Не всегда успеваю публиковать отзывы, но очень люблю когда студент находит время написать подробный отзыв. Хочу всем моим студентам сказать большое спасибо, кто уделяет этому время, особенно если это сделано не для отписки с чатом гпт)

Привет, уже есть первые отзывы на курс по брокерам и могу сказать, что рекомендую его к посещению)

Почему?

Kafka и RabbitMQ есть почти в каждом высоконагруженном backend-проекте.

А вот хороших тренингов по автотестированию для них - почти нет.

При просмотре документации драйверов для брокеров кажется, что все просто.

ИИ с радостью выдаст первый рабочий код, но проблемы начинаются чуть позже.

Тестирование брокеров сообщений - это не REST API.

Возникает множество проблем, например, тесты:
- начинают зависать при прослушивании топика.
- отваливаются по тайм-ауту.
- не могут найти нужное сообщение.
- работают так долго, что это сильно влияет на ТТМ и их проще отключить.


При этом знание Kafka / RabbitMQ
и умение тестировать асинхронные системы
всё чаще требуется от QA Automation-инженеров - особенно в больших компаниях.

Для этого я собрал практический онлайн-курс по автоматизации тестирования Kafka и RabbitMQ на Python,
основанный на самых популярных брокерах сообщений.

В курсе:
- как устроены Kafka и RabbitMQ с точки зрения тестирования
- интеграционные и E2E-сценарии с несколькими сервисами
- синхронизация асинхронных и конкурентных событий
- многопоточность в автотестах
- применение паттернов проектирования
- практика на Python + код-ревью

Формат обучения:
📆 5 недель
🎥 видео-уроки
💬 Telegram-чат
⌨️ упор на практику

Кому подойдёт:
QA Automation инженерам, которые уже тестируют backend и пишут автотесты на Python.
Курс не рассчитан на новичков с нуля.

⚠️ Небольшая группа.

👉 Программа и регистрация:
https://aqa-engineer.com/brokers

Старт уже в марте, следующий поток только в мае)

Как улучшить TTM выкатки сервиса и ускорить пайплайн автотестов

Базово пайплайн чаще всего состоит из 4 шагов:

1. Сборка образа приложения
2. Запуск приложения
3. Сборка образа тестов
4. Запуск автотестов

Теперь вопрос — что тут можно реально ускорить?

Если говорим про Python, то первое что можно оптимизировать — сборку образов.

Большинство до сих пор используют pip, но есть еще как минимум:
— Poetry
— uv

И вот uv сейчас выглядит очень интересно. За счет того что он написан на Rust — установка зависимостей работает в несколько десятков раз быстрее.

На практике только за счет замены pip - uv можно спокойно срезать около минуты на старте сервиса и сборке контейнера.

Ту же самую оптимизацию можно провернуть и для образа автотестов.

Второй момент, который кажется очевидным, но как выяснилось — не для всех 😄

Python тесты можно запускать параллельно.

Золотой стандарт сейчас — pytest-xdist

Он позволяет реально запускать тесты в несколько процессов/воркеров.

Даже на обычном маке ускорение может быть x4-x8 в зависимости от количества ядер.

Пример:

pytest -n auto 

или

pytest -n 8 

Если используете аллюр:

pytest -n auto --alluredir=allure-results 

Полезные плагины:
— pytest-parallel
— pytest-concurrent
— pytest-asyncio-concurrent

Но тут важно понимать — они подходят только если тесты не конфликтуют между собой и могут безопасно работать конкурентно.


Следующий уровень оптимизации — запускать не все тесты.

Например:
у вас 1000+ тестов, но изменения затронули только платежи.

Зачем гонять вообще весь регресс?

Можно размечать тесты по фичам через markers и запускать только нужные.

Пример:

@pytest.mark.payments 
def test_create_invoice():     
    ... 

Запуск:

pytest -m payments 

Или через Allure labels/tags:

@allure.feature("Payments")
@allure.story("Invoices")

Еще один огромный bottleneck — подготовка тестовых данных.

На сложных интеграционных сценариях подготовка данных может занимать больше времени чем сами тесты.

Что можно сделать:

— вынести подготовку данных в отдельный сервис
— складывать подготовленные данные в БД
— отдавать их тестам через API
— использовать session fixtures
— готовить данные фоном во время тестовой сессии

Например:
пока идут первые тесты — в фоне уже готовятся данные для следующих.

Хранить это можно хоть в SQLite, Redis или отдельной тестовой БД.

Еще хороший кейс — авторизация.

Очень часто вижу как тест:
— логинится
— получает токен
— делает запрос
— заканчивается

И так 500 раз подряд 😄

Хотя можно сделать клиент который:
— фоново обновляет токен
— кеширует его
— следит за TTL
— отдает уже актуальный access token тестам

В итоге минус сотни лишних запросов в auth сервис.

Если суммировать, то основные точки ускорения это:

- Быстрая сборка образов
- Параллельность
- Конкурентность
- Запуск только нужных тестов
- Предподготовка тестовых данных
- Фоновые задачи
- Кеширование авторизации

И за счет этого можно очень сильно срезать время прохождения пайплайна и улучшить TTM выкатки

TG-сообщество | Обучение |Отзывы

Материалы для тех, кто в теме.

Одна из самых больших проблем при развитии в IT - это возможность найти доступный материал не для новичков.

Помню, когда я был в автоматизации тестирования, у меня был момент, когда я понимал, что на текущем месте и в текущем коллективе я самый крутой, но от этого было не весело, от этого было грустно.

Я начал смотреть другие вакансии, какие там есть технологии, чтобы была возможность развиваться.

Я обсуждал это со своими друзьями-коллегами, и тогда мне дали контакт человека, который уже работал в нашей компании, но ушёл в другую. С их слов, он был очень крутой, и честно - не хотели делиться его контактом, потому что боялись, что он меня переманит.

Справедливости ради, в дальнейшем он предложил мне перейти к ним - это уже другая история, но я сейчас о другом.

Мне дали его контакт в линке и я ему выложил всю свою боль как на духу.
Мы быстро нашли общий язык и он меня понял)
В тот момент я получил новый виток развития. Я узнал от него о тогда ещё не такой популярной теме, как кодогенерация, про настройку пайплайнов для обновления пакетов. Тогда я уже умел писать код, но не понимал, как с этим работать. Он не сказал, что и как мне делать, но поселил во мне идеи и подходы.

Это был один из самых интересных периодов в моей карьере, я был первопроходцев в своем отделе и почти все делал с нуля, просто находил и писал людям которых даже не знал, чтобы они рассказали мне как настроить пайплайн и воткнуть туда кодген. С настальгией вспоминаю, как после работы сидел с 7 вечера до 5 утра чтобы завести пайплайн и какое было ощущение счасться когда все начало работать. Сейчас с клаудкодом или другой ИИ-шкой я бы сделал это быстрее, но какой было ощущение победы, я думаю многим оно знакомо)

Этого стимула мне хватило ещё на два года. Если смотрели мою историю, то там как раз есть раздел про кодогенерацию - только изначально я писал её сам, а потом узнал, что есть готовые инструменты, и стал использовать их.

Потом я всё равно вернулся в разработку собственных инструментов, и у меня есть проекты, например такие как pbreflect, restcodegen, e2efast.

К чему я это всё? Если честно, мне иногда кажется, что я несу некую миссию для таких же заблудших душ, каким был я после трёх лет в автоматизации тестирования, которые уже и не новички, но чувствуют, что есть куда расти, и не понимают, как и что можно улучшить в своём текущем коде или процессах.

Так что если вы сейчас читаете это и узнаёте себя - вы не одни. Я здесь как раз для того, чтобы показывать, что за горизонтом есть ещё куча всего интересного. Вопрос только в том, чтобы найти своего проводника. Или стать им для кого-то)

TG-сообщество | Обучение |Отзывы

Несколько месяцев назад я спросил, какой технический тренинг вам был бы действительно интересен.

Из всех вариантов больше всего реакций и комментариев собрала тема брокеров сообщений.

Это не удивительно.
Знания Kafka, RabbitMQ встречаются всё чаще в вакансиях а у многих нет возможности даже пощупать эти технологии, не говоря уже об автоматизации, которая значительно отличается от темы REST API или UI.
Качественных материалов, которые объясняют не только “как настроить”, но и “как это работает на самом деле”, не так много. Особенно если смотреть на материалы для QA, автоматизаторов и инженеров, которым важно понимать систему целиком.

Курс уже обкатан на нескольких потоках и хорошо себя зарекомендовал.
Получился именно тот тренинг, который мне самому хотелось бы пройти несколько лет назад, когда приходилось собирать знания по кусочкам делая много проб и ошибок.

Так что уже совсем скоро стартуем, 15 июня. Приходи, будет интересно.

Это последний поток по текущей стоимости, более того я подготовил скидку 10% по промокоду DIS10
5 поток будет уже дороже.

Спасибо всем, кто когда-то проголосовал за эту тему.
Фактически именно благодаря вашему интересу этот курс появился.

Так же напомню про уже проверенный тренинг REST API Advanced, который позволит вам понимать как грамотно строить архитектуру тестового фреймворка. Это полезно всем, особенно тем кто использует нейросети, чтобы можно было валидировать результат работы ИИ.

Так что всех жду и сразу анонсирую, стоимость тренингов будет повышена.

Привет!

Уже на следующей неделе у меня стартуют.
Автоматизация тестирования брокеров сообщений

Результат: Научитесь автоматизации тестирования сложных асинхронных систем. Напишите клиенты для kafka и rabbitmq, автоматизируете длинные интеграционные сценарии, проходящие проходящие через 2 API, 2 Брокера сообщений, почтовый сервер. Научитесь работать с многопоточностью. Изучите новые архитектурные приемы и паттерны, овладеете сложной темой востребованной на рынке. Да и просто станете круче как инженеры.

🗓 Неделя 1: Kafka Producer
7 Уроков. Поговорим про брокеры сообщений, как они устроены, научимся публиковать сообщения в топики, узнаем когда нужно работать с кафка в автотестах и зачем.

🗓 Неделя 2: Kafka Consumer
5 Уроков. Научимся использовать паттерны проектирования singleton и observer, будем использовать python потоки и примитивы синхронизации. Будем слушать топики и научимся работать с блокирующими задачами. И рассмотрим проблемы которые возникают при тестировании брокеров сообщений.

🗓 Неделя 3: RabbitMQ
5 Уроков. Научимся работать RabbitMQ, узнаем что такое обменники, очереди, будем публиковать и слушать сообщения из очереди.


REST API Advanced

Результат: Вы создадите production-ready фреймворк с архитектурой уровня энтерпрайз систем. Сможете с нуля настроить CI/CD pipeline с метриками и уведомлениями. Одного моего друга пригласили на Senior позицию, после того как он показал свой проект и рассказал, что и как он сделал.

🗓 Неделя 1: Введение в автоматизацию тестирования

10 уроков. Повторим основы Python, научимся генерировать простой код, рассмотрим базу API тестирования, напишем первые тесты и настроим автоматический прогон тестов в GitHub.

🗓 Неделя 2: Архитектура и работа с данными

4 урока. Научимся использовать паттерны проектирования для решения наших задач. А также научимся подготавливать тестовые данные и рассмотрим различные виды фикстур.

🗓 Неделя 3: Проверки

7 уроков. Рассмотрим все возможные виды проверок для API, научимся валидировать структуру данных и значения. Мягкие проверки, функции-чекеры, менеджеры контекста. Будем внедрять так, чтобы не засорять код и делать его более читаемым и поддерживаемым.

🗓 Неделя 4: Работа с конфигурациями и репортинг

7 уроков. Завершающая неделя: научимся собирать Docker образы, настраивать пайплайны, дорабатывать сторонние библиотеки, собирать coverage покрытия сервиса автотестами, строить красивые и информативные отчёты. Научимся отправлять отчёты о прохождении тестов в Telegram и перепишем пайплайн для GitLab CI.


REST API Professional

Результат: Вы научитесь создавать инструменты, которые делают работу за целые команды.
Пока другие пишут код руками, вы генерируете готовые решения одной командой. Компании будут переманивать вас не за навыки, а за инструменты, которые вы умеете создавать.

🗓 Модуль 1: Поговорим, что такое платформа и для чего она нужна

🗓 Модуль 2: Научимся управлять зависимостями как профессионалы. Перепишем код, используя асинхронную парадигму, и рассмотрим, для каких задач она применима.

🗓Модуль 3: Научимся поддерживать стандарты и качество кода, разработаем общий пайплайн для контроля качества кода всех проектов, будем использовать линтеры и форматтеры.

🗓 Модуль 4: Рассмотрим различные инструменты для генерации структуры проекта и кода. Научимся собирать свои библиотеки и дорабатывать опенсорс инструменты, выдавая стабильный результат в отличие от использования ИИ.

🗓 Модуль 5: Соберём CLI инструмент, который генерирует всё: проект, клиенты, тесты, фикстуры.

Стань еще круче как инженер. Приходи)