ניתן להבין כי תהליך הבדיקה הוא ההיבט החשוב ביותר בכל תחום תוכנה. תפקיד מהנדס הבדיקה משתרע על תחומים שונים כאשר הארגון בוחר להתאים את עצמו לטכנולוגיה משופרת. בפוסט בבלוג זה, בואו נדון מדוע מהנדס בדיקת תוכנה צריך ללמוד טכנולוגיות Big Data ו- Hadoop מערכות אקולוגיות.
אם אתה חדש בעולם הביג דאטה / Hadoop, עיין בכמה מהפוסטים שלנו ב , ו
בואו נעבור ישר לפרטים הנוקשים של נושא זה
מדוע מהנדס בדיקת תוכנה צריך ללמוד ביג דאטה ו- Hadoop?
צמיחה בקריירה:
התרשים שלעיל מובן מאליו. זה מראה בבירור שקצב הצמיחה של משרות הקשורות ל- Hadoop גבוה בהרבה מזה של עבודות בדיקת תוכנה. קצב הצמיחה המרבי של עבודות הקשורות לבדיקת תוכנה הוא כ 1.6%, אך קצב הצמיחה של עבודות בדיקה מבוססות Hadoop הוא עצום של 5% (בערך).
80% מהאנשים שלומדים Hadoop הם מרקע שאינו פיתוח. גם אתה יכול להיות אחד מהם.
מגבלות על שיטות הבדיקה הנוכחיות בעת בדיקת יישומים לפתרון בעיות ביג דאטה:
- גישות בדיקת תוכנה מונעות על ידי נתונים (כמו מוטות בנתונים, חוסר התאמה בין גודל הנתונים וכו ') ולא מתרחישי הבדיקה.
- כלים סטנדרטיים להתאמת נתונים (כמו win diff וכו ') אינם עובדים עם כמויות גדולות של נתונים. זה הופך למגבלה למערכי המיומנויות של מהנדס בדיקות התוכנה.
לנתונים בינוניים, הנתונים יכולים להיחשף כטבלאות HBase ולאמת ממערך נתוני הקלט על ידי יישום לוגיקה עסקית על סט קלט קטן.
עבור נתונים בקנה מידה גדול, טכניקות ביג דאטה מספקות למהנדסים מערכי מיומנויות ייחודיים המשמשים לבדיקת מערכי נתונים גדולים ומורכבים ומוצאים הזדמנויות רבות בתחום המטאורולוגיה, הגנומיקה, הקונטומיקה, הדמיות פיזיקה מורכבות ומחקר ביולוגי וסביבתי.
תחום מצב הבדיקה - דעות מומחים:
סקוט ברבר, בוחן ידוע, דובר וכותב בנושא בדיקות בנושא המתמחה בתחום בדיקות ביצועי המערכת ציטט כמה מילים חזקות ומשפיעות באמת על המצב הקיים בתחום הבדיקה.
היו שיחות רבות על מדיות חברתיות שונות על האפשרות להפוך בדיקה ל'מקצוע גוסס 'וסקוט אכן מסכים שבדיקה כמקצוע היא באמצע מהפך דרמטי.
ההבדל בין הארכה ליישום
ובכן, ההצהרה הזו הייתה מספיק דרמטית, בואו נסתכל על העובדות ונראה בעצמנו מה קורה בתחום הבדיקה.
מבט על פרופיל העבודה של בודק Hadoop / Big Data:
להלן דרישה שמציב ארגון מסוים לדרישת בודק Hadoop שלהם:
כאשר אנו בוחנים את הדרישה לעיל, אנו יכולים לראות כי יש צורך במיומנויות בדיקה ומהוות את הבסיס לפרופיל התפקיד הזה. כעת כל מה שנדרש ממהנדס בדיקות תוכנה כדי להפוך ל- Big Data או ל- בודק Hadoop הוא לעדכן את עצמו במיומנויות של Big Data / Hadoop.
מה זה וקטור בג'אווה
כמה קל לעבור ל- Hadoop / Big Data:
- לג'אווה או לא לג'אווה - גמישות לבחירה:
עבור מומחים בג'אווה המעבר הוא הליכה בעוגה כמו גם מסגרת תכנות מבוססת קוד פתוח. סקריפטים MapReduce המשמשים כאן כתובים ב- Java. עכשיו זה די ברור שכדי לעבוד על Hadoop, ידע בג'אווה הוא הכרחי.
באמירת האמור לעיל, אין זה אומר שמומחים שאינם ג'אווה מצפים למסע קשה. היופי של Hadoop הוא שיש בו מגוון כלים שא 'לא ג'אווה' מומחה יכול להשתמש. חלק מכלי Hadoop כמו Hive, Pig ו- Sqoop אינם דורשים ידע בג'אווה מכיוון שהם מסתמכים במידה רבה על SQL.
- מיומנויות משותפות ופלטפורמות יישום בין איש מקצוע מבדיקה לבין איש מקצוע של Hadoop:
הרעיון לעבור מאזור הנוחות אל תחום חדש כמו Big Data / Hadoop עשוי להיות מעט מוחץ בהתחלה. אבל צריך להבין כי Testing ו- Hadoop אינם בלעדיים זה לזה. הנה רשימה של מיומנויות ופלטפורמות המשמשות ביניהן יכולות לשמש בהתאם http://www.itjobswatch.co.uk . אחת או יותר מהמיומנויות הללו יכולות לשמש גם בהתאמה למיומנויות ביג דאטה והדופ. לפיכך, קל יותר לבצע מעבר חלק.
מהנדס בדיקות טוב בעל יכולות אנליטיות חדות, מיומנות טכנית חזקה, יחס נהדר, פרט מוכוון ונכונות ללמוד. אלה התכונות המדויקות הנדרשות לכל אחד לעבור להדופ. לא ניתן להפריך שהבדיקה עוברת טרנספורמציה אבל היא לא תהיה הסוף שלה. אך עם הזמנים המשתנים, זה נבון להפליג בגל הגבוה - Hadoop, בהתחשב בכל התכונות והגמישות שלו.
עדיין לא משוכנע שאתה יכול ללמוד Hadoop? אל תסמוך על אף אחד. שפט את עצמך. לחץ למטה לצפייה בהקלטת כיתות לדוגמא של כיתת Big Data ו- Hadoop בניצוחה של אדוריקה.
יש לך שאלה עבורנו? הזכר אותם בסעיף ההערות ונחזור אליך.
פוסטים קשורים: