😱 Когда баги не фиксируются

Один тестировщик поделился историей о том, как он нашёл критический баг, но команда не восприняла его всерьёз, что привело к серьёзным последствиям:

«Я работал в e-commerce компании почти 15 лет назад. QA из главного офиса позволили нескольким багам попасть в продакшн в одном релизе. После этого руководство, которое не совсем разбирается в работе с компьютерами, придумало идею: разработчики должны специально вставить баги в следующий релиз и не сообщать об этом QA, чтобы проверить, поймаем ли мы их. И сделали это прямо перед новогодними праздниками, когда был кодовый фриз. Разработчики потратили время на создание “фальшивых” багов, чтобы научить нас уроку. Это было ужасное решение. Да, баги не были критическими, но факт того, что ресурсы были потрачены зря, чтобы «показать нам», запомнился надолго.»

❓ Как вы реагируете, если команда не воспринимает баги всерьёз? Бывали ли у вас такие случаи?

🔗 Источник

🐸 Библиотека тестировщика

#междусобойчик

🌸 Нагрузочное тестирование с масштабируемой нагрузкой

JMeter — инструмент с открытым исходным кодом для тестирования производительности, который позволяет моделировать нагрузку на веб-приложения и сервисы.

Чем полезен:

➡️ Легко настраивается для моделирования тысяч виртуальных пользователей, что помогает оценить, как система справляется с пиковыми нагрузками.

➡️ Позволяет тестировать не только HTTP, но и API, FTP-сервера, базы данных и другие протоколы.

➡️ Предоставляет метрики, такие как время отклика, пропускная способность и ошибки, что помогает выявлять узкие места и повышать производительность.

Как настроить тест:

1️⃣ Создайте Test Plan:

— Добавьте в него Thread Group для настройки пользователей и времени разгона нагрузки.

— В HTTP Request укажите URL вашего приложения для тестирования.

— Добавьте Listener (например, Summary Report) для сбора и анализа результатов.

2️⃣ Настройка параметров нагрузки:

— В Thread Group установите количество пользователей (например, 100).

— Настройте Ramp-Up Time для плавного увеличения нагрузки.

— Установите Loop Count для количества повторений теста.

3️⃣ Запуск теста:

— Нажмите Start, чтобы начать тест. JMeter начнёт генерировать запросы и собирать данные.

❗️ После выполнения теста проанализируйте следующие метрики:

— Response Time — время отклика, которое должно быть минимальным.

— Throughput — количество запросов в секунду (показатель пропускной способности).

— Error Rate — процент ошибок. Чем ниже, тем лучше.

— Latency — задержка. Следите, чтобы она не превышала допустимые пределы.

🔗 Официальный сайт JMeter

🐸 Библиотека тестировщика

#буст

🏃‍♀️ 1 день до конца спец предложения

Успей впрыгнуть на курс «AI-агенты для DS» до завтрашнего повышения цены: 59.000 р. вместо 69.000 р.

🎙 Наш спикер — Никита Зелинский, Chief Data Scientist МТС, в своем канале рассказывает о RAG:

Про RAG слышали все — это уже два года самый массовый способ применения LLM в проде для бизнеса.

Это значит, что точность и надёжность такого решения достаточно предсказуемы для того, чтобы исключить человека из процесса аппрува выдачи LLM,
а связка «локально развернутая LLM + RAG над корпоративными документами» обеспечивает достаточную конфиденциальность, чтобы снять тревожность
«что наши данные попадут в OpenAI».

Эта история настолько популярна, что на рынке есть готовые RAG-решения,
а даже «маленькие» опенсорс-модели (до 5B) уже обзавелись своей RAG-ареной:
👉 https://huggingface.co/spaces/aizip-dev/SLM-RAG-Arena

Во время обучения на курсе «AI-агенты для DS» научим собирать автономные системы под реальные бизнес-задачи. На прошлой неделе мы рассказали о первом занятии.

➡️ вот что ждет слушателей курса на втором:

— Собираем свой RAG-пайплайн на своих данных
— Обсуждаем, почему качество такой системы нельзя измерять «на глаз»
— Разбираем схему LLM as a Judge и как подготовить для неё датасет
— Что такое guardrails и как они спасают от бреда
— Что делать, когда LLM не знает ответа
— Смотрим на агентский RAG и обсуждаем, можно ли использовать RAG как память агента

Если пропустили первое занятие, то вот ссылочка

❗️До повышения цены остался последний день — бронируйте место сейчас

🐸 Библиотека тестировщика

#развлекалово

🌟 Что за этап скрыт в ребусе

Пишите догадку под спойлер — и не забудьте обратить внимание на все зависимости, которые могут вызвать новые баги.

🐸 Библиотека тестировщика

#междусобойчик

📌 Подборка материалов по использованию Tox

Эти статьи и видео помогут вам эффективно настроить и использовать Tox для тестирования в разных окружениях, а также интегрировать его с CI/CD пайплайнам.

🔘 Python tox: A Complete Tutorial — LambdaTest: подробный гайд по настройке Tox для тестирования, включая интеграцию с Selenium и CI/CD.

🔘 Automated Testing in Python with Tox: видеоурок, где рассказывается, как использовать Tox для автоматизированного тестирования с pytest и интеграцией в GitHub Actions.

🔘 Туториал по tox: как работает, настройка окружения, связка с Selenium и где применяется.

🔘 Tox wiki: официальное руководство по использованию, включая установку, настройку и примеры конфигурации.

🔘Embracing Tox: глубокий обзор возможностей инструмента для автоматизации тестирования, сборки и деплоя Python-проектов.

🐸 Библиотека тестировщика

#свежак

❓ Что происходит с body в POST-запросе

Когда вы отправляете POST-запрос, вместе с заголовками сервер получает и body — данные запроса.

Чтобы правильно тестировать API, важно понимать, как сервер с этим телом работает: парсинг, проверка, обработка ошибок.

Разберемся на практике — в формате опроса 👇

🐸 Библиотека тестировщика

#междусобойчик

🙂 Топ-вакансий для тестировщиков за неделю

QA auto инженер — гибрид (Сочи)

QA-инженер — от 130 000 до 150 000 ₽ , удаленно/гибрид (Москва)

QA-автоматизатор — офис (Москва/Санкт-Петербург)

Ведущий инженер по нагрузочному тестированию — от 300 000 ₽, удаленно (Москва)

Senior QA — удаленно (Новосибирск)

➡️ Еще больше топовых вакансий — в нашем канале QA jobs

🐸 Библиотека тестировщика

#свежак

📋 Как управлять и поддерживать тестовую документацию

Тестовая документация — ключ к качеству и ускорению тестирования. Чтобы она работала на вас, важно поддерживать её актуальность и гибкость. Рассмотрим лучшие практики и инструменты для этого.

Почему это важно:

📍 Устаревшие тесты создают ложные отчёты и баги

📍 Актуальная документация ускоряет тестирование и улучшает взаимодействие внутри команды

Как управлять тестовой документацией:

1. Используйте теги для фильтрации тестов

Теги помогают классифицировать тесты по важности, ускоряя запуск. Например, в Xray добавьте теги @critical, @smoke для быстрого фильтра тестов.

➡️ Пример с GitLab CI:

mvn clean test -Dtags="critical»

2. Регулярно обновляйте документацию

Обновляйте тесты после каждого спринта, чтобы поддерживать их актуальность.

3. Интегрируйте документацию с баг-трекерами

Связывайте баги с тестами для отслеживания исправлений. В Jira это можно делать через связи между багами и тестами.

4. Используйте динамичные шаблоны для тестов

Шаблоны ускоряют создание тестов для часто меняющихся компонентов, например, API.

➡️ Пример с Postman:

newman run <your_collection>.json -r testrail

5. Используйте отчеты для анализа

Создавайте отчеты с помощью Allure или Jenkins, чтобы отслеживать статус тестов и выявлять проблемные области.

💡 Советы:

— Автоматизация должна быть гибкой.

— Документация должна быть живой и обновляться регулярно.

— Использование фильтров ускоряет тестирование.

🐸 Библиотека тестировщика

#буст