xxx大數(shù)據(jù)性能測(cè)試方案-V10-20

1、xxx大數(shù)據(jù)性能測(cè)試方案-V10-20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 日性能測(cè)試方案文件變更記錄*A - 增加 M - 修訂 D - 刪除版本號(hào) 日期 變更類型 修改人 摘要 審核人 備注 (A*M*D)V2.0 2016-06-08 A 新建性能測(cè)試方案 性能測(cè)試方案目錄目錄 . . I 1 引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(yǔ)定義. 1 2 環(huán)境搭 建. 11 測(cè)試硬件環(huán)境. 1 2.1.%2.%3 軟件環(huán)境. 2 3 測(cè)試范圍 .

2、 26.1 測(cè)試功能點(diǎn) .丿、 . 26.2 測(cè)試類型. 26.3 性能需求. 36.4 準(zhǔn)備工作. 36.5 測(cè)試流程. 3 4.業(yè)務(wù)模 型. 49.1 基準(zhǔn)測(cè)試. 41.1Hadoop/ Spark 讀取算法的基準(zhǔn)測(cè)試. 43.1 Hadoop/ Spark 寫入算法的基準(zhǔn)測(cè)試. 5 4.2.Hadoop/ Spark 導(dǎo)入算法的基準(zhǔn)測(cè)試. 63.Hadoop/ Spark 導(dǎo)出算法的基準(zhǔn)測(cè)試. 73.負(fù)載測(cè)試. 83.Hadoop/ Spark 并行讀取 / 寫入算法的負(fù)載測(cè)試 . 83.Hadoop/ Spark 并行導(dǎo)入 / 導(dǎo)出算法的負(fù)載測(cè)試 . 93.穩(wěn)定性測(cè)試 .103.Had

3、oop/ 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 .10 5 測(cè)試交付項(xiàng) .12 6測(cè)試執(zhí)行準(zhǔn)則 . 122.測(cè)試啟動(dòng).123.測(cè)試執(zhí)行.124.測(cè)試完成.13 7角色和職責(zé) .13 8時(shí)間及任務(wù)安排 .13 9 風(fēng)險(xiǎn)和應(yīng)急 .142.影響方案的潛在風(fēng)險(xiǎn) .143.應(yīng)急措施.14I性能測(cè)試方案1 引言2.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。3.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。4

4、.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。5.術(shù)語(yǔ)定義術(shù)語(yǔ) 定義 通過(guò)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(lái)對(duì)系統(tǒng)的各項(xiàng) 性能指性能測(cè)試標(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1 性能測(cè)試方案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) 編號(hào) 測(cè)試點(diǎn) 對(duì)應(yīng)算法 備注Hadoop 讀取 1Hadoop 寫入 2Hadoop 導(dǎo)入 3Hadoop 導(dǎo)出 4Spark 讀取 5

5、Spark 寫入 6Spark 導(dǎo)入 7Spark 導(dǎo)出 8 3.2 測(cè)試類型 類型 定義 備注 單事物單用戶測(cè)試，目的是對(duì)選擇的單用戶在無(wú)壓力情況下 （ 無(wú) 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)求基準(zhǔn)測(cè)試 的情況負(fù)載測(cè)試 通過(guò)逐步增加系統(tǒng)負(fù)載，測(cè)試系統(tǒng)性能的變化 通過(guò)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)穩(wěn)定性測(cè)試否穩(wěn)定運(yùn)行性能測(cè)試方案2.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.準(zhǔn)備工作2.測(cè)試功能點(diǎn)全部通過(guò)功能測(cè)試，確保功能上沒有問題 ;

6、3.測(cè)試環(huán)境服務(wù)器已搭建，被測(cè)項(xiàng)目已部署 ;4.準(zhǔn)備測(cè)試客戶機(jī) ;5.準(zhǔn)備好測(cè)試數(shù)據(jù) ;6.創(chuàng)建測(cè)試場(chǎng)景，并配置好每個(gè)場(chǎng)景的設(shè)置 ;7.測(cè)試過(guò)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 測(cè)試流程3.53性能測(cè)試方案4.測(cè)試策略4.1 基準(zhǔn)測(cè)試4.3Hadoop/ 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)試讀取用例名稱數(shù)據(jù)量 100G 讀取功能的基準(zhǔn)測(cè)試算法驗(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redpower 服務(wù)器運(yùn)行情況前置條件100G 讀取操作時(shí),操作步驟

7、 1.準(zhǔn)備數(shù)據(jù)容量 100G4.3.1對(duì) redpower 服務(wù)器進(jìn)行資源監(jiān)控4.3.2客戶端執(zhí)行 Hadoop/ Spark 的讀取代碼類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoopSparkSpark 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)試讀取用例名稱數(shù)據(jù)量 500G 讀取功能的基準(zhǔn)測(cè)試算法驗(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) redpowe

8、r 服務(wù)器進(jìn)行資源監(jiān)控3. 客戶端執(zhí)行 Hadoop/ Spark 的讀取代碼類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoopSparkSpark 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)試讀取用例名稱數(shù)據(jù)量 1T,讀取功能的基準(zhǔn)測(cè)試算法驗(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4性能測(cè)試方案前置條件操作步驟 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/ Spar

9、k 的讀取代碼類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoopSparkSpark4.4Hadoop/ 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)試寫入用例名稱數(shù)據(jù)量 100G 寫入功能的基準(zhǔn)測(cè)試算法驗(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

10、代碼類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoopSparkSpark 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)試寫入用例名稱數(shù)據(jù)量 500G 寫入功能的基準(zhǔn)測(cè)試算法驗(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 500G5對(duì) redpower 服務(wù)器進(jìn)行資源監(jiān)控6客戶端執(zhí)行 Hadoop/ Spark 的寫入代碼類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O N

11、ETWORKHadoopSparkSpark5性能測(cè)試方案場(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)試寫入用例名稱數(shù)據(jù)量 1T,寫入功能的基準(zhǔn)測(cè)試算法驗(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 1T1.%2對(duì) redpower 服務(wù)器進(jìn)行資源監(jiān)控2.%2客戶端執(zhí)行 Hadoop/ Spark 的寫入代碼類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoopSparkSpark4.5Hado

12、op/ 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)導(dǎo)入用例名稱數(shù)據(jù)量 100G 導(dǎo)入功能的基準(zhǔn)測(cè)試算法驗(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 100G1. 對(duì) redpower 服務(wù)器進(jìn)行資源監(jiān)控2.客戶端執(zhí)行 Hadoop/ Spark 的導(dǎo)入代碼類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoopSparkSpark 場(chǎng)景 2

13、: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) 導(dǎo)入用例名稱數(shù)據(jù)量 500G 導(dǎo)入功能的基準(zhǔn)測(cè)試算法驗(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.%2對(duì) redpower 服務(wù)器進(jìn)行資源監(jiān)控3.%2客戶端執(zhí)行 Hadoop/ Spark 的導(dǎo)入代碼類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoop6性能測(cè)試方案SparkSpark 場(chǎng)景 3:數(shù)據(jù)容量 1T 時(shí)，進(jìn)

14、行導(dǎo)入算法，查看服務(wù)器的相關(guān)性能指標(biāo) 導(dǎo)入用例名稱數(shù)據(jù)量 1T,導(dǎo)入功能的基準(zhǔn)測(cè)試算法驗(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 1T3. 對(duì) redpower 服務(wù)器進(jìn)行資源監(jiān)控4. 客戶端執(zhí)行 Hadoop/ Spark 的導(dǎo)入代碼類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoopSparkSpark4.6Hadoop/ 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

15、算法，查看服務(wù)器的相關(guān)性能指標(biāo)導(dǎo)出 用例名稱 數(shù)據(jù)量 100G 導(dǎo)出功能的基準(zhǔn)測(cè)試 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 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 100G9.1 對(duì) redpower 服務(wù)器進(jìn)行資源監(jiān)控9.2 客戶端執(zhí)行 Hadoop/ Spark 的導(dǎo)出代碼類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoopSparkSpark 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) 導(dǎo)

16、出算法 用例名稱 數(shù)據(jù)量 500G 導(dǎo)出功能的基準(zhǔn)測(cè)試 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7性能測(cè)試方案3. 客戶端執(zhí)行 Hadoop/ Spark 的導(dǎo)出代碼類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoopSparkSpark 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) 導(dǎo)出 用例名稱 數(shù)據(jù)量

17、1T,導(dǎo)出功能的基準(zhǔn)測(cè)試 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 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 1T對(duì) redpower 服務(wù)器進(jìn)行資源監(jiān)控客戶端執(zhí)行 Hadoop/ Spark 的導(dǎo)出代碼類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoopSparkSpark 4.2 負(fù)載測(cè)試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)

18、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 100G對(duì) redpower 服務(wù)器進(jìn)行資源監(jiān)控客戶端并行執(zhí)行 Hadoop/ Spark 的讀取/寫入算法類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoopSparkSpark8性能測(cè)試方案場(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)

19、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 500G對(duì) redpower 服務(wù)器進(jìn)行資源監(jiān)控客戶端并行執(zhí)行 Hadoop/ Spark 的讀取/寫入算法類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoop9SparkSpark 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

20、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 1T對(duì) redpower 服務(wù)器進(jìn)行資源監(jiān)控客戶端并行執(zhí)行 Hadoop/ Spark 的讀取/寫入算法類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoopSparkSparkHadoop/ 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

21、 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 100G對(duì) redpower 服務(wù)器進(jìn)行資源監(jiān)控客戶端并行執(zhí)行 Hadoop/ Spark 的導(dǎo)入/導(dǎo)出算法類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoop性能測(cè)試方案SparkSpark 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 50

22、0G 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 500G對(duì) redpower 服務(wù)器進(jìn)行資源監(jiān)控客戶端并行執(zhí)行 Hadoop/ Spark 的導(dǎo)入/導(dǎo)出算法類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoopSparkSpark 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

23、 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 1T對(duì) redpower 服務(wù)器進(jìn)行資源監(jiān)控客戶端并行執(zhí)行 Hadoop/ Spark 的導(dǎo)入/導(dǎo)出算法類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoopSparkSpark穩(wěn)定性測(cè)試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)

24、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)算法 讀取/寫入/導(dǎo)入/導(dǎo)出定性測(cè)試10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 100G對(duì) redpower 服務(wù)器進(jìn)行資源監(jiān)控客戶端并行執(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)類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORK

25、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)算法 讀取/寫入/導(dǎo)入/導(dǎo)出定性測(cè)試驗(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11操作步驟 1. 準(zhǔn)備數(shù)據(jù)容量 500G對(duì) redpower 服務(wù)器進(jìn)行資源監(jiān)控客戶端并行執(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)

26、類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoopSparkSpark 場(chǎng)景 3:數(shù)據(jù)容量 仃時(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)定算法 讀取/寫入/導(dǎo)入/導(dǎo)出性測(cè)試驗(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 1T對(duì) redpower 服務(wù)器進(jìn)行資源監(jiān)控客戶端并行執(zhí)行 Hadoop/ Spa

27、rk 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)類別內(nèi)存使用率 響應(yīng)時(shí)間備注運(yùn)行結(jié)果 CPU 使用率 I/O NETWORKHadoopSparkSpark性能測(cè)試方案測(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1、測(cè)試人員編寫項(xiàng)目所有測(cè)試用例測(cè)試設(shè)計(jì)XXX 大數(shù)據(jù)平臺(tái)-性能測(cè)試用例2、評(píng)審?fù)ㄟ^(guò)后導(dǎo)入到禪道中，并上傳至SVN 服艮及實(shí)現(xiàn)務(wù)器1、 主導(dǎo)測(cè)試完成測(cè)試報(bào)告 測(cè)試報(bào)告 XXX 大數(shù)據(jù)平臺(tái)-性能測(cè)試報(bào)告2、 包括性能指標(biāo)分析圖測(cè)試執(zhí)行準(zhǔn)則測(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 :開發(fā)提測(cè) checkli

28、st 內(nèi)容符合要求，已提交至測(cè)試部門。系統(tǒng)功能測(cè)試已通過(guò)。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(guò)嚴(yán)格評(píng)審。性能測(cè)試所需的資源已經(jīng)到位。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。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。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 ） 。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)