体量巨大： 一般数据集做10TB以上，往往世纪规模已经超过PB级别增长速度，价值密度：数据增长速度快，但是其价值密度低，需要通过挖掘分析技术从中提取出有价值的信息。数据准确性和可信度：大数据领域对数据准确度和可信度可以统称为数据度质量，对数据质量的要求一定是精准的。
2. 大数据基础架构
3. 数据收集层 3.1 采集技术
采集技术Sqoop(Sql On Hadoop)非关系型数据收集Flume分布式消息队列Kafka(拉货的车子排队问题)
3.2 采集内容
老板进原材料（源数据）拉进厂子里（数据收集）安装规律放进仓库每天重复
4. 大数据测试的概念大数据测试通常是采用大数据技术的系统或应用的测试，它可以分成两个维度，一个是数据的测试，一个是大数据系统或应用产品的测试。
5. 数据质量的测试
6.功能测试
7. 性能测试
性能测试中大数据应用中非常重要，不然随着数据的增长，应用会直接崩溃
8. 其他非功能性能测试
9. 大数据ETL测试
10 .实时数据ETL测试
