我最近一直在找适合将来用于公司大型bs，b2b b2c的基础架构。

实际情况是要建立一个bs架构b2b、b2c的网站，当然还包括wap站点、手机app站点。

一、现有公司技术人员现状：

1、熟悉原理基础、技术为主、加之微软最近对.net的跨平台和种种开源，将公司将来的大型架构定义在linux平台基础上，那公司就需要有一定量的linux运维人员；

• c、现在的数据库管理相对松散，甚至可以说不存在都不为过，大型项目中可能涉及的环境从简单的测试、开发、生产三个可能是以服务器台来计算的环境，将演变成以前端web和入口服务器集群（入口层）、中间业务逻辑处理中间件集群、缓存服务器集群（在线业务层、缓存数据层）、后端活跃热数据的数据库集群、历史数据仓库（在线数据层、近线统计分析查询数据层），并且可能生产环境和准生产环境都要长期互相独立并且互相代码数据迭代似地上线和备份，以保证上线以前有足够的测试机会，这句需要同时有内外网2个环境集群，可能为开发还有另外准备第三个或者从内部集群里开拓出一部分来给开发使用。
• d、这就会需要相当一部分的除了基础linux维护人员，可能还需要各种运维方面的技能 应该会涉及所使用的数据仓库软件（hbase）的部署和维护、sql数据库集群架构（准mysql集群、包括mysql社区分支版本MariaDB、相关集群软件比如mycat）的部署和维护、缓存数据库集群（redis集群、mencached集群，比如redis官方web方案jesux、Apache挂mod_mono或Nginx挂mod_mono以及将来的微软官方的跨平台webserver端）和.net环境（第三方。net实现的mono、或者将来的微软官方的。net core跨平台运行时环境）的部署和维护；
• 短期可以由开发人员里熟悉以上内容的人来管理，长期肯定是要配备的；

二、整体软件架构思想：

由于公司的b2c、b2b业务构想还只是雏形，所以只能够大概设定一个软件架构的思路：

首先，业务逻辑上，要及时积极定义出历史数据，将其及时移动到数据仓库层级，这样能大大降低强事务sql数据库层级的压力以及提高该层级的性能表现；

然后进行业务拆分，将不同业务操作类型从入口层以后分配到不同的业务处理集群，这样可以降低其后每个集群的压力，提升性能表现；

凡是可以不必实时的操作，一定要区分出来，采取队列处理机制，可以预处理的行为积极进行预处理；

如果可以的话，将sql层面的表结构就考虑好，多插入少更新，积极地努力回避事务死锁问题；

• • http反向代理：最前端使用Nginx之类的http反向代理服务器集群和cdn加速网站响应，静态的内容的请求可能因为这一层就被处理掉了大部分；
  • 性能分析、监控：这中间可以插上各种日志、分析性能、监控等各种服务套件，这是linux的常规优势；
  • 负载调度：Nginx之后是负载均衡调度服务机制或服务器集群，好在现在云服务器都有这个服务，很简单；
  • 应用程序服务器集群（分业务、分服务）：然后是.net的web server集群，并且应该根据业务拆分和服务拆分为多组集群，说白了就是这些应用服务器有很多不同业务分工的服务器端代码在运行，每一份代码应对一种业务需求或者服务需求，然后每一份代码有多台服务器视为一组的区分开来，每个服务、业务逻辑处理上动态负载均衡（也就是A应用服务器集群处理一些类型的业务，b可能处理另一些类别，然后c可能提供一些服务类型的给自己或外部使用），技术上。.net在linux下的应用程序服务器可以选择使用Nginx（这时候其作为普通正向http

    是继 之后又一个优秀的 库。它是轻量级的js库 ，它兼容 ，还兼容各种 （IE

    architecture）和敏捷性的技术。对技术人员，想真正了解什么是.NET，必须先了解.NET技术出现的原因和它想解决的问题，必须先了解为什么他们需要XML,Web Services 和 SOA。技术人员一般将看成一个平台厂商。搭建，而技术人员在这个技术平台之上创建应用系统。从这个角度，.NET也可以如下来定义：.NET是的新一代，为敏捷商务构建互联互通的应用系统，这些系统是基于标准的，联通的，适应变化的，稳定的和高性能的。从技术的角度，一个.NET应用是一个运行于.NET Service也不是.NET应用。.NET是基于Windows操作系统运行的操作平台，应用于互联网的分布式。

    Linux是一套免费使用和自由传播的，是一个基于和的多用户、、支持和多的操作系统。它能运行主要的UNIX工具软件、应用程序和网络协议。它支持和硬件。Linux继承了以为核心的设计思想，是一个性能稳定的多用户网络操作系统。

    Linux操作系统诞生于1991 年10 月5 日（这是第一次正式向外公布时间）。Linux存在着许多不同的Linux版本，但它们都使用了 。Linux可安装在各种计算机硬件设备中，比如 、 、 、视频游戏控制台、台式计算机、大型机和超级计算机。

    严格来讲，Linux这个词本身只表示Linux内核，但实际上人们已经习惯了用Linux来形容整个基于Linux内核，并且使用GNU 工程各种工具和数据库的操作系统。

    大数据时代的到来既是悄悄的，又是波澜壮阔的，人们还没有完全反应过来时， 时代已经到来。在人们平时接触的数据中，有一些数据不仅很多，而且用户访问率很高，但这些数据不一定就是大数据，而是“热”数据。因此就需要我们用“大数据思维”来处理这些数据。

    所谓的“热数据”，并不适用于处理大数据的方式。热数据是纯粹的扩展性问题，你需要把系统的性能调整到最佳，降低系统的延迟同时确保它能够被所有提出访问需求的用户访问到。大 除了作为分析之用，甚至你从来不会去用到它。事实上，除了分析之外，我们可以把大数据“冷冻”起来。尽管有时候我们会把大数据与新鲜快速的记录一起进行分析，但大数据池至少需要从概念上与活动的热数据隔离开来。否则二者会互相造成不良的影响。

    将冷热数据分开存储是公认的最佳实践，无论是存储还是应用，它们都是完全不同的数据。信息不对称的后果是扭曲了市场机制的作用，误导了市场信息，造成市场失灵。如果处在普遍的信息数据缺乏状态下，经济行为的不确定性也会增加，往往会降低市场效率。反之，是过犹不及，即便是在上世纪末所谓“信息爆炸”年代，也远不如当前阶段如此快速的信息积累。据统计，互联网上的数据每两年翻一番，而全球绝大多数数据都是最近几年才产生的。面对似乎逐渐“供大于求”的数据，如何找到有用的信息，成为利用大

    最重要的数据也许并不是那些大数据，而是我们所说的热数据。你也许已经建立了大数据系统，时刻准备从大数据金矿上挖掘潜在的价值，但一定不要忽视其他数据的价值。人们对大数据狂热追寻的热度终究会降温，但是大数据分析的价值会继续下去。大数据的重点是如何采取正确的策略、流程和方法去从大数据分析中获得价值，比如需要哪些投资，需要培养哪种技能去实施大数据应用等。

    ，英文名称为Data Warehouse，可简写为 或DWH。数据仓库，是为企业所有级别的决策制定过程，提供所有类型数据支持的战略 。它是单个数据 ，出于分析性报告和决策支持目的而创建。 为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。 

    我认为基本上今天不支持强事务的大数据数据库、海量支持的数据库都可以算是一种数据仓库方案。

    在线存储(OnStore)是工作级的存储，在线存储的最大特征是存储设备和所存储的数据时刻保持“在线”状态，可以随时读取和修改，以满足前端应用服务器或数据库对数据访问的速度要求。其中最主要的在线存储是磁盘存储。早期的在线存储设备主要是服务器内置硬盘，随着对存储的发展，现在在线存储设备还包括光纤磁盘阵列或SCSI磁盘阵列等磁盘设备。在线存储价格相对昂贵，但性能最好。大多数情况下，我们可以认为客户的核心应用都是采用这种存储形式的。

    对于数据库来说，能够基本提供及时或可预计时间内响应的数据库系统是在线数据库。

    所谓近线存储(NearStore)，是随着客户存储环境的细化所提出的一个概念，所谓的近线存储，外延相对较广泛，主要定位于客户和之 间的应用。就是指将那些并不是经常用到，或者说数据的访问量并不大的数据存放在性能较低的存储设备上。但同时对这些的设备要求是寻址迅速、传输率高。（例 如客户一些长期保存的不常用的文件的归档）。因此，近线存储对性能要求相对来说并不高，但又要求相对较好的访问性能。同时多数情况下由于不常用的数据要占 总数据量的比较大的比重，这也就要求近线存储设备在需要相对较大。在业界传统定义的近线存储设备主要为DVD-RAM和设备。但随着存储设备的不断发展，跟据客户存储需求的不同，我们也会把低端的（例如DS4100）或高端的磁带设备（例如3592）作为近线存储应用设备。

    其实对于数据库来说，近线的概念，可以被认为就是不那么快，响应不那么及时，一个操作没有一个可控的最大响应时间范围的这类数据库系统，Hadoop很多传统的读写方式、技术方案就不像hbase那样能够及时、有效的反应。

    项目的子项目。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是HBase基于列的而不是基于行的模式。

    全世界大量大型公司的数据都存储在其上。

    是一种关联，关联数据库将数据保存在不同的表中，而不是将所有数据放在一个大仓库内，这样就增加了速度并提高了性。MySQL 所使用的 SQL 语言是用于访问的最常用标准化语言。MySQL 软件采用了双授权政策（本词条“授权政策”），它分为社区版和商业版，由于其体积小、速度快、总体拥有成本低，尤其是这一特点，一般中小型网站的开发都选择 MySQL 作为网站。由于其社区版的性能卓越，搭配 和 可组成良好的开发环境。

    Widenius）主导开发，他早前曾以10亿美元的价格，将自己创建的公司MySQL AB卖给了SUN，此后，随着SUN被甲骨文收购，MySQL的所有权也落入Oracle的手中。MariaDB名称来自Michael Widenius的女儿Maria的名字。

    跨平台部署的一种可选方案。与其它WEB服务器相比，Jexus不但具有跨平台容器，缺点：配置文档缺乏，封闭源代码，不开源，作为国产闭源产品却没有像样的商用案例支持其可靠性和安全性。

    Apache是世界使用排名第一的Web软件。它可以运行在几乎所有广泛使用的上，由于其和安全性被广泛使用，是最流行的Web服务器端软件之一。它快速、可靠并且可通过简单的API扩充，将/等编译到服务器中。

    Apache软件基金会（也就是Apache Software Foundation，简称为ASF），是专门为运作一个开源软件项目的 Apache 的团体提供支持的非盈利性组织，这个开源软件项目就是 Apache 项目。除了Apache，实际上开源的软件里主要的基础的多一半是该基金会管理下或者基于该基金会所管理的软件项目。

    .NET Core是14年微软开源政策的一个重要决定的实际行为，就是开源.net内核和支持跨平台包括linux、mac等的编译 部署和支持，可以说.NET Core是其基础的跨平台.net库内核，同时也是基础的运行环境运行库。

    39、强事务即数据库事务操作符合ACID特性

    例如：在 中，一个事务可以是一条SQL语句，一组SQL语句或整个程序。

    事务是恢复和 的基本单位。

    事务应该具有4个属性：原子性、一致性、隔离性、持久性。这四个属性通常称为 ACID特性。

    原子性（atomicity）。一个事务是一个不可分割的工作单位，事务中包括的诸操作要么都做，要么都不做。

    一致性（consistency）。事务必须是使 从一个一致性状态变到另一个一致性状态。一致性与原子性是密切相关的。

    隔离性（isolation）。一个事务的执行不能被其他事务干扰。即一个事务内部的操作及使用的数据对并发的其他事务是隔离的，并发执行的各个事务之间不能互相干扰。

    持久性（durability）。持久性也称永久性（permanence），指一个事务一旦提交，它对 中数据的改变就应该是永久性的。接下来的其他操作或故障不应该对其有任何影响。

    一般来说只有传统sql数据库才支持强事务。

    集群通信系统是一种用于集团调度指挥通信的，主要在专业移动通信领域。该系统具有的可用信道可为系统的全体用户共用，具有自动选择信道功能，它是共享资源、分担费用、共用信道设备及服务的多用途、高效能的无线调度通信系统。

    41、死锁、事务死锁、数据库死锁

    所谓死锁： 是指两个或两个以上的在执行过程中，由于竞争资源或者由于彼此通信而造成的一种阻塞的现象，若无外力作用，它们都将无法推进下去。此时称系统处于死锁状态或系统产生了死锁，这些永远在互相等待的称为死锁进程。

    事务死锁、数据库死锁：如果需要“修改”一条数据，首先会在上面加锁，以保证在同一时间只有一个能进行修改操作。锁定(Locking)发生在当一个获得对某一资源的“锁”时，这时，其他的事务就不能更改这个资源了，这种机制的存在是为了保证。

    一般情况下，如果没有特别说明，代理技术默认说的是正向代理技术。关于正向代理的概念如下： 正 向代理(forward)是一个位于客户端【用户A】和原始服务器(origin server)【服务器B】之间的服务器【代理服务器Z】，为了从原始服务器取得内容，用户A向代理服务器Z发送一个请求并指定目标(服务器B)，然后代 理服务器Z向服务器B转交请求并将获得的内容返回给客户端。客户端必须要进行一些特别的设置才能使用正向代理。

    反向代理正好与正向代理相反，对于客户端而言代理服务器就像是原始服务器，并且客户端不需要进行任何特别的设置。客户端向反向代理的命名空间(name-space)中的内容发送普通请求，接着反向代理将判断向何处(原始服务器)转交请求，并将获得的内容返回给客户端。

    Network，即。其基本思路是尽可能避开互联网上有可能影响数据传输速度和稳定性的瓶颈和环节，使内容传输的更快、更稳定。通过在网络各处放置所构成的在现有的互联网基础之上的一层智能，CDN系统能够实时地根据和各节点的连接、负载状况以及到用户的距离和响应时间等综合信息将用户的请求重新导向离用户最近的服务节点上。其目的是使用户可就近取得所需内容，解决 Internet网络拥挤的状况，提高用户访问网站的响应速度。

    负载均衡 建立在现有网络结构之上，它提供了一种廉价有效透明的方法扩展 和 的带宽、增加 、加强网络数据处理能力、提高网络的灵活性和可用性。

    负载均衡，英文名称为Load Balance，其意思就是分摊到多个操作单元上进行执行，例如Web 、 、 关键应用服务器和其它关键任务服务器等，从而共同完成工作任务。

    云服务器（Elastic Compute Service, 简称ECS）是一种处理能力可弹性的服务，其管理方式比物理更简单高效。云服务器帮助您快速构建更稳定、安全的应用，降低开发运维的难度和整体IT成本，使您能够更专注于核心业务的创新。

    实际上更多意义上 是vps，

    在容器或虚拟机中，每个VPS都可分配独立公网IP地址、独立操作系统、实现不同VPS间磁盘空间、内存、CPU资源、进程和系统配置的隔离，为用户和应 用程序模拟出“独占”使用计算资源的体验。VPS可以像独立服务器一样，重装操作系统，安装程序，单独重启服务器。VPS为使用者提供了管理配置的自由， 可用于企业虚拟化，也可以用于IDC资源租用。

    IDC资源租用，由VPS提供商提供。不同VPS提供商 所使用的硬件VPS软件的差异，及销售策略的不同，VPS的使用体验也有较大差异。尤其是VPS提供商超卖，导致实体服务器超负荷时，VPS性能将受到极 大影响。相对来说，容器技术比虚拟机技术硬件使用效率更高，更易于超卖，所以一般来说容器VPS的价格都高于虚拟机VPS的价格。

    这些VPS 以最大化的效率共享 、 以及管理资源.。每个VPS 都可分配独立公网IP地址、独立操作系统、独立超大空间、独立内存、独立 资源、独立执行程序和独立系统配置等. VPS主机用户除了可以分配多个虚拟主机及无限企业邮箱外， 更具有独立主机功能, 可自行安装程序, 单独重启主机.

    比如国内有阿里云、腾讯云、小众一点的就更多了比如景安vps等等。

    应用是指通过各种协议把曝露给的程序。它提供了访问的途径以供使用。应用使用此就像调用对象的一个方法一样。 简单的说能实现的叫做应用服务器。

    本文中提到的的运行环境的意思，一般windows下是iis、linux下的就多样了。

    47、正向http server 引申词汇 正向代理、、透明代理

    一般情况下，如果没有特别说明，代理技术默认说的是正向代理技术。关于正向代理的概念如下： 正 向代理(forward)是一个位于客户端【用户A】和原始服务器(origin server)【服务器B】之间的服务器【代理服务器Z】，为了从原始服务器取得内容，用户A向代理服务器Z发送一个请求并指定目标(服务器B)，然后代 理服务器Z向服务器B转交请求并将获得的内容返回给客户端。客户端必须要进行一些特别的设置才能使用正向代理。

     如果把正向代理、反向代理和透明代理按照人类血缘关系来划分的话。那么正向代理和透明代理是很明显堂亲关系，而正向代理和反向代理就是表亲关系了。
       透明代理的意思是客户端根本不需要知道有代理服务器的存在，它改编你的request fields（报文），并会传送真实IP。注意，加密的透明代理则是属于匿名代理，意思是不用设置使用代理了。透明代理实践的例子就是时下很多公司使用的行为管理软件。

    48、容器，其实就是是 的.net移植版本，是一个开源的全文检索引擎开发包，即它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎。开发人员可以基于是 软件基金会赞助的开源项目，基于Apache License协议。

    索引中。标准的步骤是先初始化一个Analyzer、打开一个IndexWriter、然后再将文档一个接一个地加进 去。一旦完成这些步骤，索引就可以在关闭前得到优化，同时所做的改变也会生效。这个过程可能比开发者习惯的方式更加手工化一些，但却在数据的索引上给予你 更多的灵活性，而且其效率也很高。

    HubbleDotNet 是一个基于.net framework 的开源免费的全文搜索数据库组件。开源协议是 Apache 成为.net开发环境中最受 欢迎的全文检索组件。

    NoSQL，泛指非关系型的数据库。随着互联网网站的兴起，传统的关系数据库在应付web2.0网站，特别是超大规模和高并发的类型的web2.0纯站已经显得力不从心，暴露了很多难以克服的问题，而非关系型的数据库则由于其本身的特点得到了非常迅速的发展。NoSQL数据库的产生就是为了解决大规模数据集合多重数据种类带来的挑战，尤其是大数据应用难题。

    内存数据库，顾名思义就是将数据放在内存中直接操作的数据库。相对于，内存的数据读写速度要高出几个数量级，将数据保存在内存中相比从磁盘上访问能够极大地提高应用的性能。当然成本就是巨大的内存和其成本价格。

    硬盘读写引擎、Leveldb、RocksDB，随着nosql 内存数据库的涌现，随着时间推移，内存数据库的受限于内存容量的存储空间，和传统硬盘数据库的性能收到压力和挑战，以谷歌和facebook这样的大型公司就先后推出了各自的硬盘nosql kv读写库，即我说的硬盘读写引擎，他们并非直接的数据库，而都是一个c c++可调用的引擎性质库，根据这些引擎有不少开源硬盘数据库项目涌现而出，国内就有主要使用leveldb引擎的ssdb和默认使用RocksDB的Ardb，前者有大量的使用案例，包括百度、360、jd这类大公司，后者也在开源主页上拿出了自己实施部署的实测案例数据。

    文件服务器是一种器件，它的功能就是向提供文件。它加强了的功能，简化了的管理。它一则改善了系统的性能，提高了数据的可用性，二则减少了管理的复杂程度，降低了运营。

    文件服务器（fs服务器），具有 文件管理的全部功能,提供网络用户访问文件、目录的 和安全保密措施的 （LAN）服务器。

    在 局域网中，以文件数据共享为目标，需要将供多台计算机共享的文件存放于一台计算机中。这台 就被称为文件服务器。

    文件服务器具有 管理的全部功能，能够对全网统一管理，能够提供网络用户访问文件、目录的并发控制和安全保密措施。

    “文件服务器“英文是File server语境【文件系统】

    一台特殊功能的 ，其主要目的是向客户机提供文件服务。文件服务器可以是一台能够运行其他应用的 ，也可以是一台专门提供文件服务的 。

    NFS（Network File System）即，是FreeBSD支持的文件系统中的一种，它允许网络中的计算机之间通过TCP/IP网络共享资源。在NFS的应用中，本地NFS的客户端应用可以透明地读写位于远端NFS服务器上的文件，就像访问本地文件一样。

    Samba是在Linux和UNIX系统上实现SMB协议的一个免费软件，由服务器及客户端程序构成。（Server Messages Block，信息服务块）是一种在上共享文件和打印机的一种，它为局域网内的不同计算机之间提供文件及打印机等资源的共享服务。SMB协议是客户机/服务器型协议，客户机通过该协议可以访问服务器上的共享文件系统、及其他资源。通过设置“NetBIOS over TCP/IP”使得Samba不但能与局域网络主机分享资源，还能与全世界的电脑分享资源。

    FastDFS是一个开源的轻量级，它对进行管理，包括：文件存储、文件同步、文件访问（文件上传、文件下载）等，解决了大容量存储和负载均衡的问题。特别适合以文件为载体的在线服务，如相册网站、视频网站等等。

    56、分布式 分布式数据库

    什么是分布式计算？所谓分布式计算是一门计算机科学，它研究如何把一个需要非常巨大的计算能力才能解决的问题分成许多小的部分，然后把这些部分分配给许多计算机进行处理，最后把这些计算结果综合起来得到最终的结果。分布式是将数据分散的存储于多台独立的机器设备上。采用可扩展的，利用多台分担存储负荷，利用位置服务器定位存储信息，不但解决了传统集中式存储系统中单存储服务器的瓶颈问题，还提高了、可用性和扩展性。

    分布式系统通常使用较小的系统，每台计算机可单独放在一个地方，每台计算机中都可能有DBMS的一份完整拷贝副本，或者部分拷贝副本，并具有自己局部的数据库，位于不同地点的许多计算机通过网络互相连接，共同组成一个完整的、全局的逻辑上集中、物理上分布的大型数据库。

    　　Cobar是关系型数据的分布式处理系统，它可以在分布式的环境下看上去像传统数据库一样为您提供海量数据服务。

    • 产品在阿里巴巴B2B公司已经稳定运行了3年以上。
    • 目前已经接管了3000+个MySQL数据库的schema，为应用提供数据服务。
    • 据最近统计cobar集群目前平均每天处理近50亿次的SQL执行请求。

  大数据(big data,mega data)，或称巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。 ^[1]  

  在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》^[2] 中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。

  大数据的主要代表技术就是以Hadoop架构为基础的庞大技术产品和体系。

  用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。

  System），简称HDFS。HDFS有高 的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）来访问 的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）POSIX的要求，可以以流的形式访问（streaming access）文件系统中的数据。

  Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，则MapReduce为海量的数据提供了计算。

  从1989年起，Lotus通过其产品Notes提出了数据库技术的全新概念-"文档数据库"，文档数据库区别于传统的其它数据库，它是用来管理文档。在传统的数据库中，信息被分割成离散的，而在文档数据库中，文档是处理信息的基本单位。一文档可以很长、很复杂、可以无结构，与字处理文档类似。一个文档相当于关系数据库中的一条记录。

  Mongo DB 是目前在行 业非常流行的一种非关系型数据库(NoSql),其灵活的数据存储方式备受当前IT从业人员的青睐。Mongo DB很好的实现了面向对象的思想(OO思想),在Mongo DB中 每一条记录都是一个Document对象。Mongo DB最大的优势在于所有的数据持久操作都无需开发人员手动编写SQL语句,直接调用方法就可以轻松的实现CRUD操作。

黑盒测试又称功能测试，它是通过一系列测试用例来检测软件的功能是否正常。在黑盒测试中，我们把软件看成是一个黑盒子（不关注内部的实现原理），通过关注软件的输入输出结果，来判断软件是否存在问题。

黑盒测试主要有以下几种方法：

等价类划分法将程序所有可能输入的数据划分为若干部分（子集），然后从每个子集中选取具有代表性的数据作为测试用例，测试用例包含有效等价类和无效等价类，二者间的区别为：

例如一个Web登录界面中，需要输入用户的邮箱，那么有效等价类可以理解为符合邮箱格式规范的字符串集合，例如123@等，无效等价类可以理解为不符合邮箱格式规范的字符串集合，例如123456、abbbc@@等字符串。

等价类划分法是一种典型的、常用的测试方法。在设计测试用例时，要同时考虑有效等价类和无效等价类的设计。软件不能只接收合理的数据，还要经受意外的考验，接受无效的或不合理的数据，这样软件才能具有较高的可靠性。

等价类划分主要有4种方法：

• 如果输入条件规定了取值范围，或者值得个数，则可以确定一个有效等价类和两个无效等价类。
  

• 如果规定了输入数据的一组值（假定n个），且程序要对每一个输入值分别进行处理的情况下，可确定n个有效等价类（每个值确定一个有效等价类）和一个无效等价类（所有不允许的输入值的集合）。
  {1,3,7,10}，且程序中对这4个数值分别进行了处理。那么有效等价类为

• 如果输入条件规定了输入值的集合，这时可确立一个有效等价类和一个无效等价类。
  例如，在头像上传API中，规定头像大小不能超过100KB，那么有效等价类为小于等于100K的图片，无效等价类为大于100K的图片。

• 如果规定了输入数据必须遵守的规则或限制条件，可确定一个有效等价类（符合规则）和若干个无效等价类（从不同角度违反规则）。
  例如规定了输入数据为非0正整数，那么有效等价类为非0的正整数，无效等价类为0、字符串、负数、小数等。

等价类测试的类型按照测试用例的完整性划分，具体可以划分为两个大类：弱等价类测试，强等价类测试。其中，强等价类测试可以再划分为弱一般等价类测试和弱健壮等价类测试。强等价类测试可以划分为强一般等价类测试、强健壮等价类测试。

所谓弱，是指从各个等价类中选取值时只考虑等价类自身，查出的缺陷属于“单缺陷”，即单一因素造成的缺陷。所谓强，是指考虑了等价类之间的相互影响，查出的缺陷属于多种因素造成的“多缺陷”。

从测试用例的选型上来看：

• 弱：单缺陷假设，不考虑取值组合的情况
• 强：多缺陷假设，考虑取值组合的情况

在“一般”和“健壮”上：

• 一般：不考虑无效值（无效等价类，即异常区域）

综上所述，这四种等价类测试类型可以理解为：

• 单缺陷假设（取值不组合），不考虑异常区域。在设计测试用例上：
  1、对于有效输入，取每个有效等价类的一个值
  2、对于无效数据，不考虑（不取无效等价类）
  

• 多缺陷假设（取值组合），不考虑异常区域测试用例的设计时需要考虑等价类之间的相互作用，选取等价类的笛卡尔积的元素值来实现。在设计测试用例上：
  1、对于有效输入，考虑有效等价类之间的组合
  2、对于无效输入，不考虑
  

• 弱健壮等价类测试（传统的等价类测试类型）
  基于单缺陷假设，考虑无效等价类，选取的测试用例要覆盖每一个有效等价类和无效等价类，但时不能同时覆盖两个无效等价类。
  

• 每个无效等价类和有效等价类的组合都要覆盖到，考虑所有的有效和无效情况。
  

软件的很多错误都是发生在输入或者输出范围的边界上，而不是输入输出范围的内部，所以边界值分析法也就诞生了。边界值分析法是一种对输入或输出的边界值进行测试的一种黑盒测试方法，是作为对等价类划分法的补充，这种情况下，其测试用例来自等价类的边界。

边界点分为上点、内点和离点：

• 上点：就是边界上的点，不管它是开区间还是闭区间，就是说，如果该点是封闭的，那上点就在域范围内，如果该点是开放的，那上点就在域范围外。

• 内点：就是在域范围内的任意一个点。

• 离点：就是离上点最近的一个点，如果边界是封闭的，那离点就是域范围外离上点最近的点，如果边界是开放的，那离点就是域范围内离上点最近的点。

下面一系列图片中，蓝色的为上点，橘色为离点，绿色为内点：

边界值分析使用与等价类划分法相同的划分，只是边界值分析假定错误更多地存在于划分的边界上，因此在等价类的边界上以及两侧的情况设计测试用例。

• 如果输入条件规定了值的范围
  则应取刚达到这个范围的边界的值，以及刚刚超越这个范围边界的值作为测试输入数据。
  例如程序的需求文档中提到：“如果身高在170cm至180cm，则…”，那么测试数据应当选取170和180，还应当选取170.1、169.9、179.9、180.1等。

• 如果输入条件规定了值的个数
  则用最大个数,最小个数，比最小个数少一，比最大个数多一的数作为测试数据。
  

• 如果输出条件规定了值的范围
  则应取刚达到这个范围的边界的值，以及刚刚超越这个范围边界的值作为测试输入数据。

• 如果输出条件规定了值的个数
  则用最大个数,最小个数，比最小个数少一，比最大个数多一的数作为测试数据。

• 分析需求，找出其它可能的边界条件

• 最坏边界条件测试用例设计法
  

• 健壮最坏边界条件测试用例设计法
  

等价类划分法和边界值分析方法比较适合输入变量或输入条件相互独立的情况，但是当输入变量或输入条件相互依赖、相互制约的时候，采用等价类划分法和边界值分析方法是难以描述的，测试效果也很难保障，而判定表驱动法就是为了解决这类问题。

判定表驱动法（或决策表法） 是根据需求描述建立判定表后，导出测试用例的方法。在所有的黑盒测试方法中，基于判定表的测试是最为严格、最具有逻辑性的测试方法，并且可以设计出完整的测试用例集合。

判定表（也称决策表）是一个用来表示条件和行动的二维表，是分析和表达多逻辑条件下执行不同操作的情况的工具。

所有条件都是二值条件，即真或假

实例——阅读指南判定表

上述判定表可以简化，简化规则主要有：

若两条或多条规则的动作项相同，条件项只有一项不同，则可将该项合并，合并后的条件项用符号“-”表示，说明执行的动作与该条件的取值无关，称为无关条件。
如图a表示了两个柜子的动作项一致，条件项中的第三条件的取值不同，这表示在第一、第二条件分别取真值和假值时，第三条件不论取何值，都执行同一动作。就是说要执行的动作与第三条件的取值无关。这样，我们将这两条规则合并，合并后的第三条件取值用“—”表示，以示与取值无关。 无关条件项“-”在逻辑上又可包含其他的条件项取值，
具有相同动作的规则还可进一步合并。

按照上述规则，我们可以对“阅读指南判定表”进行合并：

1. 列出所有条件桩和动作桩
   在上述例子中，条件桩有：你觉得疲倦吗？、你对内容感兴趣吗？书中内容使你糊涂吗？
   动作桩有：请回到本章开头重读、继续读下去、跳到下一章去读、停止阅读休息在上述例子中，规则个数为12

当输入条件过多时，使用判定表会产生大量测试用例，而且也不能覆盖条件之间的先后关系，因果图法就解决了这个问题。

因果图法（Cause-Effect Graphics）是一种利用图解法分析输入的各种组合情况，从而设计测试用例的方法。

• 因果图提供了一个把需求转化为判定表的系统化方法
• 因果图法最终生成的就是判定表，它适合于检查程序输入条件的各种组合情况。

与判定表法相比，因果图法存在以下优缺点：

能把复杂的问题按各种可能的情况一一列举出来，简明而易于理解，也可避免遗漏。
可以指出需求规格说明书的不完整性和不明确之处。 不能表达重复执行的动作，例如循环结构。

当条件和动作关系不明确，先使用因果图
如果需求是以判定表形式给出的、项目在设计阶段就采用了判定表，则直接用判定表设计测试用例。

因果图关系符号有4种：恒等、非、或、与
c c c 表示原因，通常在图的左部， e e e 表示结果，通常在图的右部。 c c c 和 e e e 均可取值为0或1，0表示状态不发生，1表示状态发生。

1. 分析软件需求规格说明中哪些是原因（即输入条件或输入条件的等价类），哪些是结果（即输出条件），并给每个原因和结果赋予一个标识符。
2. 分析软件规格说明中的语义，找出原因与结果之间、原因与原因之间对应的关系， 根据这些关系画出因果图。
3. 由于语法或环境的限制，有些原因与原因之间、原因与结果之间的组合情况不可能出现。为表明这些特殊情况，在因果图上用一些记号表明约束或限制条件。
4. 把因果图转换为判定表。
5. 根据判定表中的每一列设计测试用例。

某软件的一个模块的需求规格说明书中描述：

• 年薪制员工：严重过失，扣年终风险金的4%；过失，扣年终风险金的2%。
• 非年薪制员工：严重过失，扣当月薪资的8%；过失，扣当月薪资的4%。

请绘制出因果图和判定表，并给出相应的测试用例。

根据因果图也可将其转换为决策表：