Угадайте, где сейчас настоящая каша варится из подходов и трендов? Подсказка: на «тес-» начинается, на «-тирование» заканчивается. В сети всё больше новых взглядов на нашу сферу. Каждый матёрый специалист пишет о тенденциях и подходах, исходя их своего опыта {что неплохо}. Только далеко не каждый из авторов учитывает {что плохо}, что его опыт характеризует только его проекты и компании и выводы эти априори не могут быть универсальными. Конечно, что-то уже проверено временем и стало классикой, а что-то всплыло {нехорошее слово в данном случае, вам не кажется?} недавно и обещает перевернуть привычный подход с ног на голову. Так ли это на самом деле? Давайте разберёмся.
Я недавно наткнулась на статью devxhub.com , где автор собрал десяток основных трендов 2024 года в тестировании, и перевела её. Оказалось, статья написана GPT — на это мне моментально указали читатели платформы, где перевод был опубликован. Что ж, от того, что она написана ИИ, не теряется актуальность информации. Да, язык его примитивен и суховат, как таранька, и не такой вкусный. Но я всё же хочу разобрать с вами ту самую статью «10 Popular Software Testing Trends in 2024». Потому что в этом списке есть смысл. И, как ни крути, у нас впереди 2025-й, который змеиным хвостом цепляет всё нужное и важное из нынешнего 2024-го. Кто знает, может, мы выхватим что-то супер-пупер действенное из описанных ниже трендов и производительность взлетит до звезд, держась за руку с эффективностью?
Итак, рассуждения на основе…или сильно вольный перевод. Погнали…
Сколько раз мы слышали: «Это новейший тренд в тестировании!»? QAOps, Big Data, IoT, ИИ и безопасность — за модными словами скрывается целый вагон задач, с которыми мы, тестировщики, встречаемся каждый день.
QAOps — двое в лодке, не считая PM-а
Подход QAOps возник там, где мелькнул хвост кометы, то есть идеи, что тестировщики и разработчики могут работать вместе на каждом этапе. Там все друг друга понимают с полувздоха, работа идёт быстро, релизы вовремя, на митах всех только хвалят… К сожалению, на практике это что-то вроде «кто в лес, кто по дрова». Представьте себе тестировщика, которому приходится догонять разработчиков, чтобы протестировать код буквально «на ходу». QAOps обещает интеграцию и синхронность, но по факту — это вечная борьба с таймингом.
Ловить баг на лету, пока разработка не ушла далеко вперёд, – это работает в небольших стартапах. Для крупного проекта скорость губительна и, как следствие, настигает головная боль {хотелось бы сказать PM-а, но нет, мигрень будет у всей команды}. Большим проектам нужна стабильность, а не бег с препятствиями. Есть ещё SDET (Software Development Engineer in Test) — это будет покруче, тестировщик с навыками разработчика, когда две головы хорошо, а одна лучше. Но таких специалистов пока не так уж много {есть куда расти 😉 }
Тестирование больших данных — тот ещё марафон
Сейчас каждый второй проект обещает «работу с большими данными». Ага, только почему-то забывают сказать, что обработка таких объёмов требует мощностей, а тестировщику понадобится сноровка 80lvl и время. Проверка данных для любого крупного бизнеса или стартапа — базовая необходимость. Хотя не все готовы тратиться на ресурсы. Так что Big Data — это не для слабонервных и под силу далеко не всем командам, но те, кто освоят этот тренд, получат немало ценной информации для улучшения своих сервисов и продуктов. Не забудьте подготовиться к серьёзной нагрузке – прокачайте гибкость и устойчивость к перегрузкам. Сами или с помощью экспертов.
IoT-тестирование — кто кого перехитрит
Давайте признаем, с каждым днём вещи вокруг всё «умнее и умнее». Мир Internet of Thing сейчас очень разнообразен и раздувается во все стороны, как шарик в руках клоуна на празднике.
Каждая компания стремится сделать свои продукты умнее. Но в мире IoT всё часто идёт немного не по плану. То гаджет «не видит» сеть, то датчики дают сбой… Протестировать «умные» холодильники или лампочки — это более непредсказуемо, чем лезть в электрощиток в подъезде с закрытыми глазами и свежим маникюром. А ведь в крупных компаниях устройств десятки… И всё же без надёжного IoT-тестирования для бизнесов нельзя. Этот тренд требует находчивости и терпения.
ИИ и машинное обучение — «ой, а оно точно сработает?»
ИИ везде. И в тестировании тоже. Звучит заманчиво и круто: алгоритмы сами находят ошибки и предсказывают, где могут всплыть баги. Нюанс в том, что им нельзя доверять на 100% — ИИ может ошибиться и результаты будут искажены. Нужна подстраховка. И тщательные настройки. При этом машина обучаема и может предсказать проблемные зоны. Отличное дополнение к тестированию, но никак не замена рабочим рукам.
Тестирование безопасности — #musthave
И вот тут без шуток – у меня скепсиса нет. Без тестирования безопасности любой проект рискует. Актуально для всех, особенно для компаний с крупными базами данных. Не то чтобы тренд, а скорее обязательный этап, на котором лучше не экономить – дороже обойдётся.
Автоматизация тестирования — жмём «старт» и отдыхаем?
К сожалению {или радости} многих «ручников» всё выглядит идеально только на этапе задумки. Чаще всего на «давайте всё автоматизируем» покупаются неопытные (начинающие) тестировщики: «О! тесты запускаются сами собой, а я просто буду наблюдать с чашкой кофе, как всё работает». Иногда и кто-то повлиятельнее. У нас был кейс, когда заказчик запросил полную автоматизацию примерно с такой аргументацией – «чтобы оно само всё проверялось». Но автоматизация нужна не всем и не всегда. В том кейсе профессионально сработала наша команда во главе с Senior manual QA и проблемы клиента были решены без автоматизации. Просто потому, что именно в том проекте нужны были совершенно другие методики, чтобы «всё проверялось». Но стоит признать, что автоматизация отлично справляется с рутинными задачами. Опять же – там, где она нужна и уместна.
Agile и DevOps – машина «нон-стоп»
Agile и DevOps стали почти основными практиками, когда нужно поддерживать высокую скорость работы. Быстрая интеграция, быстрые релизы — всё это заманчиво и здорово, пока команда успевает. Но нужен жёсткий контроль, потому что с таким темпом можно и перегореть {и напрочь выгореть}. Agile и DevOps хороши для проектов, готовых подстраиваться под изменения, но нужен опыт и выдержка, чтобы их осилить.
Shift-Left – чем раньше, тем лучше
Тестирование «со сдвигом влево» по шкале икс, где «0» – это старт разработки. Проще говоря, тестировать нужно сразу, как только появилась первая версия кода {или ещё «левее», то есть раньше}, чтобы не копить баги. Я работала на проекте, где мы начали ловить ошибки ещё на уровне прототипа. Опыт показал, что это неплохо ускорило работу. Команде разработчиков такое только плюсом.
Блокчейн: работа с децентрализованными данными
С блокчейном часто приходится повозиться. Прежде всего это про функциональность приложения. Почти всегда это платёжные системы, а значит работа тестировщика будет сконцентрирована на проверках выполнения смарт-контракта, всех этапов прохождения транзакций и т.д. в зависимости от видов блокчейна. Но в любом случае это несколько видов тестирования в одном. Тут и безопасность, и производительность, и функциональное, и нагрузочное. Блокчейн требует серьёзной проверки, потому что любая ошибка станет дырой в безопасности.
Тестирование в облаке — начало всемогущества?
Отличный выбор, когда требуется масштаб. Проверить сотни пользователей, провести нагрузочные тесты, в том числе на разных устройствах – «ол инклюзив», как мы любим, да? Но всегда есть «но». Полное погружение в облако требует отличного понимания, как работает платформа, высокого уровня навыков работы с такими платформами и серьёзных затрат. Так что Cloud testing – это своего рода вызов: если проект готов к этому, то и возможностей откроется масса.
Вот такие тренды мне захотелось разобрать после прочтения о них в той статье. Думаю, ИИ вполне неплохо уловил тенденции развития сферы, как считаете? Интересно, что-то может отвалиться совсем или дополнить этот список и перейти с нами вместе в 2025-й?
