数据库测试梳理

    数据库的测试和其他的业务测试不太一样，虽然有相通的地方，但是有不少自己独立的方面，来进行一个基础的要点梳理，方便借鉴参考。

数据库的一些常见校验：

• 数据库表结构是否合理

• 数据结构(如数据类型、长度)是否正确定义，并且需要注意数据结构与输入界面中数据的类型和长度是否一致，如果不一致，数据库则会报错

• 表与表之间的关系是否正确，主外键是否合理

• 索引的创建是否合理

• 存储过程功能是否完整

• 输入能否正确地接受，能否输出正确的结果

• 能否正确插入(增加)、更新、删除数据

• 数据库操作权限定义是否正确

• 能否正确处理并发操作

• 表级、列级完整性约束条件是否满足

• 数据库的处理能力是否满足要求

• 数据库的可靠性、可维护性是否满足要求

• 数据库性能是否满足要求(如插入、更新、删除数据操作)

• 将数据库的写操作和读操作进行分离， 使用多个从库副本（Slaver）负责读，使用主库（Master）负责写， 从库从主库同步更新数据，保持数据一致。

• 需要注意主从的延迟问题，可以通过强制读主库解决。

• 垂直拆分

  垂直分表

  也就是“大表拆小表”，基于列字段进行的。一般是表中的字段较多，将不常用的， 数据较大，长度较长（比如text类型字段）的拆分到“扩展表“。一般是针对那种几百列的大表，也避免查询时，数据量太大造成的“跨页”问题。

  垂直分库

  垂直分库针对的是一个系统中的不同业务进行拆分，

  数据库业务层面的拆分，和服务的“治理”，“降级”机制类似，也能对不同业务的数据分别的进行管理，维护，监控，扩展等。数据库往往最容易成为应用系统的瓶颈，而数据库本身属于“有状态”的，相对于Web和应用服务器来讲，是比较难实现“横向扩展”的。数据库的连接资源比较宝贵且单机处理能力也有限，在高并发场景下，垂直分库一定程度上能够突破IO、连接数及单机硬件资源的瓶颈。

• 水平拆分

  水平分表

  针对数据量巨大的单张表（比如订单表），按照某种规则（RANGE,HASH取模等），切分到多张表里面去。但是这些表还是在同一个库中，所以库级别的数据库操作还是有IO瓶颈。不建议采用。

  水平分库分表

  将单张表的数据切分到多个服务器上去，每个服务器具有相应的库与表，只是表中数据集合不同。水平分库分表能够有效的缓解单机和单库的性能瓶颈和压力，突破IO、连接数、硬件资源等的瓶颈。

    水平分库分表切分规则

    RANGE

• 从0到10000一个表，10001到20000一个表；

HASH取模

• 一个商场系统，一般都是将用户，订单作为主表，然后将和它们相关的作为附表，这样不会造成跨库事务之类的问题。取用户id，然后hash取模，分配到不同的数据库上。

地理区域

• 比如按照华东，华南，华北这样来区分业务。

时间

• 按照时间切分，就是将6个月前，甚至一年前的数据切出去放到另外的一张表，因为随着时间流逝，这些表的数据 被查询的概率变小，所以没必要和“热数据”放在一起，这个也是“冷热数据分离”。

• 分库分表后面临的问题

• 联合查询困难

• 联合查询不仅困难，而且可以说是不可能，因为两个相关联的表可能会分布在不同的数据库，不同的服务器中。

• 需要支持事务

• 分库分表后，就需要支持分布式事务了。数据库本身为我们提供了事务管理功能，但是分库分表之后就不适用了。如果我们自己编程协调事务，代码方面就又开始了麻烦。

• 跨库join困难

• 分库分表后表之间的关联操作将受到限制，我们无法join位于不同分库的表，也无法join分表粒度不同的表， 结果原本一次查询能够完成的业务，可能需要多次查询才能完成。我们可以使用全局表，所有库都拷贝一份。

• 结果合并麻烦

• 比如我们购买了商品，订单表可能进行了拆分等等，此时结果合并就比较困难。