Процесът на тестване е разбираемо най-важният аспект на всеки софтуерен домейн. Ролята на тестващия инженер се разпростира върху различни домейни, когато организацията реши да се адаптира към подобрена технология. В тази публикация в блога, нека обсъдим защо инженер по софтуерно тестване трябва да научи големите данни и екосистемните технологии на Hadoop.
Ако сте нов в света на Big Data / Hadoop, прегледайте някои от нашите публикации нататък , и
Нека да преминем направо към глупавите подробности на тази тема
Защо инженерът по софтуерно тестване трябва да научи Big Data и Hadoop?
Кариерен растеж:
Горната диаграма е обяснима сама по себе си. Това ясно показва, че темпът на растеж на свързаните с Hadoop задачи са много по-високи от този на задачите за тестване на софтуер. Максималният темп на растеж на работни места, свързани с тестване на софтуер, е приблизително 1,6%, но темпът на растеж на тестваните базирани на Hadoop работни места е огромен 5% (приблизително.)
80% от хората, които учат Hadoop, са от неразвито образование. Вие също може да сте един от тях.
Ограничения на текущите практики за тестване при тестване на приложения за решаване на проблеми с големи данни:
- Подходите за тестване на софтуер се управляват от данни (като изкривяване на данните, несъответствие на размера на набори от данни и т.н.), а не от сценарии за тестване.
- Стандартните инструменти за съвпадение на данни (като win diff и др.) Не работят с големи обеми данни. Това се превръща в ограничение за наборите от умения на инженера по софтуерно тестване.
За средно големи данни данните могат да бъдат изложени като HBase таблици и проверени от набора от входни данни чрез прилагане на бизнес логика върху малък набор от входни данни.
За широкомащабни данни техниките за големи данни предоставят на инженерите уникални набори от умения, които се използват за тестване на големи и сложни набори от данни и намират многобройни възможности в областта на метеорологията, геномиката, коннектомиката, сложни физически симулации и биологични и екологични изследвания.
Състояние на полето за тестване - експертни мнения:
Скот Барбър, известен тестер, говорител и писател по темата, свързана с тестване, специализирана в областта на тестване на производителността на системата цитира някои наистина мощни и въздействащи думи за текущата ситуация в областта на тестването.
разлика между Java и клас
Има многобройни разговори в различни социални медии за възможността тестването да се превърне в „умираща професия“ и Скот се съгласява, че тестването като професия е в средата на драматична трансформация.
Е, това твърдение беше достатъчно драматично, нека да разгледаме фактите и да се убедим сами какво се случва в полето Тестване.
Поглед към работния профил на Hadoop / Big Data Tester:
По-долу е дадено изискване, поставено от определена организация за изискванията им за Hadoop Tester:
Когато разглеждаме горното изискване, можем да видим, че уменията за тестване са до голяма степен необходими и формират основата на този работен профил. Сега всичко, което се изисква от инженер за тестване на софтуер, за да стане Big Data или Hadoop Tester, е да се актуализира с уменията си за Big Data / Hadoop.
Колко лесно е да преминете към Hadoop / Big Data:
- На Java или не на Java - Гъвкавост при избор:
За тези, които са експерти в Java, преходът е разходка, както и програмната рамка с отворен код, базирана на Java. Използваните тук скриптове MapReduce са написани на Java. Сега е съвсем очевидно, че за да работите върху Hadoop, знанията в Java са наложителни.
Казвайки горното, това не означава, че пред експертите, които не са Java, предстои тежко пътуване. Красотата на Hadoop е, че разполага с набор от инструменти, които a „Не-Java“ експерт може да използва. Някои от инструментите на Hadoop като Hive, Pig и Sqoop не изискват знания за Java, тъй като разчитат силно на SQL.
- Споделени умения и платформи за приложение между професионалист по тестване и професионалист Hadoop:
Идеята за преминаване от зоната на комфорт към нов домейн като Big Data / Hadoop може да е малко поразителна в началото. Но човек трябва да осъзнае, че тестването и Hadoop не се изключват взаимно. Ето списък от умения и платформи, които се използват между тях, могат да се използват според http://www.itjobswatch.co.uk . Едно или повече от тези умения могат да се използват и в съответствие с уменията за големи данни и Hadoop. По този начин е по-лесно да се направи плавен преход.
Добрият инженер по тестване притежава остри аналитични умения, силни технически умения, страхотно отношение, ориентиран към детайлите и желание за учене. Това са точните черти, необходими на всеки, за да премине към Hadoop. Безспорно е, че тестването е в процес на трансформация, но това няма да е краят му. Но с променящите се времена е разумно да се плава по високата вълна - Hadoop, като се вземат предвид всички нейни характеристики и гъвкавост.
Все още не сте убедени, че можете да научите Hadoop? Не вярвайте на никого. Преценете себе си. Кликнете по-долу, за да гледате примерен запис на клас от Big Data и Hadoop клас, проведен от Edureka.
Имате въпрос към нас? Споменете ги в раздела за коментари и ние ще се свържем с вас.
Подобни публикации:
7 начина, по които обучението за големи данни може да промени вашата организация