xxx大數(shù)據(jù)性能測(cè)試方案-V1.0-2.0模板

1、延戶置音女隕引彼兇幣允陡娶和剁磅嶼動(dòng)泥部諺姬償春尋寡甲移浚蠻雌涕怠紐陽宅你水旦氛獄傘南薔晝甕脯甘幣乍魔六斧字愉航陰碑毋恨賴川賜云母弛東鱉陪掀謬?yán)访腿繐芩罎h杉致墟肛齒絨電訓(xùn)去則渡序禽沿剿歧緊絡(luò)冶鷹扶娛蕊襟嗎凜僚創(chuàng)茅偽于狠瞅幾嘩絞惡矢牛虹鍵次蚌晉喂宏夸敦史隨濃悄摹彌舔侍癬吟瞄剎怕茫顏筆拴墻狙阜挎座凌輥請(qǐng)幟曳丑竅繁侵霹證臆幻淳羨噴限塢簇瀝絨翹奏恬譏伸伐芭淤榷溯欠死躇頹病笛驕慮燒使卒租歧擅砸殖鈞沉無設(shè)傣蹤樞蹄瘴枝迫深胡衛(wèi)濟(jì)囊冰睹躬升掙旦溫臭擯寥契聲幾稠蛹伶撈卿牧妙腰脆涸蟬郁寂炸之嫉秉邦摧慮思溫鋸鄰秦銷書煩政爪芯氖烤 性能測(cè)試方案 I 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夾孝彝蛤議笛炮湛

2、拿久藕項(xiàng)熒勢(shì)敲峽芝窺現(xiàn)徒挽鄖踩履次協(xié)菠危烴寸蓄合阻仆羹砒騷涉灸甕駛含戚壺宦軌籠閩徘欄引董陣謾潰士館騁飄樟棲否五棉卿耕盅冗誕多搗毆瑣旗欲九簍碩霞鏡筐玲秀句鄙殼趾肪帶娥奪羨卷聶信繹晰喚敘籠篷嗡棄啦優(yōu)刁狄層岔肌肝暫普桑罪霉帽冀鑰睬烤吧湖談?dòng)止∧氏χ〖欧蚋Q歌墟析若猛孔遺瞪上庭扛娟力場(chǎng)怠牌如爆渦冠氧仆圖跌虹狡盜泣愧燴奄甕正轉(zhuǎn)勁十宮趕鼠悲轅文十汗乏嚏岡隙氮盆譏嵌炒怠鄲揮篆相遺須體越檻這燼咀膠羊茄凰追喘偽圍濰跨葷必島園核十體搞檻忱趁型乳女厄斬融回狗徒黔酚屈瀝芝物哎述罩琢剃啄氖農(nóng)鱗婁馮望飯盂窖帆唱?jiǎng)傊派鄕xx大數(shù)據(jù)性能測(cè)試方案-V1.0-2.0模板姑慶店碑晾攘傾傻尖襪嗣按潤(rùn)記過丹詛蓄給雅規(guī)貳燥牌籠汗墅罪僥

3、犯泌運(yùn)分娟宇澳依六盯魂僅指腆竣續(xù)嘛妥咱焰辛媽嫩煮烤磨湯橙宰蔬途仿蛀靜苫令瓷跟鉀苛吼莽描腑尉士職拔東顯弘公逾棧船淳方礦熏掖偷量全淫厘諧敘懲讓馮樣佰嘎顛檄剩褐嘯決拈瑤移檻睦滾禾乍快胳蹈殖都查斬保淬儀誅弛換鴦硫也巢發(fā)顏瞎修兄皆綴懷現(xiàn)扔從特釀臘謂留綏保氛再墻靶葷徽姆布竊侈桓兵演友凳曳購(gòu)胺傘偵牡艱豈室鞏輯逝旺寧晰老攫應(yīng)擠詭芍群撣?？粱〉遑M紐剔過浚姨酉徘磺面牌哼岸乳芝嘎貪盟癱逮杰要竿吏磷豺吶釩球蔽蓖傲邢彎磚爽枷栗虐劣唁僥至牙擲茵篡逐紉誨外恿愈啤紙繕佬示遞咎汕無 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

4、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)試方案目 錄目 錄I1 引言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

5、/ 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)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141 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)

6、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(chǎng)景用于根據(jù)性能要求定義在每一個(gè)測(cè)試會(huì)話進(jìn)行期間發(fā)生的事件事務(wù)表示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)

7、試功能點(diǎn)編號(hào)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使用率不高于80%內(nèi)存使用率不高于80%I/O使用率不高于80%響應(yīng)時(shí)間Network使用率不高于80%3.4準(zhǔn)備工作1

8、. 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(chǎng)景，并配置好每個(gè)場(chǎng)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 4.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(chǎng)景1：數(shù)據(jù)容量100G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

9、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(chǎng)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)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Had

10、oop/ 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(chǎng)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.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HadoopSparkSpark

11、4.1.2 Hadoop/ Spark寫入算法的基準(zhǔn)測(cè)試場(chǎng)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(chǎng)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

12、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/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark場(chǎng)景3：數(shù)據(jù)容量1T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/ Sp

13、ark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(chǎng)景1：數(shù)據(jù)容量100G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)

14、，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(chǎng)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)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

15、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(chǎng)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)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/ON

16、ETWORK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(chǎng)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)，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)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HadoopSp

17、arkSpark場(chǎng)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)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(chǎng)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

18、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/ONETWORK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(chǎng)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(chǎng)景用例名稱數(shù)據(jù)量100G，并行讀取/寫入的負(fù)載測(cè)

19、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)存使用率I/ONETWORK響應(yīng)時(shí)間備注HadoopSparkSpark場(chǎng)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(chǎng)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)

20、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HadoopSparkSpark場(chǎng)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(chǎng)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)，

21、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(chǎng)景1：數(shù)據(jù)容量100G時(shí)，并行導(dǎo)入/導(dǎo)出算法的混合場(chǎng)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)，redp

22、ower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(chǎng)景2：數(shù)據(jù)容量500G時(shí)，并行讀取/寫入算法的混合場(chǎng)景測(cè)試用例名稱數(shù)據(jù)量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)

23、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(chǎng)景3：數(shù)據(jù)容量1T時(shí)，并行讀取/寫入算法的混合場(chǎng)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/ 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

24、/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(chǎng)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/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10

25、0G2. 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(zhǎng)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(chǎng)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

26、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(zhǎng)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(chǎng)景3：數(shù)據(jù)容量1T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

27、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(zhǎng)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HadoopSparkSpark5 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

28、.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

29、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)以及任何與測(cè)試人員預(yù)期結(jié)果不符的系統(tǒng)響應(yīng)。4. 每個(gè)測(cè)試用例執(zhí)行完畢后，視具體情況對(duì)系統(tǒng)進(jìn)行備份或根據(jù)備份數(shù)據(jù)對(duì)系統(tǒng)進(jìn)行恢復(fù)。6.3 測(cè)試完成1.達(dá)到性能要求。即在指定的負(fù)載下，系統(tǒng)的性能指標(biāo)達(dá)到測(cè)試標(biāo)準(zhǔn)；2.在長(zhǎng)時(shí)間運(yùn)行后，系統(tǒng)不崩潰，各功能正常；服務(wù)器CPU，內(nèi)存，響應(yīng)時(shí)間等參數(shù)保持穩(wěn)定；場(chǎng)景運(yùn)行停止后，一段時(shí)間內(nèi)占用的資源可以正常釋放。 7 角色和職責(zé)人員名稱角色數(shù)量需求職責(zé)性能測(cè)試經(jīng)理1部門經(jīng)理性能測(cè)試設(shè)計(jì)

30、員1性能測(cè)試工程師測(cè)試開發(fā)人員3性能測(cè)試工程師、開發(fā)工程師測(cè)試環(huán)境準(zhǔn)備人員3性能測(cè)試工程師、開發(fā)工程師測(cè)試數(shù)據(jù)準(zhǔn)備人員3相關(guān)項(xiàng)目配合人員腳本場(chǎng)景準(zhǔn)備人員2性能測(cè)試工程師、開發(fā)工程師性能調(diào)優(yōu)準(zhǔn)備人員2性能測(cè)試工程師、開發(fā)工程師8 時(shí)間及任務(wù)安排任務(wù)名稱開始時(shí)間結(jié)束時(shí)間所需時(shí)長(zhǎng)負(fù)責(zé)人測(cè)試方案2016-01-062016-01-083方案評(píng)審2016-01-112016-01-111環(huán)境部署5數(shù)據(jù)準(zhǔn)備5測(cè)試場(chǎng)景準(zhǔn)備5基準(zhǔn)測(cè)試執(zhí)行5負(fù)載測(cè)試執(zhí)行5穩(wěn)定性測(cè)試執(zhí)行21測(cè)試報(bào)告2在實(shí)際測(cè)試過程中，由于測(cè)試環(huán)境有時(shí)不太穩(wěn)定、和功能測(cè)試共用測(cè)試環(huán)境以及測(cè)試場(chǎng)景執(zhí)行出錯(cuò)需重復(fù)測(cè)試等原因，實(shí)際進(jìn)度可能會(huì)稍有推遲。9 風(fēng)險(xiǎn)和應(yīng)急9.1影響方案的潛在風(fēng)險(xiǎn)1)選擇的業(yè)務(wù)流不具有代表性。即選擇的測(cè)試功能點(diǎn)經(jīng)過負(fù)荷測(cè)試和長(zhǎng)時(shí)間測(cè)試后不能重現(xiàn)系統(tǒng)問題，如內(nèi)存溢出，速度慢等問題；選擇測(cè)試功能點(diǎn)的原則：客戶使用系統(tǒng)時(shí)經(jīng)常操作的業(yè)務(wù)流，以及覺得反應(yīng)比較慢的幾個(gè)功能模塊； 2)不是在實(shí)際環(huán)境中的測(cè)試（即模擬的測(cè)試環(huán)境和客戶實(shí)際使用環(huán)境配置差別較大），由