Ⅰ 數據遷移的數據遷移的技術准備
數據轉換與遷移通常包括多項工作：舊系統數據字典整理、舊系統數據質量分析、新系統數據字典整理、新舊系統數據差異分析、建立新舊系統數據之問的映射關系、開發部署數據轉換與遷移程序、制定數據轉換與遷移過程中的應急方案、實施舊系統數據到新系統的轉換與遷移工作、檢查轉換與遷移後數據的完整性與正確性。
數據轉換與遷移的過程大致可以分為抽取、轉換、裝載三個步驟。數據抽取、轉換是根據新舊系統資料庫的映射關系進行的，而數據差異分析是建立映射關系的前提，這其中還包括對代碼數據的差異分析。轉換步驟一般還要包含數據清洗的過程，數據清洗主要是針對源資料庫中，對出現二義性、重復、不完整、違反業務或邏輯規則等問題的數據進行相應的清洗操作；在清洗之前需要進行數據質量分析，以找出存在問題的數據，否則數據清洗將無從談起。數據裝載是通過裝載工具或自行編寫的SQL程序將抽取、轉換後的結果數據載入到目標資料庫中。
對數據的檢查包括以下6個方面。
(1)數據格式檢查。檢查數據的格式是否一致和可用，目標數據要求為number型。
(2)數據長度檢查。檢查數據的有效長度，對於char類型的欄位轉換到varchar類型中，需要特別關注。
(3)區間范圍檢查。檢查數據是否包含在定義的最大值和最小值的區間中。例如年齡為300或錄入日期為4000—1—1顯然有問題。
(4)空值、默認值檢查。檢查新舊系統定義的空值、默認值是否相同，不同資料庫系統對空值的定義可能不同，需要特別關注。
(5)完整性檢查。檢查數據的關聯完整性。如記錄引用的代碼值是否存在，特別需要注意的是有些系統在使用一段時間後，為了提高效率而去掉了外鍵約束。
(6)一致性檢查。檢查邏輯上是否存在違反一致性的數據，特別是存在分別提交操作的系統。
Ⅱ 前端轉軟體測試好轉嗎
還是可以的，如果自己下定決心要學習的話，是可以的，如果之前沒有相關的了解和基礎的話建議可以去一家專業的學校學習。
Ⅲ 程序員分前端與後端，那麼後端程序員都做些什麼看完就知道了
我剛開始做Web開發的時候，根本沒有前端，後端之說。
原因很簡單，那個時候伺服器端的代碼就是一切： 接受瀏覽器的請求，實現業務邏輯，訪問資料庫，用JSP生成HTML，然後發送給瀏覽器。
即使後來Javascript在瀏覽器中添加了一些AJAX的效果，那也是錦上添花，絕對不敢造次。因為頁面的HTML主要還是用所謂「 套模板 」的方式生成：美工生成HTML模板，程序員用JSP,Veloctiy,FreeMaker等技術把動態的內容添加上去，僅此而已。
那個時候最流行的圖是這個樣子：
在最初的J2EE體系中，這個 表示層 可不僅僅是瀏覽器中運行的頁面，還包括Java寫的桌面端，只是Java在桌面端太不爭氣， 沒有發展起來。
每個程序員都是所謂 「全棧」工程師 ，不僅要搞定HTML, JavaScript, CSS，還要實現業務邏輯，編寫訪問資料庫的代碼。等到部署的時候，就把所有的代碼打成一個WAR包，往Tomcat指定的目錄一扔，測試一下沒問題，收工回家！
不差錢的公司會把程序部署到Weblogic，Websphere這樣的應用伺服器中，還會用上高大上的EJB。
雖然看起來生活「簡單」又「愜意」，但實際上也需要實現那些多變的、不講邏輯的業務需求，苦逼的本質並沒有改變。
隨著大家對瀏覽器頁面的 視覺和交互 要求越來越高，「套模板」的方式漸漸無法滿足要求，這個所謂的表示層慢慢地遷移到瀏覽器當中去了，一大批像Angular, ReactJS之類的框架崛起，前後端分離了！
後端的工程師只負責提供介面和數據，專注於業務邏輯的實現，前端取到數據後在瀏覽器中展示，各司其職。
像Java這樣的語言很適合去實現復雜的業務邏輯，尤其是一些MIS系統，行業軟體如稅務、電力、煙草、金融，通信等等。 所以剝離表示層，只做後端挺合適的。
但是如果僅僅是實現業務邏輯，那後端也不會需要這么多技術了，搞定SSH/SSM就行了。
互聯網，尤其是移動互聯網開始興起以後，海量的用戶呼嘯而來，一個單機部署的小小War包肯定是撐不住了，必須得做分布式。
原來的單個Tomcat得變成Tomcat的 集群 ，前邊弄個Web伺服器做請求的 負載均衡， 不僅如此，還得考慮狀態問題，session的一致性。
（註：參見文章《小白科普：分布式和集群》）
業務越來越復雜，我們不得不把某些業務放到一個機器（或集群）上，把另外一部分業務放到另外一個機器（或集群）上，雖然系統的計算能力，處理能力大大增強，但是這些系統之間的通信就變成了頭疼的問題， 消息隊列 （MQ)， RPC框架 （如Dubbo）應運而生，為了提高通信效率，各種 序列化的工具 (如Protobuf)也爭先空後地問世。
單個資料庫也撐不住了，那就做資料庫的 讀寫分離 ，如果還不行，就做 分庫和分表 ，把原有的資料庫垂直地切一切，或者水平地切一切， 但不管怎麼切，都會讓應用程序的訪問非常麻煩，因為數據要跨庫做Join/排序，還需要事務，為了解決這個問題，又有各種各樣「 數據訪問中間件 」的工具和產品誕生。
為了最大程度地提高性能，緩存肯定少不了，可以在本機做緩存(如Ehcache)，也可以做 分布式緩存 (如Redis)，如何搞 數據分片 ，數據遷移，失效轉移，這又是一個超級大的主題了。
互聯網用戶喜歡上傳圖片和文件，還得搞一個 分布式的文件系統 （如FastDFS），要求高可用，高可靠。
數據量大了，搜索的需求就自然而然地浮出水面，你得弄一個支持全文索引的 搜索引擎 (如Elasticsearch ,Solr)出來。
林子大了，什麼鳥都有，必須得考慮 安全 ，數據的加密/解密，簽名、證書，防止SQL注入，XSS/CSRF等各種攻擊。
前面提到了這么多的系統，還都是分布式的，每次上線，運維的同學說：把這么多系統協調好，把老子都累死了。
得把持續集成做好，能自動化地部署，自動化測試（其實前端也是如此），後來出現了一個革命化的技術 docker ， 能夠讓開發、測試、生成環境保持一致，系統原來只是在環境（如Ngnix, JVM,Tomcat,MySQL等）上部署代碼，現在把代碼和環境一並打包， 運維的工作一下子就簡化了。
公司自己購買伺服器比較貴，維護也很麻煩，又難於彈性地增長，那就搞點虛擬的伺服器吧，硬碟、內存都可以動態擴展（反正是虛擬的）， 訪問量大的時候多用點，沒啥訪問量了就釋放一點，按需分配，很方便，這就是 雲計算 的一個場景。
隨著時間的推移，各個公司和系統收集的數據越來越多，都堆成一座大山了，難道就放在那裡白白地浪費硬碟空間嗎？
有人就驚奇地發現，咦，我們利用這些數據搞點事情啊， 比如把數據好好分析一下，預測一下這個用戶的購買/閱讀/瀏覽習慣，給他推薦一點東西嘛。
可是這么多數據，用傳統的方式計算好幾天甚至好幾個月才能出個結果，到時候黃花菜都涼了，所以也得利用分布式的技術，想辦法把計算分到各個計算機去，然後再把計算結果收回來， 時勢造英雄， Hadoop 及其生態系統就應運而生了。
之前聽說過一個大前端的概念，把移動端和網頁端都歸結為「前端」，我這里造個詞「大後端」，把那些用戶直接接觸不到的、發生在伺服器端的都歸結進來。
現在無論是前端還是後端，技術領域多如牛毛，都嚴重地細分了，所以 我認為真正的全棧工程師根本不存在，因為一個人精力有限，不可能搞定這么多技術領域，太難了 。
培訓機構所說的「全棧」，我認為就是前後端還在拉拉扯扯，藕斷絲連，沒有徹底分離的時候的「全棧」工程師。
那麼問題來了， 後端這么多東西，我該怎麼學？
之前寫過一篇文章叫做《上天還是入地》，說了學習的廣度和深度，在這里也是相通的。
往深度挖掘，可以成為某個技術領域的專家，如搜索方面的專家、安全方面的專家，分布式文件的專家等等，不管是哪個領域，重點都不是學會使用某個工具和框架， 而是保證你可以自己的知識和技術去搞定這個領域的頂尖問題。
往廣度發展，各個技術領域都要了解，對於某種需求，能夠選取合適的軟體和技術架構來實現它，把需求轉化成合適的技術組件，讓這些組件以合適的方式連接、部署、運行，這也需要持續地學習和不斷的經驗積累。
最後，以一張漫畫來結束吧！
C/C++高級工程師學習路線圖：