前段时间测试了数据的统计方面的需求，作为测试小喵分享一下测试这种需求的步骤以及需要注意的地方。
可能你还不知道我说的是哪种类型的测试，小喵举个栗子，需求如下：
统计1天内、7天内、15天内、30天内整个平台的交易总额（交易总额= 订单总额-退款总额）和转化率（转化率=交易总额/UV）
拿到这种需要需要确认的测试点如下：
1、分析公式：交易总额= 订单总额-退款总额，在这里需要明确如下几点：
（1）退款流程和退款类型；拿淘宝来说，分为未收到货申请退款、已收到货申请退款不退货、已收到货申请退货退款；如果跟以前的实现方式不同，这三个情况都是需要考虑的，因为存入数据库的订单状态是不一样的；当然如果调用的是以前的接口，我们可以默认这一块是没问题的，只测一种情况即可；
（2）明确需要统计的订单状态：退款金额是统计只要提交了退款申请的订单，还是需要结算把钱返回给用户之后扣钱之后才申请的订单；
2、分析公式：转化率=交易总额/UV。
（1）明白UV是怎么计算的，做过电商的人都知道UV是独立访客数，即1个user_id代表一个UV，那么需要考虑的情况如下：
A、如果游客user_id =0有可能是游客，这种是否要统计进去；
B、卖家自己访问自己的店铺记录的UV是否要统计进去；
C、还需要明确如果有多个平台，比如：PC、APP、WAP，是否都要统计，还是只统计某一个平台。
3、分析天数，需要统计的点如下：
（1）明确时间节点，是从当前时间往前推的7天，还是从昨天的24点往前推的7天，我们这边统计的时间是从昨天的24点往前推的7天，例如当前时间是2017.9.26 14:00 ，统计7天则是2017.9.19 0点-2017.9.25 24点；
（2）时间戳的转换，把需要统计的时间转成时间戳的形式，在这方面一定要问清楚开发那边读取的时间是否是直接把当前时间转换成时间戳即可，还是需要加减多少小时，有些公司数据库的设计就是从比当前时间少了8个小时的，这种需要特别注意。
4、数据的存储：关于数据库，统计跨月份的时间，需要明确UV值是存储的地方
举个栗子：统计30天内的UV值。
（1）如果用的是mysql那种数据库，则可以用sql直接统计，这种比较容易；
（2）另一种情况需要特别注意，UV是记录在mongodb里面的。
我们需要明确而mongodb是以文档的形式存在的，而里面的数据即集合通过一个月一个月生成的，所以比如要求30天的统计值，例如当前时间是2017.8.26 14:00，则30天之内的时间区间即为：2017.8.27 0 点 --2017.8.25 24点，所以在mongodb查询的时候应该是查询9月份的文档+8月份的文档，这点很容易被忽略，特别是对mongodb不熟的测试，经常会出现算一个库的情况.
8月份的数据+9月份对应的时间的数据
特别提醒：
mongodb的文档，是当前那个月只要操作有数据了，就会自动生成，不需要手动创建，所以当看到没有数据的情况下，要么是真的没数据，要么是执行的脚本有问题。
5、操作流程：通过具体的操作步骤之后，要明确是否需要跑脚本。
6、以上几点确定之后，直接去造数据就可以了，这种统计的需求，一定要通过造大量的数据，才能保证测试期望值的准确性，切记。
7、上面涉及到几点知识：
A、统计7天之内的值，如果是从当天的0点往前推，可以通过函数当天0点往前推7天的日期计算方法：
select UNIX_TIMESTAMP(date_format(date_sub(NOW(), interval 7 day),'%Y-%m-%d '))（这个方法是从今天开始计算的）；
B、从当前时间往前推的7天：
select UNIX_TIMESTAMP(date_format(date_sub(NOW(), interval 7 day),'%Y-%m-%d %H:%i:%s'));
（2）时间戳：
A、定义：**时间戳是指格林威治时间1970年01月01日00时00分00秒(北京时间1970年01月01日08时00分00秒)起至现在的总秒数。**通俗的讲， 时间戳是一份能够表示一份数据在一个特定时间点已经存在的完整的可验证的数据。
B、函数：Unix时间戳(Unix timestamp)，或称Unix时间(Unix time)、POSIX时间(POSIX time)，是一种时间表示方式，定义为从格林威治时间1970年01月01日00时00分00秒(北京时间1970年01月01日08时00分00秒)起至现在的总秒数。Unix时间戳不仅被使用在Unix系统、类Unix系统中(比如Linux系统)，也在许多其他操作系统中被广泛采用。
（3）mongodb部分：
A、定义：
a、MongoDB[2] 是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。
b、Mongo最大的特点是他支持的查询语言非常强大，其语法有点类似于面向对象的查询语言，几乎可以实现类似关系数据库单表查询的绝大部分功能，而且还支持对数据建立索引。
B、mongodb 和 关系型数据库（例如mysql）概念的区别：
C、mongodb 和 关系型数据库（例如mysql）查询语句中的区别：
