一、项目名称：百度网盘APP
二、项目描述（系统名称+主要功能+系统优点，控制在4-6行左右。）
百度网盘APP，是一款提供在线存储服务的软件，向用户提供文件的存储、下载、备份、同步及共享等文件管理功能，还为用户提供了消息队列及通讯录功能，对其所包含的功能进行了汇总为用户提供了工具管理。网盘通过云储存数据，不会占用本地内存。网盘不用随身携带。网盘可以在线分享数据及进行一些在线操作。
三、项目的测试工作（与上一个实施的项目对比有啥不一样的地方？应该如何进行测试？）
【仅有需求文档】拿到需求相关文档，阅读需求，把需求里面不明白、不清楚的整理出来，先结合需求文档前后分析这些业务问题，再搜索一些业务知识点整理到excel表里面。实在拿不准的需求项目经理进行确认。最终形成一个excel表。（文档测试）
【仅有程序】安装署上，在系统正常运行的前提下（冒烟测试），开始录入数据，整理了解系统的大小功能，特别是系统的主要业务即主要功能，通过不断操作了解系统，把不明白、不理解的整理到excel表里面，然后项目经理进行需求确认。
四、分析系统架构（分析一下系统的架构，该系统有几个端？为什么要这样设计？不明白的可以问项目经理？）
一般分析系统的部署架构，主要从以下三个方面入手进行分析？
硬件环境：CPU？内存？磁盘？整机型号？
软件环境：平台（操作系统）？中间件？数据库？开发语言？
部署方式：集式（分布式）？
（1）百度搜索引擎部署图（B/S）
（2）集部署与分布式
⏹集：同一个业务，部署在多个服务器上（不同的服务器运行同样的代码，做同一件事情）
⏹集的好处：本来只有一个人在干活，现在有两个人了，分担了压力。要是有一人请假了，
没关系，还有另一位在呢。（提升系统的稳定性和安全性）
⏹例如：你开了家小餐馆，由于资金有限，只聘请了一位厨师张工，配菜切菜备料炒菜张工一个人全包了。后来生意越来越好了，张工根本忙不过来，于是再请了一位厨师李四，张工和李四两人一起负责厨房一切事宜，他俩的关系是集。张工有时候有事请假了，没事，还有李四在。
⏹分布式：一个业务分拆多个子业务，部署在不同的服务器上。
⏹分布式的好处：系统之间的耦合度大大降低，可以独立开发、独立部署、独立测试，系统与系统之间的边界非常明确，排错也变得相当容易，开发效率大大提升。系统之间的耦合度降低，从而系统更易于扩展。我们可以针对性地扩展某些服务。
⏹例如：为了让张工李四他们专心炒菜，又请了个配菜师杨工来分担工作，主要负责切菜，备菜，备料，共同完成厨房的事务。杨工和张工李四他们是分布式。
（3）百度网盘业务架构
类型 | 平台（操作系统） | 软件 | 硬件 | 开发语言 | 部署架构 | 备注 |
Web端 | CentOS7 | (1)系统部署： Weblogic mysql (2)大数据服务： Hadoop hbase | 戴尔（DELL） R740丨R750丨2U机架式服务器：处理器10核20线程。内存：8G内存，硬盘：5PB SATA硬盘 | java | 集式部署 | Hadoop解决日益增加的文件存储量和数据量瓶颈。 Hbase：非关系型数据库，适合于hadoop这种分布式计算框架，处理大量数据。 |
PC端 | Windows系统、Mac系统 | .exe安装包，.dmg安装包 | 普通PC机 | java | ||
移动端 | Android系统 | .apk安装包 | 手持移动设备 | java | ||
备注：
第一、在集上面部署hadoop，它是一个开源的大数据框架，是一个面对大量数据处理和存储数据解决方案/工具。
第二、Hadoop两个核心组件：
⏹HDFS（分布式文件系统）：
（1）专为存储数百兆字节或千兆字节的大型文件而设计（TB，PB）（如果小文件尽量使用RDBMS和Apache HBASE工具）；
（2）会自动检测给定组件是否发生故障，传输过程中的磁盘、交换机等组件，良好的数据备份机制；
（3）HDFS里面的NameNode，当扩展新节点时，NameNode能自动感知进行数据分发和备份到相应新节点。
⏹MapReduce框架（分布式计算问题、编程模型）：有两个方法Map方法和Reduce方法。
Map：每个文件分片由单独的机器去处理，这就是map的方法，将各个机器的计算结果汇总得到最终结果，这就是Reduce的方法。
数据拆分需求：以下正常文件方可以进行拆分。
（1）上传视频、其他格式文件：最小块5MB，不足5MB，正常按一个进行计算。
（2）上传音频文件：最小块3MB，不足3MB，正常按一个进行计算。
（3）上传图片文件：最小块2MB，不足2MB，正常按一个数据块计算。
（4）上传文档、种子文件：最小块1MB，不足1MB，正常按一个数据块计算。
（5）损坏文件或其他非支持格式则不进行拆分。
测试时需要查看hadoop里面Mapreduce的运行日志里面的拆分的数据库就可以了，一般情况下10MB的视频，在日志里面会有两个5MB的数据库记录。
Hadoop缺点：不适合大量小文件存储；文件修改效率低。
HDFS适合一次写入，多次读取的场景。
当传送数据量大，高数据吞吐量做了优化，牺牲了获取数据的延迟。
HBase：一个建立在HDFS之上的NoSQL（非关系型）数据库。
Sqoop将HBase里面的数据同步到mysql数据库里面。
文件上传过程（一个节点的处理过程）
文件上传和下载过程，百度网盘如何做到快速响应的。
第一、上述只有是一个节点：均衡负载器（DNS负载均衡）进行任务分配。分配给对应的服务器。
第二、Volume Block：百度网盘中数据拆分工具，对传输的数据进行拆分，拆分成一个一个数据块。然后实现高效传输。好比进程和线程的理解一样。
第三、Block Group：百度网盘中数据聚合工具，对成功上传的拆分数据进行聚合，聚合成功后进行保存，并通过客户端显示上传成功。
五、分析项目核心业务流程（系统的应用背景，给什么用户使用？怎么使用？系统的核心业务有哪些？分析出基本业务流程？）
（1）主要功能：上传、下载、相册备份 当前版本：v7.29.5
（2）系统业务交付：
正常上传需要选择上传文件或文件夹、文件类型及储存路径，上传成功。正常下载需要选择下载的文件及储存路径，下载成功。相册备份需要选择相册，打开自动备份，是否使用手机流量备份照片，备份成功。
(系统的基本业务流程，从业务的发起|业务的入口，到业务的完成 业务的出口，考虑所有环节都正常情况)
六、划分系统的测试范围
参考《百度网盘测试任务分配》
七、测试的分析与设计
模块名称：传输
测试点名称：上传(特测试点|公共测试点)
测试需求：
1. 正常上传需要选择上传文件或文件夹、文件类型及储存路径，上传成功。
(系统的基本业务流程，从业务的发起|业务的入口，到业务的完成 业务的出口，考虑所有环节都正常情况)
2. 上传类型分为文件上传和文件夹上传，文件夹上传成功后，目录结构不变，子文件夹及其文件都会上传。
3. 文件格式
①图片类文件格式：JPG、JPEG、PNG、GIF、BMP、TIFF、SVG等常见的图片文件格式，以及一些原生的图像格式，如PSD、AI等。
②文档类文件格式：DOC、DOCX、XLS、XLSX、PPT、PPTX、PDF、TXT、RTF、CSV、HTML、XML、EPUB等。
③视频类文件格式：MP4、AVI、MOV、WMV、FLV、MKV、M4V等常见的视频文件格式，以及一些高清视频格式。
④音频类文件格式：MP3、WAV、FLAC、AAC、M4A、WMA、OGG等常见的音频文件格式，以及一些专有音频格式。
⑤压缩文件格式：RAR、ZIP、7Z、TAR、GZ等常见的压缩文件格式，可以方便地上传和下载压缩包。
⑥可执行文件格式：EXE、APK、MSI等可执行文件格式。
⑦种子类文件格式：种子文件以.torrent为扩展名。
⑧支持不同类型文件组合上传。
4. 文件上传大小
①免费用户/娱乐套餐/备份套餐情况下单文件最高达4G。
②工作套餐情况下，单文件最高达10G。
③盘超级会员情况下会根据会员等级来进行限制，超级会员V1/V2最高可上传300G大文件，超级会员V3/V4最高可上传500G大文件，超级会员V5/V6最高可上传800G大文件，超级会员V7最高可上传1024G大文件，超级会员V8最高可上传1200G大文件，超级会员V9最高可上传1500G大文件，超级会员V10最高可上传2048G超大文件。
视频文件修复④如果文件大小为0B时，不支持上传。
5. 批量上传文件
①免费用户/娱乐套餐/备份套餐情况下批量上传文件的总数量最高达500个。如果已经上传300个，就不能在上传500个，最多只能在上传200个。
②网盘超级会员/工作套餐情况下批量上传文件的总数量无数量上限。网盘超级会员情况下支持并发上传。工作套餐情况下不支持并发上传。
6. 百度网盘支持上传损坏的文件，但上传后的损坏文件无法正常使用或打开。用户将损坏的文件上传到百度网盘时，网盘会将该文件存储在云端，但并不会对损坏文件进行修复。文件损坏可能是文件属性不完整或数据不完整、包含病毒或被病毒感染。
7. 文件在上传的时候被占用会造成无法上传，关闭文件重新上传即可。
8.在上传文件时，可能会发生文件损坏或丢失的情况，可以尝试重新上传文件、使用文件修复工具或与百度网盘。
9. 在同一台设备上同时进行多个上传操作，或者在不同设备上使用同一个账号同时进行上传多个文件时，可能会导致文件名相同或存在冲突的情况。百度网盘检测到文件名冲突时，它会自动重命名文件，添加一个唯一的后缀或编号，以避免文件的覆盖或丢失。
10. 上传过程中遇到空间已满会暂停上传，空间清理后可以继续上传。
11. 上传过程中遇到断网或连接不稳定时间较长会暂停上传，修复好网络状态后可以继续上传。
12. 上传过程中遇到意外关闭客户端会暂停上传，再次打开后可以继续上传。
13. 在弱网环境（2G：15~20KB；3G：150~600KB；4G：1.5M~10M）下，上传正常进行，不会报错或上传失败。
14. 数据拆分需求
MapReduce框架（分布式计算问题、编程模型）：有两个方法：Map方法和Reduce方法。Map：每个文件分片由单独的机器去处理，这就是map的方法，将各个机器的计算结果
汇总得到最终结果，这就是Reduce的方法。测试时需要查看hadoop里面Mapreduce的运行日志里面的拆分的数据库就可以了，一般情况下10MB的视频，在日志里面会有两个5MB的数据库记录。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论