一个对公软件系统没经过大数据的检验，那么在正式使用时就可能出现各种各样的瓶颈问题。但无来由的要求要支撑多大天方夜谭数据量级的考验，那也是一种资源的浪费。那什么系统需要做大数据量测试？需要怎么做大数据量测试？怎么生产出尽可能真实的大数据量？这些都是本文希望给出的答案。
什么软件系统需要做大数据量测试呢？
只要做的软件系统不是孤芳自赏，需要提供给一定数量的用户使用的，就应该做数量级测试。比如一个商场系统，一个论坛，一个培训教育网站，这样需要提供给大量用户使用的，就需要在发布之前做好这方便的设计考虑，并做好一定数量级的测试。一个系统，有可能在单用户下能够非常良好的运行，但可能在多用户下就会发生资源挣用，从而使系统崩溃。
而大数据量测试主要是针对对数据库有特殊要求的系统进行的测试，主要分为三种：
1．实时大数据量：模拟用户工作时的实时大数据量，主要目的是测试用户较多或者某些业务产生较大数据量时，系统能否稳定地运行。
2．极限状态下的测试：主要是测试系统使用一段时间即系统累积一定量的数据时，能否正常地运行业务
3．前面两种的结合：测试系统已经累积较大数据量时，一些实时产生较大数据量的模块能否稳定地工作。
需要怎么做大数据量测试呢？
大数据量不是越大的数据量越好，特别是资源有限的情况下。我曾经遇到过，一个近几年都可能只有几千上万用户使用的系统，领导要求支持10万级的并发量测试，这种情况往往在有百万级注册用户时进行。因为资源的制约，这个任务是令团队非常沮丧的。
我一直认为大数据量的量级不是随口说出来的，应该是根据已有的用户情况，以及市场未来的发展计划紧密结合分析出来的。如果是一个原有系统的升级，就应该根据当前所注册的用户量，市场运营计划，未来几年规划的用户发展规模，最终得出需要做的数量级测试。如果是一个新的系统，那就需要根据市场分析，在未来一年或几年可能发展的用户规模，确定测试的数量级。
确定了数量级就是怎么准备数据了，数据应该尽可能真实
我们都知道，现实中，人们所注册的账号，设置的密码等都是千奇百怪的。如果我们的测试数据都是简单的数字，或者字母组成，与实际情况肯定存在着较大的差异。所以我们做测试，有条原则就是测试数据尽可能真实。如果已有一定当量用户数据的积累，那直接利用当然是最理想的。
如果没有，就需要我们使用一些工具，按照用户的使用习惯去生成了。我推荐的工具是DataFactory，这款工具可以连接数据库，根据一些基础数据生成用户所想要的数据。基础数据可以在网上查找下载。
同时，现在系统越来越复杂，测试数据应该考虑的更为全面。比如一个分布式系统，除了考虑用户数据的真实性，可能还需要考虑用户IP的真实模拟。这样才能使负载均衡起到作用。
具体的测试工具就不多说了，Loadrunner，jmeter，tsung等都可以根据实际情况进行选择。