测试工程师的总结

数据库：in and or orderby , insert into update delete
DELETE ：删除表中的数据，保留表结构。可逆。。DROP ：删除整个表（包括结构和数据），不可逆操作。。TRUNCATE ：删除表中的所有数据，保留表结构，不可逆
Linux：创建，删除，移动，复制，查找，编辑，压缩。。ps-ef -aux。。du，chmod，chown，gg shift g
性能：响应时间，并发用户数，内存占用，吞吐量，错误率，资源使用率
等价类，边界值，错误推断，因果图。。。语句，判定，条件
列表[ ]，可重复，类型可不同。。。append( cc )在列表末尾添加新的对象，insert(3，a)将对象插入列表，extend( cc )在列表末尾一次性追加另一个列表的内容，remove(芒果元素)，pop(1索引值)移除索引值，clear清空，del删除2：和list
元组tuple( ) 和列表结构上没区别，元组只读，不能修改。。。
字典dict { } 键和值对应，无序方式存储，随便存类型。。setdefault，pop，popitem随机删，clear，update，查keys，values，items
集合set 无序不重复，不可变数据类型，关系测试，消除重复元素。。增add，update，pop随机 remove指定元素 clear清空

DELETE ：删除表中的数据，保留表结构。可逆。。DROP ：删除整个表（包括结构和数据），不可逆操作。。TRUNCATE ：删除表中的所有数据，保留表结构，不可逆

库，mysql，hive
查询语言不一样；存储：本地文件，HDFS中；索引：有，无；数据格式：有，无；数据更新：支持crud，不支持
延迟：低在线查询使用，高点 数据仓库使用，离线分析；扩展性：有限，强；数据模型：关系型数据库，面向列存储
实时性：在线查 更新，不能查 更新；兼容性：好，主要用于Hadoop系统

Hadoop架构，包括数据存储，处理，分析。核心组件3个。
  ① HDFS 分布式文件系统 提供高吞吐量的数据访问和存储，特别适合大数据集的分布式存储。
具有高容错性 支持流式访问
  ② MapReduce 分布式计算框架 用于大规模数据集的并行处理
  ③YARN分布式资源管理系统 负责任务调度和集群资源管理
  Commons

hive 数据分析工具
spark 分布式数据处理引擎

索引的优点：① 建立索引的列可以保证行的唯一性 ② 缩短检索时间③ 加快表与表连接

索引的缺点：① 创建和维护需要时间成本，空间成本 ② 会降低表的增删改的效率

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

功能：ui 接口，抢红包，普通，专属 /  金额，备注，封面，支付  /  发成功，失败的提示，余额，组合，取消，密码，扣款，到账  /  领取

性能：多人并发，弱网

兼容：不同操作平台，系统，手机型号

安全：输错密码次数

易用性：支付方式指纹