自己刚接触数据产品/数据平台测试的时候，也是经历过一段时间的 ‘迷糊期’，身边不断有朋友问如何做数据/算法测试，稍微整理下供参考
一、传统的方法
常规做法，按照业务场景/算法逻辑，构造测试数据，运行程序（可能是代码/sql/等等），验证跑出来的数据的正确性。
这种方法比较明显的缺点，一是构造数据非常麻烦，二是很难构造出像生产环境那样丰富的数据，所以上线后说不定那天有个特殊的数据就导致程序出问题，并且可能一时半会发现不了。但是这种方法也是最容易想到的，这里就不过多赘述了。

二、一种对比方法
假设你已经保障了基本的功能逻辑，那么怎么知道在大数据情况下逻辑是否正常呢？
这里先卖个关子，N 年前，听到周博士分享了他的研究成果，他提出了 “蜕变测试” 的理论。本人也是他这种理论的实践者，个人在算法/大数据测试的多个项目中实践了他的方法，只要领悟了这种方法的内涵，面对一些测试难题还是有对策的。 这里宣传下他的理论吧
--关于作者
Dr Zhi Quan (George) Zhou
Senior Lecturer in Software Engineering
University of Wollongong, Australia (卧龙岗大学)
Research area: software testing & analysis.
Advisor to:（美国、香港、和澳洲政府的科学顾问）
The US Air Force Office of Scientific Research
The Research Grants Council of Hong Kong
The Australian Research Council
--要解决的问题
5×9=45
12345678×7654321= 9449772114007?？？
这里遇到一个判定难题，怎么知道上面算的对不对
以下业务场景最容易面对类似的判定问题： 搜索引擎、算法排序、机器学习、大数据计算、实时计算等

--根据他给的解决思路，抽象出他给的方法
1、找数据与数据的关系
比如报表测试，可能直接不太容易判断某个数据的正确性，但是总是可以找到其它数据与它的关系，通过数据之间的关系间接进行判定。
如果能够找到反类，说明数据肯定有问题
同样这种方法也适合算法测试，如果你能找到数据之间的 badcase，那说明数据计算哪里肯定有问题。

2、找等价的方法，也就是找到一种参照方法
如果你要验证的对象非常复杂，怎么判定正确性呢
比如计算实时引擎计算的数据准确性，那么可以尝试实现一套离线逻辑，用相同的输入给离线和实时喂数据，看两边输出数据是否一致。
当然了，这种方法，首先要保证离线逻辑的正确性：）
对于一些核心系统，特别刚上线阶段，数据准确性是非常非常关键的，可以用这种方法。虽然投入大点，但还是值得的。

3、最后一种思路，作者没有提到，那就是实现数据质量的监控工具。
有问题不可怕，只要能第一时间发现它。 可以通过定义一些监控规则，对数据进行实时/准实时/T+1 的监控。
有空再详细介绍一下工具实现层面的东西