从测试手段上来看，有功能测试、性能测试、自动化测试、安全测试、接口测试等多种。
那么，大数据测试到底要测量什么，如何测量，很遗憾，我们告诉我们的合作伙伴，目前业界还没有用一般的方法定义大数据测试。 本文借鉴传统测试的思想，与大家一起探讨大数据测试的范围。
目录如下
1、传统测试范围的定义
2、大数据的功能性和易用性
3、大数据的可靠性和效率
4、大数据的维护性和可移植性
1传统测试nrdgz的定义
ISO9126软件质量模型标准定义了软件评估的六个特性，分别是功能性、易用性、可靠性、高效性、可维护性、可移植性，意味着软件测试基本围绕这六个特性展开。
2大数据的功能性和易用性
我们将借鉴ISO9126软件质量模型，审视大数据功能性、易用性应该考虑的方面。
2.1功能性
说明： ISO9126是指满足需求的文档和相关标准能力，分别由适用性、准确性、互操作性、保密安全性、功能依赖性定义。 比如，测试手机。 确认其功能完整(电话、短信、APP、拍照…) (满足用户日常需求，满足互操作性)，拨打电话时确认可以进行手机APP ) )。
2.2数据包罗性
质疑获取的爬虫数据对应的友商是否全面，除了友商a的数据应该获取外，还需要考虑友商b、c、d的数据是否考虑各友商选择的目标店是否具有代表性； 通常在需求审查阶段提交。
2.3数据完整性
我怀疑获得的数据是否完整。 这里完全是指：
数据确保在指定时间范围内每日有数据，排除风驰电掣的情况；
数据是否重复，例如：与一个URL对应的两个结果数据；
2.4数据合理性
怀疑获得的数据是否符合数据库的规定类型，以及是否出现异常值
2.5数据准确性
怀疑获取数据的结果表与数据源的表头表是否匹配，能量表经过A – B – C处理得到结果表，需要验证整个过程的数据是否失真，确保数据的准确性和一致性。
2.6安全性验证
某些敏感数据可能需要从数据检索方法或数据本身的安全性来考虑安全性。
2.7易用性验证
确保数据检索过程顺畅，如果需要在许多命令中运行以检索数据并连接到多个环境，请确保数据的易用性不高，并且每个指定的内容都是可理解的。
3大数据可靠性和效率
类似地，如果处理大数据的平台发生意外错误，或者数据处理慢了，我们必须有一些处理方案以确保能够在短时间内恢复。 或者，必须有紧急方案，即使无法恢复也不会影响整个链路的上下游。 这就是实际处理大数据平台可靠性和效率的保证。