联调用的多表测试数据

接口写完了,平台那边没有数据可发;手工在 Excel 里编十条,九条被退回。这里给的是能直接灌进去跑的多表数据集——主外键对得上、结构规则分布经得起校验,附一份逐项检查结果。

这件事卡在哪

做监管、国资、政务类平台的数据上报对接,或者给甲方交演示环境,卡点通常不是接口,是数据。下面三条不是我的推测,是这一类项目里反复出现的原话。

平台校验比想象中严

字典编码要对上、主键不能重复、检测项要挂在正确的标准方法下、数量和结果要过勾稽。手工编十条,九条退回,退回原因只给一个错误码,排查半天才知道是字典对不上。

真实数据出不去

数据里带着委托单位、人员、客户名单,数据安全法和保密规定摆在那,把生产库拷到测试环境这个口子没人敢开。安全部门一句话就能把方案打回:数据不出环境。

假数据撑不起全链路

随便造的数据过了格式校验,也撑不住完整测试:压测要十万条量级,报表核对要分布合理,增量逻辑要时间连续。链条一断,对方的关联校验立刻退回。

交付什么

一套数据能不能用,分两层:结构上行数、主键、外键、区间对不对;口径上别人能不能复核。所以交付固定是四件,不是给你一个 CSV 就走。

交付物内容解决什么
数据集按你给的字段、条数、关联关系生成,CSV / JSON / SQL 任选;多表按父表先子表后的顺序生成,外键不是“看着像”直接灌进测试库就能跑
规则表逐字段列出:字段名、类型、生成算法、脱敏保留位数、依据。可打印、可贴进验收文档对方问起能对着念
检查结果行数、外键孤儿数、主键唯一、金额与数量区间逐项跑一遍,输出通过/不通过;不通过的项目写明原因不用等对方退回才发现
复现脚本固定种子的生成脚本(Python),同一份脚本 + 同一个种子 = 同一批数据,附运行说明出问题能回放,交接不丢

附带的边界说明也会写进规则表:身份证按国标算法生成校验位、但号码本体是随机虚构,不可用于实名;姓名取自常见姓氏与常用字组合,不对应任何真实个人。

顺手给你一张验收清单

交付扯皮多半不是数据坏了,是“怎样算做完”事先没写死。这张表可以直接贴进你的验收文档,逐项判定、逐项写证据,对方签不签字都有据可查。

核验项通过标准证据写在哪
行数每张表实际行数与约定一致,误差为 0检查结果里行数一行
主外键外键孤儿 0 条;主键无重复检查结果里对应两行
字段格式手机 11 位、身份证 18 位且校验位通过、金额与数量落在约定区间规则表 + 区间检查
业务链路按对方的关联查询能查出结果,冒烟用例可执行联调时的一次查询截图或日志
可复现用同一份脚本与种子重跑,逐文件哈希一致清单里的哈希

这张表本身也可以单独买:99 元,按你的项目改成你自己的字段与口径,交付一份可填写的表格加填写说明。数据在我这做的话,这张表随包给,不另外收钱。

先看一份真的交付样例

不用听我描述。下面是 10 行样例:数据集本身,加上配套的规则表。看完了再决定要不要下单,看完觉得没用就别下。

文件内容下载
样例数据集10 行、10 个字段,外加一列行号(姓名/手机号/身份证号/银行卡号/邮箱/公司/地址/注册时间/订单号/金额),UTF-8 BOM 便于 Excel 直接打开CSV
样例规则表逐字段的生成方式、遮蔽位置、取值依据、可还原性,外加生成口径与边界说明;与数据集同一份配置生成Markdown
样例清单种子、生成器版本、配置哈希、数据集哈希。交付时你也拿到这样一份,验收只需比对哈希JSON

样例里没有复现脚本——那部分是交付版才有的东西。这份样例的种子是 20261122,数据集 SHA256 以 69d1490f 开头,谁拿同一套配置重跑都应得到同一个哈希;交付时种子随你的项目换掉,并写进规则表与清单。

三表关联样例(这就是交付档的样子)

单表样例只证明“能生成”。真正卡人的是三张表对得上——下面这份是用户表 / 订单表 / 订单明细表,各 20 / 40 / 80 行,每一行外键都能在父表里查到。对着它想一下你手上那个平台的校验规则,缺哪些列。

三表关联样例预览:users / orders / order_items 的真实前五行与跨表一致性说明

文件内容下载
users.csv20 行:user_id、姓名、手机号、邮箱、城市、注册时间CSV
orders.csv40 行:order_id、user_id(外键)、下单时间、状态、金额、银行卡号CSV
order_items.csv80 行:item_id、order_id(外键)、商品编码、数量、单价CSV
rules.md三张表的逐字段规则表,外加「跨表一致性」一节,写明外键怎么保证对上Markdown
schema_and_data.sql.txt建表 + 主键 + 外键 + 索引 + 全部 INSERT,可直接灌进测试库(阿里云会拦 .sql 直链,所以存成 .txt)SQL
manifest.json每个文件各自的 SHA256 与整批的 combined 哈希JSON

一致性我实际跑过:40 条订单的 user_id 全部命中 20 个用户,80 条明细的 order_id 全部命中 40 条订单;整批 combined SHA256 是 aab62eb8 开头,两次生成一致。

定价

按「替代掉的人工工时」定价,不按数据条数定价——条数是机器算的,不值钱;值钱的是把规则定清楚并让它可复现的那部分工作。

单表试跑

¥1,200 起
  • 单表、≤10 个字段、≤5 万条
  • 数据集 + 规则表 + 检查结果 + 复现脚本
  • 1 轮修订
  • 交付周期 3 个工作日

三表联调

¥3,600 起
  • ≤3 张关联表、≤30 个字段、≤20 万条
  • 主外键逐行对上,附外键孤儿检查
  • 2 轮修订 + 1 次线上讲解(30 分钟)
  • 交付周期 5 个工作日

多环境 / 评审

按项目报价
  • 多表、字段级规则可分环境(测试/演示/培训)
  • 规则表按测评口径整理,附生成过程的校验记录
  • 含 1 次规则评审会
  • 周期按数据规模商定

超出的字段数按每 10 个字段加一档计。需要我这边签保密协议、走对公或开票的,在表单里注明,能做就做,做不了会直接说。

首轮交付后如果卡在对方的校验上,按退回原因免费修一轮;是对方的规则本身没写清、来回改口径,那部分按变更另算。

如果只是要单表试跑、或者标准的三表关联,不需要规则表与多轮修订,走标准包更便宜:单表 9.9 元、三表关联 49 元,含验收单与客户自查脚本,见 测试数据标准包。

如果对方要复核:哈希与签名

这一节多数人用不到。只有三种情况需要看:客户的法务或审计要一份“数据没被改过”的凭据、你要把母版交给下游、或者对方质疑“这数据是不是你后来改的”。不在这三种情况里,直接看上面的检查结果就够。

核对面怎么核下载
逐文件哈希清单里每个文件的字节数与 SHA256,算一遍对上就说明文件没被改过签名清单
清单签名Ed25519 签名,验签通过说明这份清单确实出自我方私钥;清单改一个字节就失败SIG / 公钥
整批一致性combined 哈希由配置与种子决定,与打包时间无关;bundle 哈希覆盖整个数据集目录见签名清单内字段
业务口径行数、外键孤儿数、主键唯一、金额与数量区间,写进清单的 checks,由脚本逐项跑verify.py
完整样例包就是一份真实交付包(六段 + 签名 + 校验说明),下载解压后一条命令跑完,不用听我解释ZIP

公钥指纹(DER 的 SHA256):8b84dbbcfa6295c11fede47a42c96b11bbebaed7a21327ee459864e9a78bee72,与清单里的 signer.pubkey_sha256 一致即可确认来源。

交付包里是一条命令跑完:python 03-复现/verify.py,末行输出 ALL CHECKS PASSED 即全部通过、退出码 0。实测:多表包 21 项全过、单表包 8 项全过;把 users.csv 改一个字节,文件哈希、combined、bundle 三项同时失败并带出 40 条外键孤儿;把清单里的种子改掉,验签失败、其余项仍过。上面那份完整样例包就是这套东西,下载解压后你可以自己跑一遍。

先说清楚不做什么

这几条写在前面,省得来回:

提交需求

填完进库,我人工看。24 小时内回一封,报价与周期一并给。急件在备注里写明最晚要的日期。

要直接说清楚也可以:电话 189-1161-9528(工作日 9:00–21:00)· 微信 li528631(加时备注「脱敏」)· 邮箱 330519360@qq.com(李自勇)

想先自己试一下

免费生成器在 /testdata,支持 7 类字段、单次最多 50 条、可输出脱敏格式。它跑的是同一套生成算法,但用系统随机源、每次结果不同(在线工具本就该每次不同),也没有规则表和固定种子的复现脚本。可复现是交付版才有的东西。

常被问到的几件事

问题回答
你们的数据能直接过监管平台的校验吗?能保证的是结构层:字典编码按你给的来、主键唯一、外键全命中、数量与结果过勾稽。对方的校验规则得你先给我(编码表、必填项、勾稽公式),我照着做;规则没写清的部分我不猜。
联调窗口只剩三天,来得及吗?单表试跑最快 1 个工作日(加急另算),三表联调 3 个工作日。压不下的是规则表,那部分不砍。
能不能把我现有的真实数据脱敏?不做。这份服务做的是凭空生成的测试数据,不是真实数据的脱敏处理。真实数据脱敏涉及合规判断,超出我能承担的范围。
和网上免费的生成器差在哪?免费的一般不留种子、不写规则表、不交代边界。你要的若只是“一批假手机号”,用免费的就够了;你要的是验收时能答出“这批数据怎么来的、换个人能不能复现”,才需要交付版。
能保证数据绝对不重复吗?不承诺绝对。会写清去重策略与碰撞概率量级,让你知道这个规模下大约会撞几次。说“绝对不重复”的都是没算过。
多久能交付?单表试跑 3 个工作日,三表联调 5 个工作日;加急可以谈,但会加价,不会压缩规则表这部分。
能出合规证明或审计结论吗?不能。给的是工程交付物(数据集/规则表/复现脚本),不是合规认证、审计意见或法律意见。
数据里会不会有真实个人信息?不会。身份证过校验位但号码虚构,姓名与地址来自虚构池,不指向任何真实个人。

这些判断是从哪来的

同一套逻辑写成了一篇公开的技术稿,讲清免费工具缺的是追溯而不是生成、规则表该长什么样、边界为什么必须写进交付物:为什么「脱敏测试数据」必须可复现:从一张规则表说起。