Pull to refresh
22
0
Send message

Можно использовать диаграмму выгорания, сторипоинты, диаграммы по пакетам работ (по категории, типу, статусу, приоритету, автору, назначенному, проценту завершения, ответственному, типам задач). Консолидируется по проекту (в проекте могут быть задействовано n команд/ n участников).

Тут два основных подхода: мы выбираем или самые затратные по времени ручные тесты, или самые сложные сценарии для подготовки среды, пользователей и т. д.

Выбрав самые сложные, можно потратить много времени и ничего хорошего не получить. Например, автоматизация отчетов: много допбиблиотек, неустойчивы из-за зависимости от данных, да и нужно придумывать, как парсить пдф или перелавливать результат до формирования файла. А функционал не основной. Любой ручник потратит не более получаса. Невыгодно.

Двойную работу не нравится делать никому. Это факт. Но тесты по НФ лучше включить в регресс, т.к. коммит с исправлением по нему или вообще часть НФ могут забыть добавить в релиз. Можно проверять НФ и в середине спринта, а потом его сломают при починке бага где-то еще.

С последним абзацем согласны. Но опять же, если баг не выше третьего и до выпуска продукта осталось меньше дня ?

Замечание справедливо, если не успевать тестировать НФ до регресса. Обычно оно у нас все-таки протестировано и описано в новых тестах до начала выпуска нового регресса. Поэтому и используем такое деление. Часть новых тестов потом войдет в ядро регресса, а остальные отправятся в архив до момента, когда в работе будет задета данная функциональность. В каком порядке проводить — это уже дело вкуса. Главное, чтобы все выбранные тесты были пройдены.

Редко дадут время на повторное прохождение всего цикла регресса, особенно если в проекте нет автоматизации. Поэтому максимум — проверка бага, перепрохождение теста, давшего ошибку, и то, редко дадут время на повторное прохождение всего цикла регресса, особенно если в проекте нет автоматизации. Поэтому максимум — проверка бага, перепрохождение теста, давшего ошибку, и то, что тестировщик успевает проверить. Это ближе к реальности.

Пожеланием заказчика было использовать встроенный инструментарий ClickHouse. Утилита clickhouse-backup, хотя и использует родные команды базы, является сторонним инструментом, что с ним будет через год — неизвестно.

В вашем случае нужно сделать две фильтрации. Сначала отобрать нужную партицию, после чего отфильтровать по id. Чтобы четко выбрать партицию, сделаем предфильтрацию. Если правильно вас поняли — партицией у вас является кортеж из полей a и b, поэтому будет использоваться виртуальный столбец _partition_value в секции prewhere.

PREWHERE _partition_value IN (select (a, b)
from dic
where name = :name_value)

Далее отфильтруем по id.

WHERE id IN (select id from dic where name = :name_value)

Спасибо за замечание по скриншотам, заменили.

По второму вопросу. Руками в нашем случае было значительно дольше, т.к. на старте проекта имелось несколько томов требований.

Что касается следующего подпункта второго вопроса — проект от перевода задач в Jira, разумеется, методологию не поменял. Однако удалось сохранить привычный темп работы команды, которая была привлечена к данному проекту, что в свою очередь, позволило решить другую задачу. Речь о пристальном внимании руководства, о котором упоминалось в начале статьи. Оно выражалось в периодической внутренней демонстрации, иногда даже в присутствии сотрудников заказчика.

Согласны, что существует порог востребованности аналитика. В небольших компаниях с продуктовой разработкой задачи аналитика действительно могут делиться между участниками. Но рано или поздно все приходят к аналитике. Иногда не напрямую, а через потребность в документировании решений или более обоснованном планировании развития продукта, что необходимо инвесторам. Другой вариант — отсутствие времени у команды и множество задач по основному профилю.

Пользователи Хабра искали вакансии системных аналитиков за рубежом https://habr.com/ru/post/655433/. На наш взгляд, получили объективные результаты в целом.

Многое зависит от железа, скорости сетевого канала, типов данных, распределения этих данных между таблицами и т.д. А пример мы привели для понимания контраста: скорость миграции одной из БД удалось сократить с 24 часов до 10 часов за счёт только этих параметров.

Конфигурация, которая описана в статье, была «отправной точкой». У нас несколько кластеров (leader-replica-replica), они работают на виртуалках 16-32 CPU, 32-128 GB RAM. Все на SSD-дисках. Далее конфигурации корректировали по результатам НТ.

У нас была только одна процедура очистки архивных данных, которую мы легко переписали. Других процедур в БД не было. На других проектах тоже занимались переносом процедур, может быть, опишем в следующих статьях:)

Что не нравится:

  • Поиск работает своеобразно. Это, пожалуй, самый большой минус.

  • Более прожорливые клиенты.

  • До оптимизации БД были серьезные лаги по отправке сообщений.

  • Есть баги по тредам (они только вышли из бета-версии).

  • Баги с unread-сообщениями.

    В остальном серьезных отличий от Slack не видим.

Большее количество ботов, которые мы сделали, когда пользовались Slack, работают по принципу «От Slack нам нужен только hook для отправки уведомления», поэтому в MM их перенести было достаточно нетрудоемко.

Да, клиенты действительно пока что прожорливые, но они с достаточной периодичностью обновляются. По крайней мере, сейчас пользователи нашего воркспейса не ощущают каких-то критичных проблем, в частности, с точки зрения юзабельности на Android.

Банально хотелось системы на том стеке, который очень хорошо знаком нашим ребятам с точки зрения поддержки, не хотелось бежать в сторону Mongodb и NodeJS, притом что MM на PostgreSQL конкретно нам проще эксплуатировать.

Важно, что mattermost можно размещать условно on-premise (в нашем случае это русское облако), соответственно, нет зависимости от вышеуказанных блокировок самой системы. Документация, к сожалению, «просто так» с русским IP недоступна.

Многие компании сейчас активно набирают сотрудников, так как начинают новые проекты и стремятся занять ниши, освободившиеся после ухода западных компаний. Адаптировать новых сотрудников к проекту и помогать им вливаться в команду — насущная необходимость, если вы не хотите, чтобы специалисты увольнялись от непонимания происходящего.

Information

Rating
Does not participate
Works in
Registered
Activity