任你选择
课程大纲
1、研发效能提升的行业最佳实践
· 研发效能的范畴
· 各大行业龙头企业为什么都开始关注“研发效能”
· “研发效能”的工程实践与行业案例
· 研发效能提升的经验分享（8大原则）
· 研发效能的度量方法与常见误区
· 管中窥豹-Google、eBay，阿里和百度的研发效能实践与产品化
· 研发效能的发展方向与未来展望
2、从技术架构的演变看大数据测试的演进
· 大数据时代，测试架构师必须懂的大型网站架构知识
· 业务驱动下的大型网站技术架构的技术演进
· 分布式架构，微服务和服务网格
3、大数据产品的测试挑战与应对策略
· 大数据产品测试 VS 基于大数据技术的产品测试
· 大数据产品测试的难点与挑战
· 大数据产品质量保障的特殊性
· 大数据产品测试的行业最佳实践
· 大数据测试的维度
· 大数据测试的流程
· 大数据产品质量保障体系的建设与优化
4、企业级大数据产品的API自动化测试
· API测试框架简介
· API测试框架的技术演进与发展
· API测试的难点与解决思路
· 高并发大数据量场景下的API测试
· API的后向兼容性测试技术的创新
· 微服务下的API测试挑战
· 基于消费者契约的API测试技术
· Demo分享：Spring Cloud Contract实例
5、大数据产品的测试数据准备最佳实践
· 大数据测试中数据的复杂性与难点
· 基于实时数据创建的测试数据准备策略
· 基于Out-of-box的测试数据准备策略
· 测试数据准备工具的最佳实践
· Test Data Service的架构设计与实现
· 大数据测试的数据准备策略
· 基准数据集合 VS 生成数据集合Dump
6、必须要过的坎：大数据产品的性能测试
· 不同视角的软件性能与性能指标解读
· 性能测试的基本方法与应用领域
· 后端性能测试工具原理与行业常用工具简介
· 如何设计并实现一个典型的性能测试
· 如何0成本应用UI自动化测试脚本和API自动化测试脚本实现性格告警
· 高并发情况下单session的Profile方法设计
· Performance Benchmark Kits的设计
· 基于用户数据库特征提取的测试背景数据仿真
· 代码级的性能测试实践
· 性能压测的测试数据准备
· 基于JMeter的全链路压测系统的设计
7、从源头保证质量：大数据产品的代码级测试
· 代码的基本特征
· 代码缺陷产生的原因
· 代码错误的分类
· 代码级测试方法的分类
· 完备代码级测试用例的设计
· 代码测试覆盖率的衡量
· 代码测试覆盖率的实现原理
· 探讨覆盖率的局限性
