QA

Уже больше двух лет я занимаюсь обучением ребят с нуля одному из IT направлений, в котором, как мне кажется я неплохо разобрался за время своей практики. Сегодня хотел бы разобрать некоторые частые ошибки, которые допускают абсолютно все ученики и начинающие специалисты.

Не понимание концепции инструктивной речи

Самая частая ошибка при написании тест-кейсов, чек-листов и прочих артефактов. Не умение обезличить свою речь и оставить только внимание читателя на аспектах работы системы. Использование прилагательных, наречий и прочих конструкций, которые мешают восприятию документации.

Неумение демонстрировать доказательства некорректной работы ПО

Отсутствие скринкастов, скриншотов, либо присутствие, но оформленные настолько непонятно, что еще больше запутывают, нежели проясняют суть проблемы. Тестировщик сразу должен приходить к разработчику с фактами, разработчик не должен выковыривать из тестировщика и просить его доказать или что-то показать. Все должно быть уже готово заранее и при необходимости сразу же демонстрироваться, без необходимости ждать пока тестировщик (его величество) соизволит и зафиксирует свой/никому не нужный дефект на видео или скриншот.

Путаница в показаниях при непонимании устройства системы

Не достаточная степень локализации дефекта при водит к тому, что возникают несколько рычагов и тестировщик не понимает что из этого является следствием, а что причиной. А причина этому - не понимание того, как работает система.

То, что переполнен - факт! Насчет дальнейшего не согласен, некоторые факты говорят обратное:

• Во-первых, ChatGPT может дать вам базовые знания по теории тестирования. Это безусловно поможет новичкам быстрее влиться в профессию, а Джунам и мидлам закрыть пробелы.

• Во-вторых, ИИ может предложить примеры тест-кейсов и сценариев для разных ситуаций, что ускорит процесс тест-дизайна.

• В-третьях, чат может предоставить информацию о популярных инструментах и фреймворках для ручного и авто тестирования, что поможет начинающему тестировщику выбрать подходящие инструменты

• В-четвертых, ИИ может вам даже помочь найти баги, особенно в автотестирование. Но здесь нужно быть очень внимательным, т к может быть утечка данных. При устройстве на работу вы подписываете NDA, который нарушать лучше не стоит. Плюс вас могут вычислить безопасными компании. Поэтому с ИИ лучше общайтесь общими данными и филигранно применяйте их в своей работе.

• В-пятых, ИИ может помочь в подготовке к собеседованиям на позицию тестировщика. Но тут есть важный момент, что чат перед этим нужно обучить, иначе он будет задавать тупые вопросы, которые с реальностью не имеют никакого отношения. Но здесь наш проект вам поможем!

Важно помнить, что, несмотря на полезность ChatGPT, он не должен быть единственным источником знаний. Важно практиковаться, обмениваться опытом с коллегами и постоянно расширять свои знания, используя различные ресурсы и методы обучения.

Часто по окончанию курсов по тестированию, выясняется, что о многих инструментах, необходимых для тестов выпускники просто не знают или не слышали.

Давайте перечислим несколько программ, которыми мы пользовались с самого начала:

1️⃣Jira - популярная система управления проектами, их разработкой и отслеживания ошибок. Можно создавать задачи, двигать по статусам, декомпозировать задачи, просчитывать загруженность команды, проставлять приоритеты задач и многое другое.

2️⃣TestIT - система управления и хранения тестовой документации. Тест-планы, тест-кейсы, чек-листы - все это можно создавать создавать, хранить можно там.

3️⃣Postman (куда без него) - один из самых популярных инструментов тестирования API. Он облегчает процесс создания, проверки и описания API. При помощи данного инструмента тестировщик может выполнять различные виды HTTP-запросов, такие как GET, POST, PUT, PATCH, а также автоматически генерировать код для языков программирования, таких как JavaScript и Python.

4️⃣Kibana - это удобный инструмент, позволяющий просмотреть логи системы (чаще всего сервера), например по той или иной ошибке, понять по какой причине она могла произойти, проанализировать их и передать разработчику.

5️⃣Jmeter - инструмент для нагрузочного тестирования, довольно простой и понятный. Как симулировать большой приход пользователей на сайт? как нагрузить один запрос? Как выгрузить отчеты по нагрузке? - ответы в Jmeter

Всем привет! На текущий момент на рынке сложилась довольно нехорошая ситуация в отношении курсов по тестированию. Конечно, дыма без огня не бывает и клеймо на любой инфорпродукт навесить очень просто и более того, чаще это справедливо, ведь как и другие школы я своим курсом зарабатываю, а вот подходы, инструменты и подача материалов сильно отличается и по итогу человек получает разные результаты.

Я не проводил аналитику курсов, не изучал детали обучения (хотя некоторые школы знаю изнутри довольно неплохо), но я проводил множество собеседований на позиции Junior QA в свою компанию и знания ребят, которые приходили после самых популярных курсов оставляли желать лучшего, поэтому в основе своей мой курс конечно же не является изобретением, но я постарался привнести в обучение свой взгляд и те вещи, которых не хватало тем ребятам, которым я отказывал в трудоустройстве.

В общем, курс курсу рознь и было неправильно грести все курсы под одну гребенку, поэтому сегодня я расскажу как выглядит обучение на Manual QA Engineer в моей школе / на моем курсе и мне было бы интересно узнать от тех, кто обучался в других школах используют ли они похожие подходы и/или инструменты.

Весь курс разбит на спринты по 1 неделе и мини-группы

Курс рассчитан на 4 месяца, поэтому всего представлено 16 спринтов (16 недель), в рамках которых обучаются ребята. Ребята занимаются в группах, и пока что у нас только одна группа, но в будущем группа будет содержать максимум 10 человек с персональным ментором. Пока что у всех ментором выступаю я :)

У каждого тестера есть свои раздражители, поэтому этот пост будет сугубо субъективным, основанном на наших реальных событиях  

🔴Бесит, когда забывают учесть время на тестирования в планировании задач

🔴Бесит, когда говорят «быстренько протестируй, пожалуйста»

🔴Бесит, когда после тестирования задачи меняются требования к ней

🔴Бесит, когда разработчик не прописывает, что именно он сделал в задаче, а что нет и по какой причине

🔴Бесит, когда задают вопрос, не пользуяюсь правилом 15 минут

🔴Бесит, когда важные решения происходят в личных чатах, о которых ты узнаешь случайно 🔴Бесит, когда тебе нужен напарник, но «поиск нового тестера сейчас не в приоритете»

🔴Бесит, когда уходишь на обед и ты сразу становишься всем нужен

🔴Бесит, когда ты закончил свой рабочий день, а коллега с другим часовым поясом начинает активничать в вашем чате

Один из самых критичных багов, который привел к непоправимым последствиям для компании, произошел с марсоходом NASA — Mars Climate Orbiter. В 1999 году он был потерян из-за ошибки в расчетах, вызванной использованием английских единиц измерения вместо метрической системы одним из подрядчиков NASA. Это привело к неправильному маневрированию аппарата, который в результате был утерян при входе в марсианскую атмосферу.

Заметный пример критической ошибки, которая привела к значительному ущербу для компании в сфере электронной коммерции, — это знаменитый сбой, который повлиял на онлайн-рынок eBay в 2014 году. Этот баг привел к крупному отключению, в течение нескольких часов пользователи не могли покупать и продавать товары. Точная природа ошибки не была обнародована, но последствия были значительными: сообщалось о потерянных продажах и падении цены акций компании после инцидента. Не было обнародовано конкретной информации о финансовых потерях eBay из-за сбоя в 2014 году. Однако, сбои в работе IT-систем могут стоить компаниям в среднем до $300,000 за час простоя веб-приложений.

Еще один известный случай связан с веб-основанным хранилищем Amazon S3 в 2017 году, которое вышло из строя из-за опечатки сотрудника Amazon во время выполнения команды, что привело к нескольким часам простоя для многих веб-сайтов и сервисов, зависящих от S3 для хостинга. Во время сбоя сервисов Amazon Web Services (AWS) в 2017 году, который длился около четырех часов, компании, входящие в индекс S&P 500, потеряли примерно 150 миллионов долларов. Кроме того, финансовые службы США потеряли около 160 миллионов долларов.