大数据测评

1 绪论
1.1 概述
1.2 大数据战略与趋势
1.2.1 大数据战略
1.2.2 大数据趋势
1.3 大数据标准化研究
1.3.1 国外标准发展现状
1.3.2 国内标准发展现状
1.4 大数据应用
1.4.1 趋势预测
1.4.2 疫情分析
1.4.3 消费行为分析
1.4.4 智慧金融
1.4.5 精确营销
1.4.6 舆情分析
1.5 大数据对软件测试的挑战
2 面向大数据框架的测评
2.1 概述
2.2 面向数据质量的测评
2.2.1 数据质量
2.2.2 数据预处理
2.2.3 数据质量测评
2.3 分布式数据模型及测试
2.3.1 框架
2.3.2 数据模型
2.3.3 单元测试
2.4 大数据的基准测试
2.4.1 基准测试
2.4.2 测试方法
2.4.3 测试内容
3 大数据智能算法及测评技术
3.1 概述
3.2 聚类算法及测评
3.2.1 聚类及其在大数据中的应用
3.2.2 聚类的典型算法及分析
3.2.3 聚类算法的测试
3.2.4 聚类质量的评估
3.3 分类算法及测评
3.3.1 分类及其在大数据中的应用
3.3.2 分类的典型算法及分析
3.3.3 分类算法的测试
3.3.4 分类器性能的评估
3.4 推荐系统算法及其测评
3.4.1 推荐系统算法
3.4.2 推荐系统的测评实验
3.4.3 推荐系统的评估
4 大数据应用的性能测评技术
4.1 概述
4.2 大数据应用的影响因素与性能测评
4.2.1 影响大数据应用的因素
4.2.2 大数据应用的性能测评类型
4.2.3 大数据应用的性能测评指标
4.3 大数据应用测试的支撑数据设计
4.3.1 大数据的数据结构特点
4.3.2 大数据的数据设计依据
4.3.3 大数据的数据生成方法
4.4 大数据应用性能测评模型
4.4.1 应用负载模型
4.4.2 数据负载模型
4.5 工具与案例
4.5.1 性能测试工具
4.5.2 性能测试流程
4.5.3 某网络舆情监测系统测试案例
4.5.4 某微博大数据平台测试案例
5 大数据应用的安全测评技术
5.1 概述
5.2 影响大数据应用安全的要素
5.2.1 影响架构安全的要素
5.2.2 影响数据安全的要素
5.3 大数据架构的安全测评
5.3.1 分布式计算框架的安全测评
5.3.2 非关系型数据库的安全测评
5.4 数据的安全性测评
5.4.1 数据来源的安全性测评
5.4.2 隐私保护程度的测评
5.5 应用安全等级保护测评
5.5.1 用户鉴别
5.5.2 事件审计
5.5.3 资源审计
5.5.4 通信安全
5.5.5 软件容错