今天老徐在小密圈提问，如何做大数据测试。我就自己以前做运维时，接触到的一些知识，做了简单的说明，这些也都是自己实践过，想要表达的东西。
大数据运维，通俗来说就是对集群健康的监控；各种与集群相关组件的使用，如 hive，hbase，spark，zookeeper,redis,pig,solr,kafka,flume等，都属于运维的范畴；数据库的备份；服务器的硬件信息（cpu、内存等）等等，都是运维的工作。
以前做运维的时候，接触过大数据方面的测试。主要接触的有两方面：1.大数据平台的测试 2.针对大数据平台所存储数据的测试。
一、大数据平台测试：一般是对集成环境测试，简单来说，就是有一个平台，可以统一管理集群中各项指标。
1.登录监控管理系统；
2.查看系统各项指标，包括但不限于：
主机节点：主机名称、CPU、内存、网络等参数等；
HDFS: HDFS文件系统块总数、总大小、文件总数、剩余量、损坏块等；
Mapreduce:任务运行情况，任务占资源情况等；
清单查询集群：RegionServer的请求次数以及RegionServer Regions数目等；
YARN：Current Applications、Finished Applications、NodeManagers；
系统运行日志；
3. 能通过界面对主机、服务进行日常的运维、管理等操作。包括但不限于：
对服务、集群等进行启停操作；
对服务、集群的参数及配置项进行管理；
对系统资源进行管理及人工调整；
对于安全访问的审计功能支持；等。
二、数据方面的测试：利用hive，对数据进行处理。通过ETL调度工具，可以对数据进行清洗、转换等。做过一段时间的升级工作，将oracle的存储过程，修改为适用于大数据平台的hivesql。还有相关的数据在集群中导入导出、集群个组件的应用测试、sql查询的性能测试（以前写的脚本，跑了一天一夜，数据还是没跑出来。还有因为一个脚本写的不合理，导致集群卡死），相关sql优化（数据倾斜，空字段、笛卡尔积、布尔值）。 还有对ETL调度工具的使用。
hivesql、sparksql 与mysql 个人感觉差不多，可以看看官方文档的介绍。
现在对数据处理分为两个方向：实时与非实时。 实时的一般用kafka+flume ,非实时的一般用hive。还有对数据处理比较快的spark(走内存)，ETL调度工具：抽取（extract）、转换（transform）、加载（load），以前公司自己研发的ETL调度工具，可以对任务进行定时处理，ETL（主要配置一些sql，定时触发）和HADOOP集群结合，完美搭档。
除了以上之外，还要对Linux玩的比较好，查日志，动态打印日志，备份数据库，vi编辑器，写shell脚本，启定时任务，对服务器内存、CPU的监控，会搭建各种环境（Java，mysql，redis，tomcat,jmeter 甚至集群的搭建），修改配置文件，替换jar包等 。
待续吧
