Πίνακας περιεχομένων:

Τι είναι η επικεντρωμένη δοκιμή δεδομένων;
Τι είναι η επικεντρωμένη δοκιμή δεδομένων;

Βίντεο: Τι είναι η επικεντρωμένη δοκιμή δεδομένων;

Βίντεο: Τι είναι η επικεντρωμένη δοκιμή δεδομένων;
Βίντεο: Ε. Ιωαννίδου: Γλώσσα, ταυτότητα & γλωσσική εκπαιδευτική πολιτική Δεδομένα από το κυπριακό συγκείμενο 2024, Νοέμβριος
Anonim

Δοκιμές είναι μια διαδικασία έρευνας που διεξάγεται για να ελεγχθεί η ποιότητα του προϊόντος. Δεδομένα - Centric Testing : Δεδομένα - κεντρικές δοκιμές περιστρέφεται γύρω από δοκιμές ποιότητα του δεδομένα . Ο στόχος του δεδομένα - κεντρικές δοκιμές είναι να διασφαλίζεται έγκυρη και σωστή δεδομένα είναι στο σύστημα.

Τότε, τι σημαίνει datacentric;

Με επίκεντρο τα δεδομένα αναφέρεται σε μια αρχιτεκτονική όπου δεδομένα είναι το κύριο και μόνιμο περιουσιακό στοιχείο και οι εφαρμογές έρχονται και παρέρχονται. Στο datacentric αρχιτεκτονική, η δεδομένα Το μοντέλο προηγείται της υλοποίησης οποιασδήποτε δεδομένης εφαρμογής και θα είναι διαθέσιμο και θα ισχύει πολύ καιρό μετά την εξαφάνισή του.

Ομοίως, τι είναι τα δεδομένα δοκιμής στη δοκιμή λογισμικού; Δεδομένα δοκιμής είναι δεδομένα που έχει προσδιοριστεί ειδικά για χρήση σε δοκιμές , συνήθως ενός προγράμματος υπολογιστή. Μερικοί δεδομένα μπορεί να χρησιμοποιηθεί με επιβεβαιωτικό τρόπο, συνήθως για να επαληθευτεί ότι ένα δεδομένο σύνολο εισόδων σε μια δεδομένη συνάρτηση παράγει κάποιο αναμενόμενο αποτέλεσμα.

Εκτός από αυτό, τι σημαίνει Δοκιμή ETL;

Δοκιμή ETL γίνεται για να διασφαλιστεί ότι τα δεδομένα που έχουν φορτωθεί από την πηγή στον προορισμό μετά τον μετασχηματισμό της επιχείρησης είναι ακριβή. Περιλαμβάνει επίσης την επαλήθευση δεδομένων σε διάφορα μεσαία στάδια που χρησιμοποιούνται μεταξύ πηγής και προορισμού. ETL σημαίνει Extract-Transform-Load.

Ποιες είναι οι δεξιότητες που απαιτούνται για τη δοκιμή ETL;

Απαιτούνται τεχνικές δεξιότητες

  • Εργαλεία ETL όπως το Informatica ή το Pentaho.
  • Εμπειρία ανάπτυξης PL/SQL Oracle.
  • Πρακτική εμπειρία με βάσεις δεδομένων NoSQL.
  • Απολαύστε την εξαγωγή δεδομένων από διάφορους τύπους πηγών δεδομένων.
  • Εμπειρία μοντελοποίησης διαστάσεων και παραμετροποίηση.

Συνιστάται: