Testausprosessi on ymmärrettävästi minkä tahansa ohjelmistoalueen tärkein osa. Testausinsinööri-rooli ulottuu eri toimialueille, kun organisaatio päättää sopeutua parannettuun tekniikkaan. Tässä blogiviestissä keskustellaan siitä, miksi ohjelmistojen testausinsinöörin tulisi oppia Big Data- ja Hadoop-ekosysteemitekniikoita.
Jos olet uusi Big Data / Hadoop -maailmassa, tutustu joihinkin viesteihimme , ja
Mennään suoraan tämän aiheen hienoihin yksityiskohtiin
Miksi ohjelmistotestausinsinöörin pitäisi oppia Big Data ja Hadoop?
Uran kasvu:
Yllä oleva kaavio on itsestään selvä. Se osoittaa selvästi, että Hadoopiin liittyvien töiden kasvu on paljon nopeampaa kuin ohjelmistojen testaustöissä. Ohjelmistojen testaukseen liittyvien työpaikkojen enimmäisnopeus on noin 1,6%, mutta Hadoop-pohjaisten testaustöiden työpaikkojen kasvu on noin 5% (noin.)
80% ihmisistä, jotka oppivat Hadoopin, ovat muusta kuin kehitysyhteistyöstä. Sinäkin voit olla yksi heistä.
mitä nukke on devopsissa
Nykyisten testauskäytäntöjen rajoitukset testattaessa sovelluksia Big Data -ongelmien ratkaisemiseksi:
- Ohjelmistojen testausmenetelmiä ohjaavat tiedot (kuten tietojen vinous, tietojoukkojen koon epäsuhta jne.) Eikä testauskenaariot.
- Vakiotietojen vastaavuustyökalut (kuten win diff jne.) Eivät toimi suurten tietomäärien kanssa. Tämä tulee rajoittamaan ohjelmistotestausinsinöörin taitoja.
Keskikokoisissa tiedoissa tiedot voidaan paljastaa HBase-taulukoina ja tarkistaa tulotietojoukosta soveltamalla liiketoimintalogiikkaa pieniin syötesarjoihin.
Laajan mittakaavan dataa varten suuridatatekniikat tarjoavat insinööreille ainutlaatuisia taitopaketteja, joita käytetään suurten ja monimutkaisten tietojoukkojen testaamiseen, ja löytävät lukuisia mahdollisuuksia meteorologian, genomiikan, konnekomiikan, monimutkaisen fysiikan simulaatioiden sekä biologisen ja ympäristötutkimuksen aloilla.
Testauksen tila - asiantuntijalausunnot:
Scott Barber, tunnettu testaaja, puhuja ja kirjoittaja testaamiseen liittyvistä aiheista, erikoistunut järjestelmän suorituskyvyn testaukseen on lainannut todella voimakkaita ja vaikuttavia sanoja testikentän nykytilanteesta.
On käynyt lukuisia keskusteluja erilaisista sosiaalisista medioista testauksen mahdollisuudesta tulla 'kuolevaksi ammatiksi', ja Scott on yhtä mieltä siitä, että testaus ammatin keskellä on dramaattisen muutoksen keskellä.
No, tämä lausunto oli riittävän dramaattinen, katsotaanpa tosiseikat ja katsotaan itse, mitä Testing-kentässä tapahtuu.
Katsaus Hadoopin / Big Data Testerin työprofiiliin:
Alla on tietyn organisaation asettama vaatimus Hadoop Tester -tarpeestaan:
Kun tarkastelemme yllä olevaa vaatimusta, voimme nähdä, että testaustaitoja tarvitaan suurelta osin ja ne muodostavat perustan tälle työprofiilille. Nyt ohjelmistotestausinsinööriltä vaaditaan Big Data- tai Hadoop-testaajaksi tuleminen vain päivittämään itsensä Big Data / Hadoop -taidoilla.
Kuinka helppoa on siirtyä Hadoop / Big Data:
- Java tai ei Java - Joustavuus valita:
Niille, jotka ovat Java-asiantuntijoita, siirtyminen on kakku-kävely, samoin kuin avoimen lähdekoodin Java-pohjainen ohjelmointikehys. Tässä käytetyt MapReduce-komentosarjat on kirjoitettu Java-kielellä. Nyt on melko ilmeistä, että Hadoopin kanssa työskenteleminen Java-tietämys on välttämätöntä.
Edellä sanomalla se ei tarkoita, että muilla kuin Java-asiantuntijoilla on kova matka eteenpäin. Hadoopin kauneus on, että sillä on joukko työkaluja, jotka a 'Muu kuin Java' asiantuntija voi käyttää. Jotkut Hadoop-työkalut, kuten Hive, Pig ja Sqoop, eivät vaadi Java-tietämystä, koska ne luottavat voimakkaasti SQL: ään.
- Jaetut taidot ja sovellusalustat testausammattilaisen ja Hadoop-ammattilaisen välillä:
Ajatus siirtymisestä mukavuusalueelta uudelle verkkotunnukselle, kuten Big Data / Hadoop, saattaa olla aluksi hieman ylivoimainen. Mutta on ymmärrettävä, että testaus ja Hadoop eivät sulje pois toisiaan. Tässä on luettelo taidoista ja alustoista, joita niiden välillä voidaan käyttää http://www.itjobswatch.co.uk . Yhtä tai useampaa näistä taidoista voidaan käyttää myös yhdenmukaistamisessa Big Data- ja Hadoop-taitojen kanssa. Siten sujuvan siirtymisen tekeminen on helpompaa.
Hyvällä testausinsinöörillä on terävät analyyttiset taidot, vahva tekninen taito, hyvä asenne, yksityiskohtiin suuntautunut ja halukkuus oppia. Nämä ovat tarkat piirteet, joita joku tarvitsee siirtyä Hadoopiin. On kiistämätöntä, että testaus on muuttumassa, mutta se ei ole sen loppu. Mutta muuttuvien aikojen myötä on järkevää purjehtia korkealla aallolla - Hadoopilla, ottaen huomioon kaikki sen ominaisuudet ja joustavuuden.
Etkö ole vielä vakuuttunut siitä, että voit oppia Hadoopin? Älä luota ketään. Tuomitse itse. Napsauttamalla alla voit katsoa Edurekan suorittaman Big Data- ja Hadoop-luokan esimerkkitallennuksen.
Onko sinulla kysymys meille? Mainitse ne kommenttiosassa ja palaamme sinuun.
Aiheeseen liittyvät julkaisut:
7 tapaa, jolla big data -koulutus voi muuttaa organisaatiotasi