非功能性測試有哪些？
性能是評估一個大數據分析系統的最為關鍵的維度，大數據系統性能主要包括吞吐量，任務完工時間，內存利用率等多個指標，可反應大數據分析平臺的處理能力，資源利用能力等性能。可通過Hadoop性能監控器來監測運行狀態性能指標和瓶頸問題，性能測試采用自動化方式進行，測試系統在不同負載情況下的性能。
2.容錯性測試
可從部分失效中自動恢復，而且不會驗證的影響整體性能，特別地，當故障發生時，大數據分析系統應該在進行恢復的同時繼續以可接受的方式進行操作，在發生錯誤時某種程度上可以繼續操作，需根據應用場景來設計解決方案和具體部署，然后手動測試。
3.可用性測試
高可用性已是大數據分析不可或缺的特性之一，從而保證數據應用業務的連續性.大數據高可用性對很多應用非常關鍵，需要嚴格進行測試和驗證，以手動測試為主。
4.擴展性測試
彈性擴展能力對于大數據時代的文件系統尤其重要，文件系統擴展性測試主要包括測試系統彈性擴展能力及擴展系統帶來的性能影響，驗證是否具有線性擴展能力,以手動測試為主。
5.穩定性測試
大數據分析系統通常是不間斷長期運行，穩定性的重要性不言而喻，穩定測試主要驗證系統在長時間允許下，系統是否仍然能夠正常運行，功能是否正常.穩定性測試通常采用自動化方式進行，LTP，10ZONE，POSTMARK,FIO等工具對測試系統產生負載，同時需要驗證功能。
6.部署方式測試
大數據具備scale-out的特點，能夠構建大規模，高性能的文件系統集群。針對不同應用和解決方案，文件系統部署方式會有顯著不同；
部署方式測試需要測試不同場景下的系統部署方式，包括自動安裝配置，集群規模，硬件配置，服務器，存儲，網絡，自動負載均衡等，這部分測試不大可能進行自動化測試，需要根據應用場景來設計解決方案和具體部署，再進行手動測試。
大數據分析系統的負載能力是存在上限的，系統過載時，系統就可能存在性能下降，功能異常，拒絕訪問等問題。壓力測試是驗證系統造大壓力下，包括數據多客戶端，高OPS壓力，高IOPS/吞吐量壓力，系統是否仍然能夠正常運行，功能是否正常，系統資源消耗情況，從而為大數據運營提供依據。
推薦閱讀：
sales@spasvo.com
