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存储文档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。
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。