Proces testovania je pochopiteľne najdôležitejším aspektom akejkoľvek softvérovej domény. Keď sa organizácia rozhodne prispôsobiť sa vylepšenej technológii, rola testovacieho inžiniera sa rozšíri do rôznych domén. V tomto blogovom príspevku sa pozrime na to, prečo by sa mal softvérový testovací inžinier učiť ekosystémové technológie Big Data a Hadoop.
Ak ste vo svete Big Data / Hadoop nováčikom, prezrite si niektoré z našich príspevkov na , a
Poďme priamo k drsným detailom tejto témy
Prečo by sa mal softvérový testovací inžinier naučiť Big Data a Hadoop?
Kariérny rast:
Vyššie uvedený graf je samozrejmý. Jasne to ukazuje, že miera rastu úloh súvisiacich s Hadoopom je oveľa vyššia ako miera rastu úloh testovania softvéru. Maximálna miera rastu úloh súvisiacich so softvérovým testovaním je približne 1,6%, ale miera rastu úloh testovania založených na Hadoop je neuveriteľných 5% (približne.)
80% ľudí, ktorí sa učia Hadoop, pochádza z nerozvojového prostredia. Jedným z nich môžete byť aj vy.
Obmedzenia súčasných testovacích postupov pri testovaní aplikácií na riešenie problémov s dátami Big Data:
- Prístupy k testovaniu softvéru sú riadené skôr údajmi (ako je nerovnosť údajov, nesúlad veľkosti súborov údajov atď.), A nie testovacími scenármi.
- Štandardné nástroje na priraďovanie údajov (napríklad win diff atď.) Nefungujú s veľkým objemom údajov. Toto sa stáva obmedzením v súboroch zručností inžiniera testujúceho softvér.
V prípade stredne veľkých údajov môžu byť údaje vystavené ako tabuľky HBase a overené zo sady vstupných údajov uplatnením obchodnej logiky na malú sadu vstupov.
Pre dáta veľkého rozsahu poskytujú techniky veľkých dát inžinierom jedinečné sady zručností, ktoré sa používajú na testovanie veľkých a zložitých súborov údajov, a nachádzajú množstvo príležitostí v oblasti meteorológie, genomiky, konektomiky, komplexných fyzikálnych simulácií a biologického a environmentálneho výskumu.
Stav testovacieho poľa - Odborné posudky:
Scott Barber, renomovaný tester, rečník a spisovateľ zaoberajúci sa testovaním, ktorý sa špecializuje na oblasť Testovania výkonu systému citoval niekoľko skutočne silných a pôsobivých slov o súčasnej situácii v oblasti testovania.
Na rôznych sociálnych sieťach prebehli početné rozhovory o možnosti Testovania stať sa „umierajúcou profesiou“ a Scott súhlasí s tým, že Testovanie ako profesia je uprostred dramatickej transformácie.
Toto vyhlásenie bolo dosť dramatické, poďme sa pozrieť na fakty a sami sa pozrieme, čo sa deje v oblasti testovania.
Pohľad na pracovný profil Hadoop / Big Data Tester:
Nižšie je uvedená požiadavka, ktorú kladie určitá organizácia na požiadavku na testovanie Hadoop:
Pri pohľade na vyššie uvedenú požiadavku vidíme, že testovacie schopnosti sú veľmi potrebné a tvoria základ tohto pracovného profilu. Všetko, čo sa od softvérového testovacieho inžiniera vyžaduje, aby sa stal Big Data, alebo testerom Hadoop, je aktualizovať sa pomocou zručností Big Data / Hadoop.
Aké ľahké je prejsť na Hadoop / Big Data:
- Na Javu alebo nie na Javu - Flexibilita pri výbere:
Pre tých, ktorí sú odborníkmi na jazyk Java, je prechod prechodom na torte, rovnako ako otvorený programovací rámec založený na prostredí Java. Tu použité skripty MapReduce sú napísané v jazyku Java. Teraz je zrejmé, že pri práci na Hadoope sú nevyhnutné znalosti jazyka Java.
To neznamená, že experti, ktorí nie sú Java, majú pred sebou neľahkú cestu. Krása Hadoopu je, že má množstvo nástrojov, ktoré a „Non-Java“ odborník môže použiť. Niektoré z nástrojov Hadoop ako Hive, Pig a Sqoop nevyžadujú znalosti jazyka Java, pretože sa veľmi spoliehajú na SQL.
- Zdieľané zručnosti a aplikačné platformy medzi profesionálom v testovaní a profesionálom Hadoop:
Myšlienka presunu z komfortnej zóny do novej domény, ako sú Big Data / Hadoop, môže byť spočiatku trochu ohromujúca. Treba si však uvedomiť, že Testovanie a Hadoop sa navzájom nevylučujú. Tu je zoznam zručností a platforiem, ktoré sa medzi nimi používajú, je možné podľa nich použiť http://www.itjobswatch.co.uk . Jedna alebo viac z týchto zručností sa dá použiť aj na zosúladenie so zručnosťami Big Data a Hadoop. Preto je uľahčenie hladkého prechodu jednoduchšie.
Dobrý testovací inžinier má ostré analytické schopnosti, silné technické schopnosti, vynikajúci prístup, zameraný na detaily a ochotu učiť sa. Toto sú presné črty požadované pre každého, aby prešiel na Hadoop. Je nevyvrátiteľné, že Testovanie prechádza transformáciou, ale nebude to jej koniec. Ale s meniacimi sa časmi je rozumné plaviť sa vysokou vlnou - Hadoop, berúc do úvahy všetky jeho vlastnosti a flexibilitu.
Stále nie ste presvedčení, že sa môžete naučiť Hadoop? Nedôveruj nikomu. Posúďte sami. Kliknutím nižšie si môžete pozrieť ukážkový záznam triedy Big Data a Hadoop triedy Edureka.
Máte na nás otázku? Uveďte ich v sekcii komentárov a my sa vám ozveme.
Súvisiace príspevky:
Sedem spôsobov, ako školenie veľkých dát môže zmeniť vašu organizáciu
veľkosť poľa v JavaScripte