之前大数据很少有测试，开发会觉得：测试环境又没有那么多数据，你怎么测？抛开大数据的数据量大的特点，究其根本，他也是为业务服务的。有一句话我非常赞同：一切技术都是为业务服务，脱离业务的技术一文不值。这句话在大数据时代的今天，依然适用，并且会一直适用下去。测试的工作就是要保证数据的正确性，业务逻辑正确。
 

       大数据脚本也有输入、输出，这有点类似与功能测试中的后台逻辑测试，没有界面，一切都是后台服务器处理的，测试人员必须要清楚整个处理流程，每个数据的流转，每个步骤的输入和输出，才能判断最后的输出结果是否正确。
 

       对于大数据测试也是一样，我们要清楚每个脚本的功能，每个脚本的输入和输出，整体数据流转过程，来判断大数据实现的功能是否正确。一个数据脚本或者一段数据计算逻辑，在大数据下运行正确的前提，必须是其功能是正确的，这也是我们测试人员首先要保证的。那么，我们应该如何做呢？今天我想谈下自己的浅见。
 

       那么，怎么编写测试用例呢？
 

       功能测试编写测试用例的常用方法：等价类、边界值（这两个方法估计做测试的都知道），同样适用于大数据测试编写用例，与通常意义上的功能测试不同的是，他的输入不再是一个输入框，而是一个数据库字段或者一个有特殊意义的数据集（包含多个数据）。
 

       我们先回顾一下等价类和边界值两种常用的功能测试设计用例的方法。首先划分等价类：是指某个输入域的子集合。在该子集合中，各个输入数据对于揭露程序中的错误都是等效的，并合理地假定：测试某等价类的代表值就等于对这一类其它值的测试。

       那么，如何用大数据编写测试用例呢？
 

       1、收集大数据脚本

       拿我们之前测试的一个大数据脚本举例，脚本的主要功能是统计某家店铺某一天的订单量，根据设置的每个商品不同的返利规则，计算店铺每天的利润。
 

       举例说明

       首先输入分析条件：

       1）指定店铺

       2）指定某一天

       3）不同时间，不同的商品，不同的返点

       商品1：2016.12.06 13:00:00-15:00:00，返利为5%；

       商品2：2016.12.07 00:00:00-23:59:59，返利为15%；

       所有商品，除指定时间外，返利均为1%。