「数据测试用样例」导向的索引解决什么问题？
测试工程师搜索「data file samples for testing」「csv 边界 测试数据」时，需要可重复触发边界行为的输入：引号错位、缺失列、异常换行、重复 JSON 键、XML 实体膨胀、YAML 锚点循环、Avro Schema 不兼容、SQLite 锁冲突等。本变体强调测试资产化——数据子库按格式分类，便于映射用例 ID、自动化套件与探索性测试章程。与演示型示例不同，测试样张应配对预期：解析错误码、拒绝行数、落库列类型、流式内存峰值。缺陷系统应固定字段记录样张 URL 与哈希。混沌注入前可用干净 JSON 建立基线，再引入边界 CSV；性能测试用大档并标注并发。本页作为数据类测试入口，与各格式落地页专项 FAQ 组成两层文档；样张更新时归档旧哈希，避免历史工单无法复现。
如何把数据样张写入测试计划？
- 按目标（导入/Schema/流式/列式下推）在本页挑选格式与边界档位。
- 为每条用例绑定链接、哈希、预期结果与失败判定标准。
- 执行后附解析日志与行级采样；勿在用例中途更换样张。
数据测试样张 FAQ
冒烟与全量回归各需要多少数据样张？
冒烟常见组合：小 JSON + 小 CSV + YAML；全量按矩阵扩展至 Parquet、Avro、SQLite、Protobuf 等。数量取决于发布风险，本页提供全集来源。
Golden 解析测试如何选样？
选结构稳定、少浮点漂移的 JSON/CSV，固定解析器版本与环境 locale；变更样张或依赖时需整体更新期望输出并评审 diff，在工单注明基线版本号。
如何测试 Schema 校验与容错策略？
选用含类型冲突或缺失必填字段的 JSON/XML 样张，分别验证 strict 与 tolerant 模式；记录校验器版本与错误路径，失败时附 schema 名称与行号。
流式导入如何用样张压测？
使用 large-csv 档位并设置分片大小、背压与行级错误上限；对比吞吐与内存曲线，将 Runner 规格写入缺陷以免误判环境限制。
样张更新后历史缺陷无法复现？
工单应永久保存当时哈希；中心库更新时在归档区保留旧文件或注明废弃版本，新基线通过后再关闭历史单，避免误判已修复。