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