CN115033485A - 大数据自动化测试方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请涉及数据处理领域，提供了一种大数据自动化测试方法、装置、电子设备及计算机可读存储介质，方法包括：创建数据测试系统，数据测试系统包括多个数据测试模块；从预设的配置表中获取各个数据测试模块对应的数据校验信息，其中，数据校验信息包括数据校验脚本和开关状态；基于数据校验脚本和开关状态对预设的测试任务进行执行处理，得到差异数据；将差异数据存储于预设的差异表中得到差异结果表；对差异结果表进行第一分析得到大数据测试结果。通过上述技术方案能够提高大数据校对的效率。

Description

大数据自动化测试方法、装置、电子设备及存储介质

技术领域

本申请实施例涉及但不限于数据处理领域，尤其涉及一种大数据自动化测试方法、装置、电子设备及计算机可读存储介质。

背景技术

随着社会经济的不断发展，科技的不断进步，越来越多地通过集中开发的方式来完成某些项目；在一些业务开发项目中，可能存在着模块较多，模块之间的逻辑较为复杂的问题，每次回归的时候都会存在数据量大和任务多的情况，使得每次调试的时候对大数据的核对工作的工作量较为繁重，进而影响项目的开展效率。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

为了解决上述背景技术中提到的问题，本申请实施例提供了一种大数据自动化测试方法、装置、电子设备及计算机可读存储介质，能够提高大数据校对的效率。

第一方面，本申请实施例提供了一种大数据自动化测试方法，所述方法包括：

创建数据测试系统，所述数据测试系统包括多个数据测试模块；

从预设的配置表中获取各个所述数据测试模块对应的数据校验信息，其中，所述数据校验信息包括数据校验脚本和开关状态；

基于所述数据校验脚本和所述开关状态对预设的测试任务进行执行处理，得到差异数据；

将所述差异数据存储于预设的差异表中得到差异结果表；

对所述差异结果表进行第一分析得到大数据测试结果。

根据本申请提供的实施例的大数据自动化测试方法，至少具有如下有益效果：首先创建数据测试系统，其中，创建的数据测试系统包括多个数据测试模块；接着从预设的配置表中获取各个数据测试模块对应的数据校验信息，其中，数据校验信息包括数据校验脚本和开关状态；接着基于数据校验脚本和开关状态对预设的测试任务进行执行处理，进而能够得到差异数据；接着将差异数据存储于预设的差异表中就能够得到差异结果表；最后对得到的差异结果表进行第一分析处理就可以得到大数据测试结果。通过上述技术方案，对配置表中的数据校验信息进行设定，并且利用差异表对差异数据进行记录，使得大数据的测试过程更加简便快速，减轻数据核对人员的工作压力，提高大数据校对的效率，进而有利于项目快速开展。

根据本申请的一些实施例，所述数据校验脚本携带有归属信息，所述从预设的配置表中获取与各个所述数据测试模块对应的数据校验信息，包括：

对各个所述数据测试模块进行第二分析得到模块属性信息；

将所述模块属性信息与所述归属信息进行匹配处理得到所述数据测试模块对应的所述数据校验信息。

根据本申请的一些实施例，所述基于所述数据校验脚本和所述开关状态对预设的测试任务进行执行处理，得到差异数据，包括：

根据所述开关状态对多个所述数据测试模块进行选定；

对所述测试任务进行执行过程中调用选定的所述数据测试模块得到第一校验数据；以及对所述测试任务进行执行过程中调用所述数据测试系统的数据库得到第二校验数据；

将所述第一校验数据和所述第二校验数据进行对比处理得到所述差异数据。

根据本申请的一些实施例，所述开关状态为开启或者关闭，所述根据所述开关状态对多个所述数据测试模块进行选定，包括：

在所述开关状态为开启的情况下，对相应的所述数据测试模块进行选定；

在所述开关状态为关闭的情况下，不对相应的所述数据测试模块进行选定。

根据本申请的一些实施例，所述对所述测试任务进行执行过程中调用选定的所述数据测试模块得到第一校验数据，包括：

对所述测试任务进行执行过程中调用选定的所述数据测试模块；

基于选定的所述数据测试模块对应的所述数据校验脚本进行数据校验处理得到所述第一校验数据

根据本申请的一些实施例，所述对所述差异结果表进行第一分析得到大数据测试结果，包括：

对所述差异结果表进行第三分析处理得到差异归属信息；

将所述差异归属信息和对应的所述差异数据进行结合得到所述大数据测试结果。

根据本申请的一些实施例，所述对所述差异结果表进行第一分析得到大数据测试结果之后，还包括：

将所述大数据测试结果转换为文本信息；

将所述文本信息按照预设的网络地址进行转发处理。

第二方面，本申请实施例还提供了一种大数据自动化测试装置，所述装置包括：

第一处理模块，用于创建数据测试系统，所述数据测试系统包括多个数据测试模块；

第二处理模块，用于从预设的配置表中获取各个所述数据测试模块对应的数据校验信息，其中，所述数据校验信息包括数据校验脚本和开关状态；

第三处理模块，用于基于所述数据校验脚本和所述开关状态对预设的测试任务进行执行处理，得到差异数据；

第四处理模块，用于将所述差异数据存储于预设的差异表中得到差异结果表；

第五处理模块，用于对所述差异结果表进行第一分析得到大数据测试结果。

第三方面，本申请实施例还提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面所述的大数据自动化测试方法。

第四方面，本申请实施例还提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如上第一方面所述的大数据自动化测试方法。

本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本申请技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。

图1是本申请一个实施例提供的大数据自动化测试方法的流程图；

图2是本申请一个实施例提供的大数据自动化测试方法中，获取数据校验信息的流程图；

图3是本申请一个实施例提供的大数据自动化测试方法中，得到差异数据的流程图；

图4是本申请一个实施例提供的大数据自动化测试方法中，选定数据测试模块的流程图；

图5是本申请另一个实施例提供的大数据自动化测试方法中，数据校验的流程图；

图6是本申请另一个实施例提供的大数据自动化测试方法中，对差异结果表进行分析的流程图；

图7是本申请另一个实施例提供的大数据自动化测试方法的流程图；

图8是本申请一个实施例提供的大数据自动化测试装置的示意图；

图9是本申请一个实施例提供的电子设备的示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

需要注意的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

需要说明的是，除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

AI是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；人工智能是计算机科学的一个分支，人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

人工智能即为AI，AI是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能技术所涉及的服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

本申请提供了一种大数据自动化测试方法、装置、电子设备及计算机可读存储介质，首先创建数据测试系统，其中，创建的数据测试系统包括多个数据测试模块；接着从预设的配置表中获取各个数据测试模块对应的数据校验信息，其中，数据校验信息包括数据校验脚本和开关状态；接着基于数据校验脚本和开关状态对预设的测试任务进行执行处理，进而能够得到差异数据；接着将差异数据存储于预设的差异表中就能够得到差异结果表；最后对得到的差异结果表进行第一分析处理就可以得到大数据测试结果。通过上述技术方案，对配置表中的数据校验信息进行设定，并且利用差异表对差异数据进行记录，使得大数据的测试过程更加简便快速，减轻数据核对人员的工作压力，提高大数据校对的效率。

本申请实施例提供的大数据自动化测试方法，涉及数据处理领域。本申请实施例提供的大数据自动化测试方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现大数据自动化测试方法的应用等，但并不局限于以上形式。

本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

需要说明的是，在本申请的各个具体实施方式中，当涉及到需要根据用户信息、用户行为数据，用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时，都会先获得用户的许可或者同意，而且，对这些数据的收集、使用和处理等，都会遵守相关国家和地区的相关法律法规和标准。此外，当本申请实施例需要获取用户的敏感个人信息时，会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意，在明确获得用户的单独许可或者单独同意之后，再获取用于使本申请实施例能够正常运行的必要的用户相关数据。

下面结合附图，对本申请实施例作进一步阐述。

如图1所示，图1是本申请一个实施例提供的大数据自动化测试方法的流程图，该大数据自动化测试方法包括但不限于步骤S100至S500。

步骤S100，创建数据测试系统，数据测试系统包括多个数据测试模块；

步骤S200，从预设的配置表中获取各个数据测试模块对应的数据校验信息，其中，数据校验信息包括数据校验脚本和开关状态；

步骤S300，基于数据校验脚本和开关状态对预设的测试任务进行执行处理，得到差异数据；

步骤S400，将差异数据存储于预设的差异表中得到差异结果表；

步骤S500，对差异结果表进行第一分析得到大数据测试结果。

需要说明的是，首先创建数据测试系统，其中，创建的数据测试系统包括多个数据测试模块；接着从预设的配置表中获取各个数据测试模块对应的数据校验信息，其中，数据校验信息包括数据校验脚本和开关状态；接着基于数据校验脚本和开关状态对预设的测试任务进行执行处理，进而能够得到差异数据；接着将差异数据存储于预设的差异表中就能够得到差异结果表；最后对得到的差异结果表进行第一分析处理就可以得到大数据测试结果。通过上述技术方案，对配置表中的数据校验信息进行设定，并且利用差异表对差异数据进行记录，使得大数据的测试过程更加简便快速，减轻数据核对人员的工作压力，提高大数据校对的效率。

需要说明的是，大数据或称巨量资料，指的是所涉及的资料量规模巨大到无法透过主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。大数据包括结构化、半结构化和非结构化数据，非结构化数据越来越成为数据的主要部分。

值得注意的是，创建数据测试系统，其中，数据测试系统包括多个数据测试模块；示例性地，可以在Hadoop上利用Scala语言搭建一个数据测试系统，其中，Hadoop为一种分布式系统基础架构，Hadoop得以在大数据处理应用中广泛应用得益于其自身在数据提取、变形和加载方面上的天然优势，Hadoop的分布式架构，将大数据处理引擎尽可能的靠近存储，对例如像变形和加载这样的批处理操作相对合适，因为类似这样操作的批处理结果可以直接走向存储。Scala是一门多范式的编程语言，设计初衷是要集成面向对象编程和函数式编程的各种特性，Scala运行在Java虚拟机上，并兼容现有的Java程序。其中，数据测试模块可以为Spark SQL模块，Spark SQL模块是Spark用来处理结构化数据的一个模块；Spark是在Scala语言中实现的，它将Scala用作其应用程序框架，与Hadoop不同，Spark和Scala能够紧密集成，其中的Scala可以像操作本地集合对象一样轻松地操作分布式数据集。

需要说明的是，在创建的数据测试系统中包括多个数据测试模块，这些数据测试模块能够执行相应的数据校验脚本，以实现对大数据进行自动化测试处理。

需要说明的是，可以在数据库中设置配置表，配置表中存储有数据校验信息，而数据校验信息包括数据校验脚本和开关状态；其中，数据校验脚本用于供数据测试模块执行相应的脚本信息，开关状态用于控制数据测试模块是否按照数据校验脚本进行数据校验处理。其中，用户可以根据实际需要而对数据校验脚本和开关状态进行设定，进而可以对相应的数据测试模块的工作状态进行控制处理。

需要说明的是，在对预设的测试任务进行执行过程中就会对数据测试模块进行调用处理，接着数据测试模块根据配置表中设定的开关状态而进行后续的数据测试校验过程，在测试校验的过程中就能够得到差异数据。

需要说明的是，可以在数据表中设置差异表，差异表用于存储差异数据；将差异数据存储到差异表之后就能够得到差异结果表；最后对差异结果表进行第一分析处理就可以得到大数据测试结果。

在一些实施例中，如图2所示，数据校验脚本携带有归属信息，上述步骤S200可以包括但不限于步骤S210至步骤S220。

步骤S210，对各个数据测试模块进行第二分析得到模块属性信息；

步骤S220，将模块属性信息与归属信息进行匹配处理得到数据测试模块对应的数据校验信息。

需要说明的是，数据校验脚本携带有归属信息；首先对各个数据测试模块进行第二分析处理就可以得到各个数据测试模块对应的模块属性信息；接着将模块属性信息和归属信息进行匹配对比处理就可以得到数据测试模块对应的数据校验信息。

值得注意的是，对各个数据测试模块进行第二分析就能够得到每个数据测试模块的模块属性信息；而配置表中存储的数据校验信息中的数据校验脚本携带有归属信息，将归属信息和模块属性信息进行对比，就能够得到数据测试模块对应的数据校验信息。其中，可以对数据测试模块进行标号处理，以区分不同的数据测试模块，而数据校验脚本所携带的归属信息也可以为标号的形式存在；示例性地，对其中一个数据测试模块进行第二分析处理得到的模块属性信息为标号20，接着将标号20与配置表中的数据校验信息进行匹配，最后得到数据校验脚本的归属信息为20的数据校验信息。

在一些实施例中，如图3所示，上述步骤S300可以包括但不限于步骤S310至步骤S330。

步骤S310，根据开关状态对多个数据测试模块进行选定；

步骤S320，对测试任务进行执行过程中调用选定的数据测试模块得到第一校验数据；以及对测试任务进行执行过程中调用数据测试系统的数据库得到第二校验数据；

步骤S330，将第一校验数据和第二校验数据进行对比处理得到差异数据。

需要说明的是，首先根据开关状态对多个数据测试模块进行选定，接着对测试任务进行执行过程中调用选定的数据测试模块就可以得到第一校验数据；并且对测试任务进行执行过程中调用数据测试系统中的数据库就可以得到第二校验数据；最后将上述得到的第一校验数据和第二校验数据进行比较就可以得到差异数据。

值得注意的是，根据数据校验信息中的开关状态就可以对数据测试系统中的数据测试模块进行选定，示例性地，在开关状态为开启的情况下，就会对相应的数据测试模块进行选定处理。

需要说明的是，对测试任务进行执行过程中调用选定的数据测试模块就可以得到第一校验数据，其中，可以通过流程控制的方式对测试任务的执行过程进行控制处理；在执行任务的过程中还会调用数据测试系统中的数据库，在调用数据测试系统中的数据库的情况下就能够得到第二校验数据；最后将第一校验数据和第二校验数据进行对比处理，以第二校验数据作为基准，将第一校验数据与第二校验数据对比不同的数据作为差异数据。

值得注意的是，测试任务可以为定时任务，并且用户可以根据实际需要而对测试任务的运行频率进行设定，从而能够对大数据的测试速率进行控制处理。

在一些实施例中，如图4所示，开关状态为开启或者关闭，上述步骤S310可以包括但不限于步骤S311至步骤S312。

步骤S311，在开关状态为开启的情况下，对相应的数据测试模块进行选定；

步骤S312，在开关状态为关闭的情况下，不对相应的数据测试模块进行选定。

需要说明的是，在数据校验信息的开关状态为开启的情况下，就会对相应的数据测试模块进行选定处理；在数据校验信息的开关状态为关闭的情况下，就不会对相应的数据测试模块进行选定处理。示例性地，某一个数据测试模块对应的数据校验信息的开关状态为开启，就会选定该数据测试模块；某一个数据测试模块对应的数据校验信息的开关状态为关闭，就不会选定该数据测试模块。

值得注意的是，测试人员可以根据实际情况而对配置表中的开关状态进行设定；示例性地，可以对配置表中的某个控制字段进行修改就能够实现开关状态的设定。

在一些实施例中，如图5所示，上述步骤S320可以包括但不限于步骤S321至步骤S322。

步骤S321，对测试任务进行执行过程中调用选定的数据测试模块；

步骤S322，基于选定的数据测试模块对应的数据校验脚本进行数据校验处理得到第一校验数据。

需要说明的是，首先对测试任务进行执行过程中调用选定的数据测试模块；接着基于选定的数据测试模块对应的数据校验脚本进行数据校验处理就可以得到第一校验数据。

可以理解的是，在执行测试任务的过程中调用选定的数据测试模块，并且根据选定的数据测试模块对应的数据校验脚本进行数据校验处理就可以得到第一校验数据。

值得注意的是，脚本是使用一种特定的描述性语言，依据一定的格式编写的可执行文件；脚本语言又被称为扩建的语言,或者动态语言,是一种编程语言,用来控制软件应用程序,脚本通常是以文本保存,只是在被调用时进行解释或者编译；随着现代信息技术的发展，软件的需求越来越大、需求变化越来越快、复杂程度越来越高，对软件可靠性的要求也越来越高，特别是涉及安全的软件，自动测试已成为保证软件可靠性必不可少的手段。为满足软件需求变化快、功能复杂度高、可靠性高的要求，自动测试应具备可维护性、可靠性和可移植性，而目前自动测试系统的测试用例都不能直接作为输入用于测试，需要按照一定的规则转换成测试脚本。使用自然语言作为编写测试脚本的语言，编写方式符合自然语言描述习惯，等同于测试用例，且不需要进行测试用例与测试脚本的转换，维护测试用例相对简便。自然语言描述的测试用例通过脚本解析机制转化为计算机可执行的操作，从而将用例描述的测试过程与实际测试操作及测试结果判断相统一。

在一些实施例中，如图6所示，上述步骤S500可以包括但不限于步骤S510和步骤S520。

步骤S510，对差异结果表进行第三分析处理得到差异归属信息；

步骤S520，将差异归属信息和对应的差异数据进行结合得到大数据测试结果。

需要说明的是，首先对差异结果表进行第三分析处理就能够得到差异归属信息；接着将差异归属信息和对应的差异数据进行结合就可以得到大数据测试结果。

值得注意的是，对差异结果表进行第三分析处理就能够得到差异归属信息，其中，差异归属信息是指差异数据具体通过哪个数据测试模块校验得到的信息；将差异归属信息和对应得到的差异数据进行结合就可以得到大数据测试结果，其中，大数据测试结果揭示了具体为哪个数据测试模块以及这个数据测试模块校验产生了什么差异数据；通过对大数据测试结果进行查看，用户就可以清晰地得知大数据的数据校验情况。

在一些实施例中，如图7所示，在执行上述步骤S500之后可以包括但不限于步骤S610和步骤S620。

步骤S610，将大数据测试结果转换为文本信息；

步骤S620，将文本信息按照预设的网络地址进行转发处理。

需要说明的是，首先将大数据测试结果转换为文本信息，接着将文本信息按照预设的网络进行转发处理，以告知测试人员大数据的测试结果。

值得注意的是，将大数据测试结果转换为文本信息，进而可以兼容目前的常规的信息转发方式，例如邮件或者在线通讯软件转发方式，为了大数据测试结果的转发做好前提准备。其中，文本信息包括了数据测试模块信息以及数据测试模块校验得到的差异数据信息。

值得注意的是，根据预设的网络地址将文本信息进行转发处理；示例性地，将测试人员的邮箱地址作为预设的网络地址，进而就能够将大数据的测试结果发送到测试人员的邮箱，从而测试人员就可以通过邮箱查看到大数据的测试结果，给测试人员带来了很大的便利性，很好地减轻了测试人员的工作量。

通过上述技术方案，首先创建数据测试系统，其中，创建的数据测试系统包括多个数据测试模块；接着从预设的配置表中获取各个数据测试模块对应的数据校验信息，其中，数据校验信息包括数据校验脚本和开关状态；接着基于数据校验脚本和开关状态对预设的测试任务进行执行处理，进而能够得到差异数据；接着将差异数据存储于预设的差异表中就能够得到差异结果表；最后对得到的差异结果表进行第一分析处理就可以得到大数据测试结果。通过上述技术方案，对配置表中的数据校验信息进行设定，并且利用差异表对差异数据进行记录，使得大数据的测试过程更加简便快速，减轻数据核对人员的工作压力，提高大数据校对的效率。

另外，如图8所示，本申请的一个实施例还提供了一种大数据自动化测试装置10，包括：

第一处理模块100，用于创建数据测试系统，数据测试系统包括多个数据测试模块；

第二处理模块200，用于从预设的配置表中获取与各个数据测试模块对应的数据校验信息；数据校验信息包括数据校验脚本和开关状态；

第三处理模块300，用于基于数据校验脚本和开关状态对预设的测试任务进行执行处理，得到差异数据；

第四处理模块400，用于将差异数据存储于预设的差异表中得到差异结果表；

第五处理模块500，用于对差异结果表进行第一分析得到大数据测试结果。

在一些实施例中，首先创建数据测试系统，其中，创建的数据测试系统包括多个数据测试模块；接着从预设的配置表中获取各个数据测试模块对应的数据校验信息，其中，数据校验信息包括数据校验脚本和开关状态；接着基于数据校验脚本和开关状态对预设的测试任务进行执行处理，进而能够得到差异数据；接着将差异数据存储于预设的差异表中就能够得到差异结果表；最后对得到的差异结果表进行第一分析处理就可以得到大数据测试结果。通过上述技术方案，对配置表中的数据校验信息进行设定，并且利用差异表对差异数据进行记录，使得大数据的测试过程更加简便快速，减轻数据核对人员的工作压力，提高大数据校对的效率。

需要说明的是，在创建的数据测试系统中包括多个数据测试模块，这些数据测试模块能够执行相应的数据校验脚本，以实现对大数据进行自动化测试处理。

需要说明的是，可以在数据库中设置配置表，配置表中存储有数据校验信息，而数据校验信息包括数据校验脚本和开关状态；其中，数据校验脚本用于供数据测试模块执行相应的脚本信息，开关状态用于控制数据测试模块是否按照数据校验脚本进行数据校验处理。其中，用户可以根据实际需要而对数据校验脚本和开关状态进行设定，进而可以对相应的数据测试模块的工作状态进行控制处理。

需要说明的是，在对预设的测试任务进行执行过程中就会对数据测试模块进行调用处理，接着数据测试模块根据配置表中设定的开关状态而进行后续的数据测试校验过程，在测试校验的过程中就能够得到差异数据。

需要说明的是，可以在数据表中设置差异表，差异表用于存储差异数据；将差异数据存储到差异表之后就能够得到差异结果表；最后对差异结果表进行第一分析处理就可以得到大数据测试结果。

该大数据自动化测试装置的具体实施方式与上述大数据自动化测试方法的具体实施例基本相同，在此不再赘述。

另外，如图9所示，本申请的一个实施例还提供了一种电子设备700，该设备包括：存储器710、处理器720及存储在存储器710上并可在处理器720上运行的计算机程序。

处理器720和存储器710可以通过总线或者其他方式连接。

实现上述实施例的大数据自动化测试方法所需的非暂态软件程序以及指令存储在存储器710中，当被处理器720执行时，执行上述各实施例的大数据自动化测试方法，例如，执行以上描述的图1中的方法步骤S100至S500、图2中的方法步骤S210至S220、图3中的方法步骤S310至S330、图4中的方法步骤S311至S312、图5中的方法步骤S321至S322、图6中的方法步骤S510至S520、图7中的方法步骤S610至S620。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

此外，本申请的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个处理器720或控制器执行，例如，被上述设备实施例中的一个处理器720执行，可使得上述处理器720执行上述实施例中的大数据自动化测试方法，例如，执行以上描述的图1中的方法步骤S100至S500、图2中的方法步骤S210至S220、图3中的方法步骤S310至S330、图4中的方法步骤S311至S312、图5中的方法步骤S321至S322、图6中的方法步骤S510至S520、图7中的方法步骤S610至S620。

上述各实施例可以结合使用，不同实施例之间名称相同的模块可相同可不同。

上述对本申请特定实施例进行了描述，其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，附图中描绘的过程不一定必须按照示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请实施例提供的装置、设备、计算机可读存储介质与方法是对应的，因此，装置、设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述对应装置、设备、计算机存储介质的有益技术效果。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logiccompiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Descr iption Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本申请实施例可提供为方法、系统、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(Flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(Transitory Media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本申请实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示单独存在A、同时存在A和B、单独存在B的情况。其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。例如，a，b和c中的至少一项可以表示：a，b，c，a和b，a和c，b和c或a和b和c，其中a，b，c可以是单个，也可以是多个。

本申请实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种大数据自动化测试方法，其特征在于，所述方法包括：

创建数据测试系统，所述数据测试系统包括多个数据测试模块；

从预设的配置表中获取各个所述数据测试模块对应的数据校验信息，其中，所述数据校验信息包括数据校验脚本和开关状态；

基于所述数据校验脚本和所述开关状态对预设的测试任务进行执行处理，得到差异数据；

将所述差异数据存储于预设的差异表中得到差异结果表；

对所述差异结果表进行第一分析得到大数据测试结果。

2.根据权利要求1所述的大数据自动化测试方法，其特征在于，所述数据校验脚本携带有归属信息，所述从预设的配置表中获取与各个所述数据测试模块对应的数据校验信息，包括：

对各个所述数据测试模块进行第二分析得到模块属性信息；

将所述模块属性信息与所述归属信息进行匹配处理得到所述数据测试模块对应的所述数据校验信息。

3.根据权利要求1所述的大数据自动化测试方法，其特征在于，所述基于所述数据校验脚本和所述开关状态对预设的测试任务进行执行处理，得到差异数据，包括：

根据所述开关状态对多个所述数据测试模块进行选定；

对所述测试任务进行执行过程中调用选定的所述数据测试模块得到第一校验数据；以及对所述测试任务进行执行过程中调用所述数据测试系统的数据库得到第二校验数据；

将所述第一校验数据和所述第二校验数据进行对比处理得到所述差异数据。

4.根据权利要求3所述的大数据自动化测试方法，其特征在于，所述开关状态为开启或者关闭，所述根据所述开关状态对多个所述数据测试模块进行选定，包括：

在所述开关状态为开启的情况下，对相应的所述数据测试模块进行选定；

在所述开关状态为关闭的情况下，不对相应的所述数据测试模块进行选定。

5.根据权利要求3所述的大数据自动化测试方法，其特征在于，所述对所述测试任务进行执行过程中调用选定的所述数据测试模块得到第一校验数据，包括：

对所述测试任务进行执行过程中调用选定的所述数据测试模块；

基于选定的所述数据测试模块对应的所述数据校验脚本进行数据校验处理得到所述第一校验数据。

6.根据权利要求1所述的大数据自动化测试方法，其特征在于，所述对所述差异结果表进行第一分析得到大数据测试结果，包括：

对所述差异结果表进行第三分析处理得到差异归属信息；

将所述差异归属信息和对应的所述差异数据进行结合得到所述大数据测试结果。

7.根据权利要求1所述的大数据自动化测试方法，其特征在于，所述对所述差异结果表进行第一分析得到大数据测试结果之后，还包括：

将所述大数据测试结果转换为文本信息；

将所述文本信息按照预设的网络地址进行转发处理。

8.一种大数据自动化测试装置，其特征在于，所述装置包括：

第一处理模块，用于创建数据测试系统，所述数据测试系统包括多个数据测试模块；

第二处理模块，用于从预设的配置表中获取各个所述数据测试模块对应的数据校验信息，其中，所述数据校验信息包括数据校验脚本和开关状态；

第三处理模块，用于基于所述数据校验脚本和所述开关状态对预设的测试任务进行执行处理，得到差异数据；

第四处理模块，用于将所述差异数据存储于预设的差异表中得到差异结果表；

第五处理模块，用于对所述差异结果表进行第一分析得到大数据测试结果。

9.一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的大数据自动化测试方法。

10.一种计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令用于执行权利要求1至7中任意一项所述的大数据自动化测试方法。

Images