UPD: запись видео и презентации смотрите в отчёте

Привет, хабравчане. Меня зовут Дима Колесник, и я занимаюсь разработкой инструментов тестирования в маркетплейсе. У нас серьёзные нагрузки: 90 млн уникальных пользователей, а в распродажи выдерживаем 5к заказов в минуту. При таком масштабе мы тестируем релиз за 5 минут и делаем больше сотни релизов в день. 

Немного о нашем стеке: браузерные тесты пишем на TypeScript, бэкенд-тесты – на Go, Python, C#. В Mobile QA Automation используем Appium и Python. 

Приглашаем послушать и пообщаться тестировщиков и всех, кто к этому близок:

— Разберем уровни изоляции компонентов приложения при тестировании,

— Расскажем о комбинаторном тестировании,

— Проведем Q&A-сессию о тестировании в Ozon Tech со спикерами и руководителями.

Описание системы

• На роль тестировщика готовы брать кого угодно, кто умеет достаточно уверенно нажимать на кнопочки
• Тестировщики редко участвуют в судьбе проекта, принимают решения по требованиям и срокам
• Тестировщиков стараются подключать как можно позже, когда надо «покликать» и «поикать ошибки»
• За исключением небольшого числа продуктовых компаний, большинство работодателей предлагают тестировщикам зарплату в 1,5-2 раза ниже, чем разработчикам.

Что такое Renga

Пофилософствуем на тему, как QA может влиять на разработку фич. Поделимся мыслями и наработками о том, что тестировщик может предложить команде помимо своих мануальных способностей проверки задач.

В этом неидеальном мире часто можно увидеть, как человек ответственный за качество, подключается только на последнем этапе разработки фичи. Только тогда, когда по мнению многих осталось совсем немного: протестировать задачу. В этом неидеальном мире такой подход приводит не всегда к качественному результату, да еще и шанс доставить фичу в срок резко уменьшается. 

Так зачем переделывать задачу и факапить сроки, если можно предотвратить большинство ошибок? Есть один вариант: QA-инженер. Специалист который будет влиять на качество процессов и продуктов на каждом этапе работы над фичей и служить связующим звеном между всеми этапами и подразделениями. В итоге вы получите качественный результат. 

Привет, Хабр! Представляю вашему вниманию перевод статьи "Framework Vs. Platform What’s The Difference?" автора G. Harris.

Исповедуюсь: я педант. Несмотря на личные неудачи на этом поприще, я глубоко верю, что использование правильного языка добавляет множество преимуществ. Процитирую афоризм Марка Твена:

Разница между почти правильным словом и правильным словом действительно много значит. Это разница между светлячком (lightning bug) и молнией (lightning).

Ввиду этой разницы я вижу смысл в том, что время от времени меня раздражает недостаток ясности вокруг двух концепций фреймворк и платформа. Какая-нибудь платформа есть у любой компании в мире, которая имеет отношение к разработке. В мире опенсорса полно фреймворков. Но мало кто может определить эти концепции, будучи спрошен. Если я не способен дать чёткие определения базовой терминологии, могу ли я претендовать на полное понимание предмета обсуждения?

Я хотел бы предложить одно из возможных определений по аналогии.

Зачастую получаю запросы в формате: «Хочу чтобы система сама определяла лучший гардероб для пользователя» - «Хочу попробовать внедрить компьютерное зрения за тем чтобы следить за моими сотрудникам» - «…приложение само должно подставлять мебель в комнате» и так далее…

Начнем с того что определение искусственного интеллекта не совсем совпадает с представлениям пользователей, есть некий образ - волшебный магический ящик который должен решать все поставленные задачи. Со стороны своего опыта я бы дал другое определение искусственного интеллекта - это скорее набор подходов для решения конкретных  задач в сферах: компьютерного зрения и генерации изображений, обработка естественных языков, аналитические модели определяющие закономерности с помощью заранее загруженных данных и специальных алгоритмов (Список не исчерпывающий можно углубиться, но в львиной доли случаев эти области комбинируются и реализуют новые исследовательские области).

В прошлых публикациях (первая и вторая) рассмотрели основные понятия про качество, четырехуровневый процесса управления и обеспечения качества, увидели что требования и качества тесно связаны друг с другом, попробовали получить ответы на вопросы какое мышление должно быть у команды для встраивания качества в продукт? Какая на продукте пирамида тестирования? Как ускорить получение обратной связи при разработке программного обеспечения?

Отлично. Разобрались, осознали и приняли мышление Test-First, концепцию Shift Left Testing, определили пирамиду тестирования. Теперь возничкает вопрос, а как начать качественно генерировать качественные тест кейсы?