xxx大數(shù)據(jù)性能測(cè)試方案-V1.0-2.0模板

1、性能測(cè)試方案編號(hào):密級(jí):XXX大數(shù)據(jù)平臺(tái)性能測(cè)試方案V1-2.0擬制人：審核人：批準(zhǔn)人:2016 年 06 月 08 日文件變更記錄*A -增加 M -修訂 D -刪除版本號(hào)日期變更類型(A*M*D )修改人摘要審核人備注V2.02016-06-08A新建性能測(cè)試方案性能測(cè)試方案目錄目錄I1弓I言11.1 編寫目的11.2 測(cè)試目標(biāo)11.3 讀者對(duì)象11.4 術(shù)語定義12環(huán)境搭建12.1 測(cè)試硬件環(huán)境 12.2 軟件環(huán)境23測(cè)試范圍23.1 測(cè)試功能點(diǎn)23.2 測(cè)試類型23.3 性能需求33.4 準(zhǔn)備工作33.5 測(cè)試流程34.業(yè)務(wù)模型44.1 基準(zhǔn)測(cè)試44.1.1 Hadoop/ Spark

2、 讀取算法的基準(zhǔn)測(cè)試 44.1.2 Hadoop/ Spark寫入算法的基準(zhǔn)測(cè)試 54.1.3 Hadoop/ Spark 導(dǎo)入算法的基準(zhǔn)測(cè)試 64.1.4 Hadoop/ Spark 導(dǎo)出算法的基準(zhǔn)測(cè)試 74.2 負(fù)載測(cè)試84.2.1 Hadoop/ Spark并行讀取/寫入算法的負(fù)載測(cè)試 84.2.2 Hadoop/ Spark并行導(dǎo)入/導(dǎo)出算法的負(fù)載測(cè)試 94.3 穩(wěn)定性測(cè)試104.3.1 Hadoop/ Spark并行讀取/寫入/導(dǎo)入/導(dǎo)出算法,7*24小時(shí)穩(wěn)定性測(cè)試 105測(cè)試交付項(xiàng)126測(cè)試執(zhí)行準(zhǔn)則126.1 測(cè)試啟動(dòng)126.2 測(cè)試執(zhí)行126.3 測(cè)試完成137角色和職責(zé)138時(shí)

3、間及任務(wù)安排139風(fēng)險(xiǎn)和應(yīng)急149.1 影響方案的潛在風(fēng)險(xiǎn) 149.2 應(yīng)急措施14I性能測(cè)試方案1引言1.1 編寫目的本測(cè)試方案將對(duì) XXX大數(shù)據(jù)平臺(tái)的測(cè)試方案、測(cè)試范圍，測(cè)試的軟件硬件環(huán)境、測(cè)試進(jìn)度、測(cè)試 人員的分工和職責(zé)以及測(cè)試流程進(jìn)行詳細(xì)的定義和整體的描述。1.2 測(cè)試目標(biāo)本次性能測(cè)試的目標(biāo)是檢測(cè) XXX大數(shù)據(jù)平臺(tái)在服務(wù)器上運(yùn)行時(shí)，了解該服務(wù)器的各項(xiàng)性能情 況。1.3 讀者對(duì)象本方案的預(yù)期讀者是：項(xiàng)目負(fù)責(zé)人、測(cè)試人員、運(yùn)維人員和其他相關(guān)人員。1.4 術(shù)語定義術(shù)語定義性能測(cè)試通過自動(dòng)化的測(cè)試工具模擬多種正常、峰值以及異常負(fù)載條件來對(duì)系統(tǒng)的各項(xiàng)性能指標(biāo)進(jìn)行測(cè)試場了用于根據(jù)性能要求定義在每一

4、個(gè)測(cè)試會(huì)話進(jìn)行期間發(fā)生的事件事務(wù)表不要度量的最終指定的某個(gè)特定業(yè)務(wù)2環(huán)境搭建2.1 測(cè)試硬件環(huán)境服務(wù)器名數(shù)量期望到位階段備注服務(wù)器1開發(fā)提測(cè)前2.2 軟件環(huán)境資源名稱配置3測(cè)試范圍3.1 測(cè)試功能點(diǎn)編P測(cè)試點(diǎn)對(duì)應(yīng)算法備注1Hadoop讀取2Hadoop 寫入3Hadoop 導(dǎo)入4Hadoop導(dǎo)出5Spark讀取6Spark寫入7Spark導(dǎo)入8Spark導(dǎo)出3.2 測(cè)試類型定義備注基準(zhǔn)測(cè)試單事物單用戶測(cè)試，目的是對(duì)選擇的單用戶在無壓力情況下（無額外進(jìn)程運(yùn)行并占用系統(tǒng)資源）情況下，獲取系統(tǒng)處理單請(qǐng)求 的情況負(fù)載測(cè)試通過逐步增加系統(tǒng)負(fù)載，測(cè)試系統(tǒng)性能的變化穩(wěn)定性測(cè)試通過給系統(tǒng)加載一定業(yè)務(wù)壓力，運(yùn)行

5、7*24小時(shí)，以此檢測(cè)系統(tǒng)是否穩(wěn)定運(yùn)行。3.3 性能需求名稱指標(biāo)備注CPU使用率不局于80%內(nèi)存使用率不局于80%I/O使用率/、高于80%響應(yīng)時(shí)間Network使用率不局于80%3.4 準(zhǔn)備工作1 .測(cè)試功能點(diǎn)全部通過功能測(cè)試，確保功能上沒有問題；2 .測(cè)試環(huán)境服務(wù)器已搭建，被測(cè)項(xiàng)目已部署；3 .準(zhǔn)備測(cè)試客戶機(jī)；4 .準(zhǔn)備好測(cè)試數(shù)據(jù)；5 .創(chuàng)建測(cè)試場景，并配置好每個(gè)場景的設(shè)置；6 .測(cè)試過程中保存好測(cè)試數(shù)據(jù)和分析結(jié)果，并規(guī)范對(duì)執(zhí)行結(jié)果進(jìn)行命名3.5測(cè)試流程硯：人Ji4.測(cè)試策略4.1 基準(zhǔn)測(cè)試4.1.1 Hadoop/ Spark讀取算法的基準(zhǔn)測(cè)試場景1:數(shù)據(jù)容量100G時(shí)，進(jìn)行讀取算法的基

6、準(zhǔn)測(cè)試用例名稱數(shù)據(jù)量100G,讀取功能的基準(zhǔn)測(cè)試算法讀取驗(yàn)證功能Hadoop/ Spark的讀取測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的讀取算法，進(jìn)行數(shù)據(jù)容量100G讀取操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量100G2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端執(zhí)行Hadoop/ Spark的讀取代碼運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark場景2:數(shù)據(jù)容量500G時(shí)，進(jìn)行讀取算法的基準(zhǔn)測(cè)試用例名稱數(shù)據(jù)量500G,讀取功能的基準(zhǔn)測(cè)試算法讀取驗(yàn)證功能Hadoop/ Spark的讀取測(cè)試測(cè)試目的對(duì)

7、比Hadoop/ Spark的讀取算法，進(jìn)行數(shù)據(jù)容量 500G讀取操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量500G2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端執(zhí)行Hadoop/ Spark的讀取代碼運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark場景3:數(shù)據(jù)容量1T時(shí)，進(jìn)行讀取算法的基準(zhǔn)測(cè)試用例名稱數(shù)據(jù)量1T,讀取功能的基準(zhǔn)測(cè)試算法讀取驗(yàn)證功能Hadoop/ Spark的讀取測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的讀取算法，進(jìn)行數(shù)據(jù)容量1T讀取操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1

8、 .準(zhǔn)備數(shù)據(jù)容量1T2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端執(zhí)行Hadoop/ Spark的讀取代碼運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark4.1.2 Hadoop/ Spark寫入算法的基準(zhǔn)測(cè)試場景1:數(shù)據(jù)容量100G時(shí)，進(jìn)行寫入算法的基準(zhǔn)測(cè)試用例名稱數(shù)據(jù)量100G,寫入功能的基準(zhǔn)測(cè)試算法寫入驗(yàn)證功能Hadoop/ Spark的寫入測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的寫入算法，進(jìn)行數(shù)據(jù)容量100G寫入操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量100G2 .對(duì)redpower服務(wù)器進(jìn)行

9、資源監(jiān)控3 .客戶端執(zhí)行Hadoop/ Spark的寫入代碼運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark場景2:數(shù)據(jù)容量500G時(shí)，進(jìn)行寫入算法的基準(zhǔn)測(cè)試用例名稱數(shù)據(jù)量500G,寫入功能的基準(zhǔn)測(cè)試算法寫入驗(yàn)證功能Hadoop/ Spark的寫入測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的寫入算法，進(jìn)行數(shù)據(jù)容量 500G寫入操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量500G2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端執(zhí)行Hadoop/ Spark的寫入代碼運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETW

10、ORK響應(yīng)時(shí)間備注HadoopSparkSpark場景3:數(shù)據(jù)容量仃時(shí)，進(jìn)行寫入算法的基準(zhǔn)測(cè)試用例名稱數(shù)據(jù)量1T,寫入功能的基準(zhǔn)測(cè)試算法寫入驗(yàn)證功能Hadoop/ Spark的寫入測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的寫入算法，進(jìn)行數(shù)據(jù)容量1T寫入操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量1T2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端執(zhí)行Hadoop/ Spark的寫入代碼運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark4.1.3 Hadoop/ Spark導(dǎo)入算法的基準(zhǔn)測(cè)試場景1:數(shù)據(jù)容量100

11、G時(shí)，進(jìn)行導(dǎo)入算法，查看服務(wù)器的相關(guān)性能指標(biāo)用例名稱數(shù)據(jù)量100G,導(dǎo)入功能的基準(zhǔn)測(cè)試算法導(dǎo)入驗(yàn)證功能Hadoop/ Spark的導(dǎo)入測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的導(dǎo)入算法，進(jìn)行數(shù)據(jù)容量100G導(dǎo)入操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量100G2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端執(zhí)行 Hadoop/ Spark的導(dǎo)入代碼運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark場景2:數(shù)據(jù)容量500G時(shí)，進(jìn)行導(dǎo)入算法，查看服務(wù)器的相關(guān)性能指標(biāo)用例名稱數(shù)據(jù)量500G,導(dǎo)入功能的基準(zhǔn)測(cè)試算法導(dǎo)

12、入驗(yàn)證功能Hadoop/ Spark的導(dǎo)入測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的導(dǎo)入算法，進(jìn)行數(shù)據(jù)容量 500G導(dǎo)入操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量500G2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端執(zhí)行 Hadoop/ Spark的導(dǎo)入代碼運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark場景3:數(shù)據(jù)容量1T時(shí)，進(jìn)行導(dǎo)入算法，查看服務(wù)器的相關(guān)性能指標(biāo)用例名稱數(shù)據(jù)量1T,導(dǎo)入功能的基準(zhǔn)測(cè)試算法導(dǎo)入驗(yàn)證功能Hadoop/ Spark的導(dǎo)入測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的導(dǎo)入算法，進(jìn)

13、行數(shù)據(jù)容量1T導(dǎo)入操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量1T2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端執(zhí)行 Hadoop/ Spark的導(dǎo)入代碼運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark4.1.4 Hadoop/ Spark導(dǎo)出算法的基準(zhǔn)測(cè)試場景1:數(shù)據(jù)容量100G時(shí)，進(jìn)行導(dǎo)出算法，查看服務(wù)器的相關(guān)性能指標(biāo)用例名稱數(shù)據(jù)量100G,導(dǎo)出功能的基準(zhǔn)測(cè)試算法導(dǎo)出驗(yàn)證功能Hadoop/ Spark的導(dǎo)出測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的導(dǎo)出算法，進(jìn)行數(shù)據(jù)容量100G導(dǎo)出操作時(shí)，redpowe

14、r服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量100G2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端執(zhí)行 Hadoop/ Spark的導(dǎo)出代碼運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark場景2:數(shù)據(jù)容量500G時(shí)，進(jìn)行導(dǎo)出算法，查看服務(wù)器的相關(guān)性能指標(biāo)用例名稱數(shù)據(jù)量500G,導(dǎo)出功能的基準(zhǔn)測(cè)試算法導(dǎo)出算法驗(yàn)證功能Hadoop/ Spark的導(dǎo)出測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的導(dǎo)出算法，進(jìn)行數(shù)據(jù)容量 500G導(dǎo)出操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量500G2 .對(duì)redpower服務(wù)

15、器進(jìn)行資源監(jiān)控3.客戶端執(zhí)行 Hadoop/ Spark的導(dǎo)出代碼運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark場景3:數(shù)據(jù)容量1T時(shí)，進(jìn)行導(dǎo)出算法，查看服務(wù)器的相關(guān)性能指標(biāo)用例名稱數(shù)據(jù)量1T,導(dǎo)出功能的基準(zhǔn)測(cè)試算法導(dǎo)出驗(yàn)證功能Hadoop/ Spark的導(dǎo)出測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的導(dǎo)出算法，進(jìn)行數(shù)據(jù)容量1T導(dǎo)出操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量1T2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端執(zhí)行 Hadoop/ Spark的導(dǎo)出代碼運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ON

16、ETWORK響應(yīng)時(shí)間備注HadoopSparkSpark4.2 負(fù)載測(cè)試4.2.1 Hadoop/ Spark并行讀取/寫入算法的負(fù)載測(cè)試場景1:數(shù)據(jù)容量100G時(shí)，并行讀取/寫入算法的混合測(cè)試場景用例名稱數(shù)據(jù)量100G,并行讀取/寫入的負(fù)載測(cè)試算法讀取/寫入驗(yàn)證功能Hadoop/ Spark并行讀取/寫入測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的并行讀取/寫入，進(jìn)行數(shù)據(jù)容量100G操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量100G2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端并行執(zhí)行 Hadoop/ Spark的讀取/寫入算法運(yùn)行結(jié)果類別CPU使用率內(nèi)

17、存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark場景2:數(shù)據(jù)容量500G時(shí)，并行讀取/寫入算法的混合測(cè)試場景用例名稱數(shù)據(jù)量500G,并行讀取/寫入的負(fù)載測(cè)試算法讀取/寫入驗(yàn)證功能Hadoop/ Spark并行讀取/寫入測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的并行讀取/寫入，進(jìn)行數(shù)據(jù)容量 500G操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量500G2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端并行執(zhí)行 Hadoop/ Spark的讀取/寫入算法運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkS

18、park場景3:數(shù)據(jù)容量1T時(shí)，并行讀取/寫入算法的混合測(cè)試場景用例名稱數(shù)據(jù)量1T,并行讀取/寫入的負(fù)載測(cè)試算法讀取/寫入驗(yàn)證功能Hadoop/ Spark并行讀取/寫入測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的并行讀取/寫入，進(jìn)行數(shù)據(jù)容量1T操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量1T2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端并行執(zhí)行 Hadoop/ Spark的讀取/寫入算法運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark4.2.2 Hadoop/ Spark并行導(dǎo)入/導(dǎo)出算法的負(fù)載測(cè)試場景1:

19、數(shù)據(jù)容量100G時(shí)，并行導(dǎo)入/導(dǎo)出算法的混合場景測(cè)試用例名稱數(shù)據(jù)量100G,并行導(dǎo)入/導(dǎo)出的負(fù)載測(cè)試算法導(dǎo)入/導(dǎo)出驗(yàn)證功能Hadoop/ Spark并行導(dǎo)入/導(dǎo)出測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的并行導(dǎo)入/導(dǎo)出，進(jìn)行數(shù)據(jù)容量100G操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量100G2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端并行執(zhí)行 Hadoop/ Spark的導(dǎo)入/導(dǎo)出算法運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark場景2:數(shù)據(jù)容量500G時(shí)，并行讀取/寫入算法的混合場景測(cè)試用例名稱數(shù)據(jù)量

20、500G,并行導(dǎo)入/導(dǎo)出的負(fù)載測(cè)試算法導(dǎo)入/導(dǎo)出驗(yàn)證功能Hadoop/ Spark并行導(dǎo)入/導(dǎo)出測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的并行導(dǎo)入/導(dǎo)出，進(jìn)行數(shù)據(jù)容量 500G操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量500G2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端并行執(zhí)行 Hadoop/ Spark的導(dǎo)入/導(dǎo)出算法運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark場景3:數(shù)據(jù)容量1T時(shí)，并行讀取/寫入算法的混合場景測(cè)試用例名稱數(shù)據(jù)量1T,并行導(dǎo)入/導(dǎo)出的負(fù)載測(cè)試算法導(dǎo)入/導(dǎo)出驗(yàn)證功能Hadoop/

21、Spark并行導(dǎo)入/導(dǎo)出測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的并行導(dǎo)入/導(dǎo)出，進(jìn)行數(shù)據(jù)容量1T操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量1T2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端并行執(zhí)行 Hadoop/ Spark的導(dǎo)入/導(dǎo)出算法運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark4.3 穩(wěn)定性測(cè)試4.3.1 Hadoop/ Spark并行讀取/寫入/導(dǎo)入/導(dǎo)出算法，7*24小時(shí)穩(wěn)定性測(cè)試場景1:數(shù)據(jù)容量100G時(shí)，并行讀取/寫入/導(dǎo)入/導(dǎo)出穩(wěn)定性測(cè)試用例名稱數(shù)據(jù)量100G,并行讀取/寫入/導(dǎo)入/

22、導(dǎo)出穩(wěn) 定性測(cè)試算法讀取/寫入/導(dǎo)入/導(dǎo)出11性能測(cè)試方案驗(yàn)證功能Hadoop/ Spark并行讀取/寫入/導(dǎo)入/導(dǎo)出穩(wěn)定性測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的并行讀取/寫入/導(dǎo)入/導(dǎo)出，進(jìn)行數(shù)據(jù)容量100G操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量100G2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端并行執(zhí)行 Hadoop/ Spark的讀取/寫入/導(dǎo)入/導(dǎo)出算法，運(yùn)行時(shí)長 7*24小時(shí)運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark場景2:數(shù)據(jù)容量500G時(shí)，并行讀取/寫入/導(dǎo)入/導(dǎo)出穩(wěn)定性測(cè)試

23、用例名稱數(shù)據(jù)量500G,并行讀取/寫入/導(dǎo)入/導(dǎo)出穩(wěn) 定性測(cè)試算法讀取/寫入/導(dǎo)入/導(dǎo)出驗(yàn)證功能Hadoop/ Spark并行讀取/寫入/導(dǎo)入/導(dǎo)出穩(wěn)定性測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的并行讀取/寫入/導(dǎo)入/導(dǎo)出，進(jìn)行數(shù)據(jù)容量 500G操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量500G2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端并行執(zhí)行 Hadoop/ Spark的讀取/寫入/導(dǎo)入/導(dǎo)出算法，運(yùn)行時(shí)長 7*24小時(shí)運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark場景3:數(shù)據(jù)容量1T時(shí)，并行讀取

24、/寫入/導(dǎo)入/導(dǎo)出穩(wěn)定性測(cè)試用例名稱數(shù)據(jù)量1T,并行讀取/寫入/導(dǎo)入/導(dǎo)出穩(wěn)定 性測(cè)試算法讀取/寫入/導(dǎo)入/導(dǎo)出驗(yàn)證功能Hadoop/ Spark并行讀取/寫入/導(dǎo)入/導(dǎo)出穩(wěn)定性測(cè)試測(cè)試目的對(duì)比Hadoop/ Spark的并行讀取/寫入/導(dǎo)入/導(dǎo)出，進(jìn)行數(shù)據(jù)容量1T操作時(shí)，redpower服務(wù)器運(yùn)行情況前置條件操作步驟1 .準(zhǔn)備數(shù)據(jù)容量1T2 .對(duì)redpower服務(wù)器進(jìn)行資源監(jiān)控3 .客戶端并行執(zhí)行 Hadoop/ Spark的讀取/寫入/導(dǎo)入/導(dǎo)出算法，運(yùn)行時(shí)長 7*24小時(shí)運(yùn)行結(jié)果類別CPU使用率內(nèi)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSparkii性能測(cè)試方案5

25、測(cè)試交付項(xiàng)測(cè)試階段提交文檔文檔要求測(cè)試方案XXX大數(shù)據(jù)平臺(tái)-性能測(cè)試方案1、測(cè)試經(jīng)理制定項(xiàng)目的測(cè)試計(jì)劃測(cè)試設(shè)計(jì)及實(shí)現(xiàn)XXX大數(shù)據(jù)平臺(tái)-性能測(cè)試用例1、測(cè)試人員編寫項(xiàng)目所有測(cè)試用例2、評(píng)審?fù)ㄟ^后導(dǎo)入到禪道中，并上傳至SVN服務(wù)器測(cè)試報(bào)告XXX大數(shù)據(jù)平臺(tái)-性能測(cè)試報(bào)告1、主導(dǎo)測(cè)試完成測(cè)試報(bào)告2、包括性能指標(biāo)分析圖6測(cè)試執(zhí)行準(zhǔn)則6.1測(cè)試啟動(dòng)在開始進(jìn)行測(cè)試時(shí)必需滿足的條件。這些條件涉及：1 .開發(fā)提測(cè)checklist »內(nèi)容符合要求，已提交至測(cè)試部門。2 .系統(tǒng)功能測(cè)試已通過。3 .性能測(cè)試方案、測(cè)試流程、測(cè)試進(jìn)度的制訂已完成，并經(jīng)過嚴(yán)格評(píng)審。4 . 性能測(cè)試所需的資源已經(jīng)到位。5 .測(cè)試組人員配置合理，測(cè)試人員的工作技能符合測(cè)試要求。6 .性能測(cè)試所需的軟、硬件和操作系統(tǒng)等測(cè)試環(huán)境準(zhǔn)備完畢。6.2測(cè)試執(zhí)行1 .根據(jù)測(cè)試方案相關(guān)測(cè)試環(huán)境的內(nèi)容，檢查測(cè)試環(huán)境（包括硬件及軟件），確保測(cè)試環(huán)境符合要求。2 .對(duì)于測(cè)試用例的描述信息， 按測(cè)試意圖對(duì)每一個(gè)測(cè)試用例設(shè)計(jì)操作流程中重要環(huán)節(jié)的動(dòng)作、輸入數(shù)據(jù)和預(yù)期的反映（注：此流程可不必詳細(xì)到每一個(gè)具體的步驟，但應(yīng)確保測(cè)試執(zhí)行人員可以據(jù)此信息順利執(zhí)行，而不必詢問測(cè)試用例的開發(fā)人員）。3 .執(zhí)行測(cè)試活動(dòng)，并記錄執(zhí)行日期，對(duì)于每個(gè)測(cè)試用例還應(yīng)記錄關(guān)鍵操作步驟、輸入數(shù)據(jù)以