连接到距离最近的信号发射塔，手机的所有活动，都能通过包含基站信息的信令数据信号发射塔筛查回溯，这为追踪使用者的位置定位及路径追踪，提供了真实准确的第一手数据。

2、其次是通过社会交往信息分析，这并不是指通过社交软件信息判断，而是结合已有数据，通过电话调查、摸排走访等方式，最终形成相对可靠的数据信息，也可以在短时间内筛选出哪些人在新发地工作、哪些人曾经去过新发地、他们这几天密切接触了什么人等等。

3、可以通过物品信息确认，除了对经过者、密切接触者的筛查，也排查了不少物品和货品，在这个过程当中，通过对特定携带病毒物品的路径和接触者追踪，同样可以作为排查查找到新发地密切接触者的依据之一，这种筛查方法的数据可能并不完全。

大数据助力流行病精准防控

大数据至少发挥了两方面作用：将早期病例精准锁定到新发地市场，及时发现传染源，为疾病控制赢得了宝贵的时间；对发现疫情以后，在去过高风险地区向外流动的人员的了解，包括暴露于环境，和接触的人员，和密切接触者，在北京的分布，以及留出北京的情况，对于发现潜在感染者，阻断传播，起到了非常大的作用。

实际上，在此次新冠肺炎疫情过程中，尤其是年初武汉疫情爆发之时，大数据筛查和分析，就对于疾病防控起到了相当重要的作用。

③ 如何构建大量的测试数据

构造海量数据来验证系统是否能正确执行。怎样才算正确的执行呢？定义一个清晰的、可测量的标准很重要。在进行大数据量测试之前，首先对测试需求做清晰的分析。我们一般很少从功能评价的角度进行这项测试，更多的时候是考查系统性能和效率。假设一个本科院校的学籍管理系统，主要是用来管理学生的，学生在系统中的生命周期一般是4年，根据学校现有的在校生数以及未来五年每年的招生数据，基本上可以分析出需要构造的各个学年下的学生数。这样一来，原来在单个学期能正确执行的功能(功能、性能、效率都满足需求，这个需求可以作为大数据量测试时的参考标准)，在处理4个学年的数据(8个学期)时，各个业务的功能、服务器性能、业务执行效率(如查询、统计、数据挖掘等)还能满足需求吗？根据业务特点，数据在系统中总是有一个相对确定的生命周期的，我们需要构造的往往是这些全生命周期的数据，注意不同的业务模块生成的数据量是不一样的。没有必要去构造不符合实际情况，数量级过大的测试数据。
对测试需求做了准确清晰的分析之后，接下来对输入的测试数据进行分析。一方面，我们要求测试数据要尽可能的与生产环境数据一致，尽可能是有意义的数据，可以通过分析使用现有系统的数据或根据业务特点构造数据。另一方面，我们要求测试数据输入要满足输入限制规则，尽可能覆盖到满足规则的不同类型的数据。我们遇到最多的还是在数据库中构造的测试数据，也包括磁盘文件(附件)。
最后一步就是生成测试数据了。生成测试数据的方法无外乎编写sql脚本(存储过程)在数据库端直接生成、编写程序代码生成(实际上也是要写sql)、使用批量数据生成工具(DataFactory、PL/SQL Developer、TOAD等都可以)、使用工具录制业务参数化之后长时间运行来生成(如4楼的仁兄所说)。不过个人觉得使用sql来做是最灵活的，尤其是涉及到业务数据相互转换需要充分考虑到内部处理逻辑及约束时。
补充一点，大数据量测试同时也是检测服务器性能的好时机(例如执行数据转换、统计分析的业务过程)，包括磁盘的I/O性能、内存、CPU等，甚至也是对数据增长预测的一个验证。

④ 大数据开发中执行sql处理大量数据前怎么测试sql写的对不对

要保存数据到数据库，VB自带的功能是无法完成的，除非你用普通的文件保存数据。
用ADO相对简单，对于你的问题只要一个Connection对象。用它连接数据库，用它的Execute方法来执行更新数据的SQL语句。
如果你的输入跟数据库字段直接对应，也可以使用数据绑定的办法，用ADODC控件获取数据，并将文本框跟ADODC绑定。

⑤ 大数据测试需要学什么

首先是基础阶段。这一阶段包括：关系型数据库原理、LINUX操作系统原理及应用。在掌握了这些基础知识后，会安排这些基础课程的进阶课程，即：数据结构与算法、MYSQL数据库应用及开发、SHELL脚本编程。在掌握了这些内容之后，大数据基础学习阶段才算是完成了。
接下来是大数据专业学习的第二阶段：大数据理论及核心技术。第二阶段也被分为了基础和进阶两部分，先理解基础知识，再进一步对知识内容做深入的了解和实践。基础部分包括：布式存储技术原理与应用、分布式计算技术、HADOOP集群搭建、运维；进阶内容包括：HDFS高可靠、ZOOKEEPER、CDH、Shuffle、HADOOP源码分析、HIVE、HBASE、Mongodb、HADOOP项目实战。
完成了这部分内容的学习，学员们就已经掌握了大数据专业大部分的知识，并具有了一定的项目经验。但为了学员们在大数据专业有更好的发展，所学知识能更广泛地应用到大数据相关的各个岗位，有个更长远的发展前景。
第三阶段叫做数据分析挖掘及海量数据高级处理技术。基础部分有：PYTHON语言、机器学习算法、FLUME+KAFKA；进阶部分有：机器学习算法库应用、实时分析计算框架、SPARK技术、PYTHON高级语言应用、分布式爬虫与反爬虫技术、实时分析项目实战、机器学习算法项目实战。

⑥ 如何用hive来做大数据测试

首先你要安装相关的软件，然后再把数据填写进去。

⑦ 软件测试出来之后可以做大数据测试不

可以，需要你学习掌握更多的大数据技术、Hadoop、Maprece等等技术。
对于从事大数据测试的软件测试工程师而言，与传统的测试工作相对比，可能会面临的以下几个可能的挑战：
自动化
自动化测试是从事大数据测试必备的技术，但自动化测试工具可能并不具备处理测试过程所引发的异常的能力，意味着现有工具可能并不适用，编程能力将是更好的一种技能。
虚拟化
当前业内大规模使用虚拟化技术，但虚拟机的延迟有可能造成大数据实时测试处理的异常。
对大数据而言，管理影像信息也将是一个巨大的问题：
1、海量数据集
2、需要验证的数据量巨大，而且需要更快的处理速度
3、需要有效的自动化测试手段
4、需要尽可能的跨平台

⑧ 如何利用大数据进行预测

如何用大数据进行预测~感觉这个面好广泛啊，因为不知道楼主想要预测的是什么，也不知道楼主有什么数据~
仅举例说明我个人一般怎么做数据分析的：
分析2010-2016年网络广告的发展变化，比如可以有这些思路：10-16广告收益的具体情况和每年同比情况（双轴图），广告投放主要集中分布在哪些地方（数据地图），广告投放集中在哪些行业（饼图、环图）等等，不同数据维度需要的图表是不一样的，这些图表在BDP个人版和EXCEL中都能做，就看你有没有数据了。
其实我觉得最主要的不是预测什么，而是先拥有数据，然后根据自己的需求进行分析。希望楼主采纳。