Тестирование | TestGrow

Всем привет, хочу поделиться новым практикумом для тестировщиков! 🚀 Практикум для QA по работе с Kafka! Ребята развернули стенд, на котором поднят учебный тренажер, имитирующий работу hr-сервиса и представляющий из себя event-driven систему, с Kafka, базой данных, микросервисами и бизнес-логикой. Сообщения публикуются в топики, обрабатываются консьюмерами и записываются в базу. 👉 Ссылка_на_тренажер 🔍 Что вы сможете протестировать: 🔸 Продюсинг и консюминг сообщений через Kafka 🔸 Валидацию payload'ов (на уровне API и консьюмеров) 🔸 Dead Letter Queue (DLQ) - для невалидных данных 🔸 Поведение системы при нарушении бизнес-логики 🔸 Сравнение подходов: запись напрямую через API vs через Kafka В проекте написана подробная документация, раскрывающая: - теоретическую часть и принципы работы Kafka - устройство, архитектуру и требования к учебной системе - пример тестирования системы и практическое задание, для закрепление теории В вашем распоряжении будет: ✅ Swagger-документация для ручного тестирования ✅ Kafka UI (для просмотра топиков и сообщений) ✅ Доступ в базу данных ✅ Собственный Web UI - фронтенд для полного погружения Подойдет для тех, кто никогда не тестировал распределенные системы с очередями и кому перед интервью требуется подготовка к вопросам по работе Kafka. Всё работает из коробки: получаете доступ, изучаете документацию и тестируйте! 📦 👉 Нажимайте и пробуйте! Это отличный способ разобраться, что такое Kafka - на практике. Советую попробовать себя на практикуме. #анонс #практика

Всем привет, сегодня будет много текста! Возможно меня немного потеряли, но декабрь тяжелое предновогоднее время! Поэтому к сожалению постов сейчас не так много. Тем не менее сегодня хотелось бы подвести небольшие итоги этого года. Первое, что хотелось бы сказать, что в этом году я опять отказался от коммерциализации платформы testgrow и сделал ее бесплатным для всех. За текущий год на платформе testgrow было зарегистрировано более 2000 пользователей. Целый год у меня шел обучающий проект получения практических навыков тестирования системы управления складами Store Manager. Я провел более 40 онлайн встреч с учениками, более 200 человек попробовали свои силы в тестировании данного проекта, но к сожалению, реально добрались до 4 релиза единицы, всего 20 человека, из которых 15 успешно трудоустроились и нашли работу. Что я тут могу сказать? Еще раз убеждаюсь, что упорство и системность в обучении дает свои плоды! Третье достижение за этого - это конечно ИИ. За последние три года накопленные мною знания позволили мне создать Первый рускоязычный курс по тестированию и оценке ИИ систем. И это действительно уникальный для русскоязычного сегмента продукт, потому что даже на международном рынке реально похожих курсов все пару штук. Ну и 15.01 я запускаю новую рускоязыную группу, поэтому у кого есть желание действиельно научиться чему то новому и полезному, присоединяйтесь eval-ai-com. Ну и еще одно достижение - создания собственной библиотеки по оценке ИИ систем, eval-ai-library, которая уже доступна все для работы через python pip install или в открытом репозитори на github. Буду очень благодарен, если вы поставите звезду данному репозиторию в github! Какие планы дальше? В целом я очень хочу развивать оценку ИИ в международном сегменте, поэтому в следующем году появится полностью англоязычная версия курса по оценке и тестированию ИИ. А также у меня стоят грандиозные планы по созданию международного AI evaluation Community, где можно будет обмениваться опытом, знаниями, получать свежую информацию о новых трендах и изменениях в оценке ИИ систем. Поэтому если кому интересно следить за мной в англоязычном сегменте, то подписывайтесь на мой LinkedIn. Сейчас активно работаю над построением своей методологии оценки ИИ агентов, уже даже готова научная работа, которая скоро будет опубликована в международном журнале Data Science, а пока работаю на практической реализацией методологии. Все также в процессе моя книга по основам тестирования ПО, драфт которой уже написан, но еще нужно время на вычитку и редактуру, поэтому надеюсь выпустить ее в первом квартале 2026 года на Litres. Ну вроде бы все! Что могу сказать в заключении? Всегда учитесь чему то новому, не бойтесь пробовать, потому что без проб, не бывает результатов. Чем больше усилий вы прилагаете к чему-либо, тем больше вероятность достигнуть своей цели. А я пока на данном канале ухожу в отпуск до конца года, поэтому всем успешного закрытия дедлайнов! (ps будет еще пару рекламных интеграций, но вы уж потерпите😅)

Всем привет! Хочу поделиться отличным гайдом на тему тестирования Web приложений! Гайд включает в себя огромное количество полезной информации для тестировщика: - основные особенности Web-приложений - как работает браузер - как строится верстка веб страницы - инспектирование эелементов - работа приложения с плагинами, втроенными инструментами и разрешениями - кеш, куки, сессии, хранилища - работа с вкладками, запросами - URL, DNS, CDN, Web Server - и многое другое Если начинаете изучать тестирование или хотите расширить знания в области Web тестирования, то данный гайд поможет достаточно глубоко погрузится в специфику. Ссылка на статью тут Все мои проекты: TG канал по тестированию AI | Курс по оценке и тестированию AI | Курс по тест-менеджменту | Youtube channel | Практика по тестированию | Платформа TestGrow | База знаний

Недавно наткнулся на очень интересное научное исследование (то это не маркетинг, а реально люди заморочились и изучили рынок)в части применения и адаптации ИИ. И выводы в целом прогнозируемые и совпали с моими реальными ощущениями: • Пока еще ранняя стадия внедрения: Внедрение ИИ в тестирование ПО все еще находится на очень ранних этапах. По факту ИИ еще не привел к революционным преобразованиям в тестировании ПО. • Разрыв между ожиданиями и реальностью: Подтверждено, что ожидания и реальность относительно внедрения ИИ до сих пор не совпадают. Ожидания остаются высокими и оптимистичными, но практические реализации и фактические выгоды отстают. Фактические и ожидаемые выгоды • Ожидаемая, но не наблюдаемая ценность: Такие бенефиты, как экономия средств и повышение эффективности работы , не были зафиксированы в проанализированных исследованиях как фактические результаты внедрения ИИ. Отмечается, что на ранней стадии внедрения ИИ в тестирование ПО, инвестиции, скорее, увеличивают затраты, а не снижают их. Общая оценка фактических преимуществ внедрения ИИ часто считалась экспертами трудной или выгоды казались расплывчатыми.  ◦ Наиболее часто упоминаемыми вариантами использования были генерация тестовых случаев и генерация кода, особенно в контексте автоматизации тестирования. • Перспективы развития: Общим мнением среди экспертов является то, что ИИ не заменит тестировщиков по крайней мере в ближайшем будущем, но он повлияет на процессы, рабочие процессы и роли, создавая при этом новую работу, связанную с обслуживанием и мониторингом систем ИИ. В целом ситуация с внедрением ИИ в тестирование ПО схожа с другими областями, где потенциал ИИ часто переоценивается, что приводит к завышенным ожиданиям, тогда как фактические затраты и риски недооцениваются. Ссылка на исследование https://arxiv.org/html/2504.04921v1 Что скажете, согласны с выводами или нет?🤔

Боишься gRPC и GraphQL, потому что кажется, что это слишком сложно? А в вакансиях для Middle QA всё чаще требуют эти технологии, и без них ты уже не конкурентоспособен на рынке. Для кого: ✔️ Если пропускаешь вакансии с gRPC/GraphQL ✔️ Если на собесах не можешь ответить на вопросы про стриминг/подписки ✔️ Если хочешь претендовать на Middle+ задачи Решение: 🚀 gRPC для тестировщиков – 👉 https://stepik.org/a/254052/ Перестанешь бояться стриминга, bidirectional и сложных сценариев. Научишься тестировать без .proto благодаря Server Reflection. 🚀 GraphQL для тестировщиков – 👉 https://stepik.org/a/252924/ Query, Mutation, Subscription, реальные сценарии (регистрация, авторизация, подписки в реальном времени). 📊 Отзывы студентов: - «Очень нравится подача материала: доступно, понятно, много практики и обратной связи. Рекомендую курс по gRPC API!»Яна, QA Engineer - «GraphQL был для меня новой темой, а после курса это понятный инструмент, который помогает расти по грейду» – Ольга, QA Engineer 🎁 Скидка 500₽ на каждый курс только до 28 декабря, а после прохождения одного получи 30% на второй - самый дешёвый способ закрыть оба пробела gRPC и GraphQL. Не знаешь, с чего начать? Напиши “API+” @nadin_qa → спрошу про твой опыт и скажу, с какого курса ты быстрее всего дойдёшь до уверенности с современными API. 📢 Полезное: @protestinginfo – основной канал по тестированию @info_course_protestinginfo – канал оповещений по курсам и больше отзывов

На днях задумался о разработке ИИ агента и проведения эксперимента по генерации ручных тестов на базе требования и уже готовых тестов, чтобы получить реальные результаты сравнения по корреляции между человеческим написанием и ИИшным с использованием накопленных тестов в рамках проекта Store Manager. Идея достаточно простая, сделать агент, который бы мог анализировать документацию, текущие уже написанные тесты и генерировать тестовые сценарии для нового функционала, поэтому у меня возник интересный вопрос, кто-то уже активно использует ИИ агентов именно для решения задач ручного тестирования или планирования тестирования, может быть части менеджмента (то есть когда мы говорим больше про аналитические процессы, а не использование копайлотов в части генерации кода). Если у вас есть уже какой то опыт использования в вашей компании самописных ИИ агентов, поделитесь, что они делают, на чем базируются и реально ли приносят пользу?👇 Все мои проекты: TG канал по тестированию AI | Курс по оценке и тестированию AI | Курс по тест-менеджменту | Youtube channel | Практика по тестированию | Платформа TestGrow | База знаний

Всем привет! Ранее я уже писал, что сейчас в процессе написания книги по тестированию ПО на основе всех материалов, которые у меня есть на платформе TestGrow и сейчас я ищу человека - дизайнера, кто поможет картинки, которые присутствуют на платформе, привести к единому стилистическому виду и немного отрисовать с нуля. Все исходники у меня есть в Figma, поэтому тут потребуется не так много работы в части их редизайна. В общем, если среди вас есть кто-то с опытом работы с Figma как дизайнер или просто уверенные пользователь, просьба написать мне в личку @al_meshkov, если вам интересна небольшая подработка. По стоимости работ договариваемся индивидуально. Все мои проекты: TG канал по тестированию AI | Курс по оценке и тестированию AI | Курс по тест-менеджменту | Youtube channel | Практика по тестированию | Платформа TestGrow | База знаний

Частенько на практике StoreManager cлышу вопросы, касаемо того, что “Неужели тестирование - это просто тестировать каждый раз одни релизы”. К сожалению это действительно факт, тестирование вполне себе рутинная и зачастую однотипная работа, где изо дня в день ты либо пишешь тесты (включая автотесты), либо проходишь их, особенно на позициях джуна и мидла. В рамках одной компании выпостоянно нужно будет работать с одними и теми же инструментами, и если вам повезет, то у вас будет доступ к бекенду и базам данных, а если нет, то все тестирование будет заключаться только в жмакание кнопочек на UI, и таких компаний тоже достаточно много. Поэтому зачастую мир, который рисуют на обучениях и то, с чем реально предстоит работать, да и даже то что рассказывают компании на собеседованиях, обещая гору интересной работы, по факту оказывается не так. И к этому нужно быть готовым, что несколько лет возможно прийдется потратить на обычные рутинные задачи. Конечно с ростом вашей сеньерности, задачи будут становить интереснее, больше будет про процессы, архитектуру, принятие решений, рисков и прочее, даже я знаю в компаниях часто практикуют RnD команды, которые занимаются именно внедрением новых процессов, подходов, решений и так далее, и кстати в моей текущей компании я фактически работаю именно в такой команде. Но чтобы туда попасть, нужен хороший бекграунд, опыт, насмотренность, которые приходят только через обычное тестирование, ну или через посещение конференций, чтения литературы, статей и прочего. Поэтому не ожидайте, что в тестировании, как в маркетинговом агенстве, нужно постоянно креативить, создавать и воплощать крутые идеи, все намного проще и рутиннее. А какие классные задачи в вашем команде вы считаете разбавляют вашу ежедневную рутину тестировщика? Все мои проекты: TG канал по тестированию AI | Курс по оценке и тестированию AI | Курс по тест-менеджменту | Youtube channel | Практика по тестированию | Платформа TestGrow | База знаний

Как у вас с выгоранием? Периодически замечаю за собой, особенно в осенне-зимние периоды, что все сложнее становится долго фокусироваться на одной задаче, не знаю, реально ли влияет на это погода или просто усталость к концу года, но все сложнее становиться завершать свои дела. Я в целом уже давно привык к такому состоянию и в эти моменты стараюсь либо переключаться на что-то более интересное, либо полностью на время отходить от дел и заниматься чем-то ненапряжным, например, просмотром сериалов. Именно поэтому на прошлой неделе я так и не смог заставить себя написать хоть один пост в моем телеграм канале. Для себя я уже давно понял, что я не сильно системный человек, потому что мне достаточно легко что-то начать на идее, но в какой-то момент эта идея начинает затухать и процесс превращается в рутину. На прошлых своих местах работы мне в этом значительно повезло, потому что когда я работал лет 5 в крупном российском вендоре по тестированию, то моя задача заключалась вытаскивать проекты из факапов и такая моя способность позволяла мне, во-первых, не задерживаться долго на одном проекте, а во-вторых, значительно расширить свой опыт и знания, так как за 5 лет я поучаствовал в более 20 различных проектах в разных команиях. Когда я работал в Хоум кредит Банк, меня постоянно тоже преследовал движ и желание что-то развивать, заниматься новым и так далее, и в целом проект TestGrow родился именно в то время. Сейчас же для борьбы с выгоранием у меня тоже есть ряд активностей, которые я чередую по мере надоедания каждой и это спасает, так что в большинсвте случаев для меня самым простым решением является временно на что-то забить, переключиться на другую и потом вернуться обратно. А как у вас? Вы системный человек, который любит работать в рутине или тоже подвержены постоянному выгоранию? Как с этим справляетесь?👇 Все мои проекты: TG канал по тестированию AI | Курс по оценке и тестированию AI | Курс по тест-менеджменту | Youtube channel | Практика по тестированию | Платформа TestGrow | База знаний

Немного мыслей про 100% покрытие всего и вся! Частенько слышу такие вопросы от бизнес-заказчиков, разработчиков, продуктов и многих других, типа, а можем ли мы покрыть все сценарии тестами, чтобы ну ж точно быть уверенными в качестве? И что интересно, частота таких вопросов как я заметил зависит еще и от того, как часто ошибки попадают на продуктив. Честно говоря, полное покрытие - это антиутопия, то есть в целом невозможно. Даже если просто посчитать для небольшой форме с 10 полями количество комбинаций входных данных стремится к бесконечности. А если добавить сюда состояния системы, разные браузеры, устройства, версии API, то становится еще грустнее. Но тут важно понимать, что задача тестирования не в том, чтобы проверить вообще все, а в том, чтобы найти оптимальный баланс между покрытием и реальными рисками. Поэтому тестировать нужно не все подряд, а то, что действительно важно для бизнеса и пользователей. И такие ошибки я кстати часто вижу у новичков, которые заряженные стемятся проверить вообще все, даже если это не нужно. В данном случае нужно понимать, какие сценарии критичны, где чаще всего могут появится ошибки. И вот эти зоны сначала покрываются тестами максимально плотно. При этом никто не говорит, что редкие случае не надо тестировать, да, их тоже желательно проверить, но если на это нет времени, то можно пойти на осознанный риск и пропустить их. Еще один случай, который часто вижу, когда команда верит, что раз у них 90% покрытия автотестами, то все отлично. А потом выясняется, что эти 90% проверяют только хеппи-пас тесты или используют заходкоженные данные, которые уже давно не актуальны (как раз пару месяцев назад в одной из команд внезапно осознали, что почти год тестили на неактуальных данных автотестами). И как результат возникают ошибки на проде вроде в тех местах, где тесты были продены. Поэтому я за то, чтобы относиться к покрытию тестами не как к цели, а как к инструменту управления рисками. Нужно понимать, что ты покрыл, что сознательно не покрыл и какие последствия это может иметь. И главное, не аппелировать метрикой покрытия, а реально оценивать качество того, что проверяется. А как у вас ситуация? Частенько приходится объяснять другим подразделениям про то, как строится покрытие тестов? 👇