Tesztadat előállítás: Faker

Előzmények

– A Demora szükség lenne 20db 50millió feletti, csokkal támogatott hiteligényre, 30db csokkal nem támogatottra, 40 feletti igénylőkkel, 20db lakásfelújításra felvehető kölcsönigényre.

– Keressünk az adatbázisban!

– A Demora csak a teszt1-en lesz lehetőség, de azon üres adatbázissal nyitunk.

– Oks, akkor vigyük fel adatvezérelt megoldással! (lásd előző cikkek: Adatvezérlés 1, 2, 3 )

– Nem rossz, de mit vigyünk fel? Egy igény 60-90 mező nagyrészt véletlenszerű kitöltését jelenti, ki állít elő egy ilyen Excelt? Ez kb. 5000 cella véletlen, de értelmes adattal való feltöltése.

– Nekem van egy ötletem. Faker.

Bevezetés

Gyakran fordul elő, hogy a tesztelésnél tömegesen lenne szükség véletlenszerűen előállított tesztadatokra. Véletlen nevekre, címekre, dátumokra, értékekre stb… Erre biztosít megoldást a faker könyvtár Robot Frameworkhöz.

Faker

A Faker egy népszerű könyvtár, amely hamis (de ésszerű) adatokat generál, amelyek felhasználhatók minden olyan esetben, ahol tesztadat előállítás vagy anonimizálás a cél. Eredetileg Perlben íródott, de majdnem minden nyelvre van portja. Ebben a cikkben a Robot Framework könyvtár működését mutatjuk be. Ez a könyvtár a Python-os faker portra épül, ehhez szolgáltat kulcsszavakat.

Sajnos a könyvtár aluldokumentált: https://guykisel.github.io/robotframework-faker/

A cikk végén adok tanácsot, hogy ezt hogyan kezeld.

Alapozás

Egy gyors telepítés után:

A robot-ban behivatkozhatjuk a könyvtárat és használhatjuk. Mivel a könyvtár kulcsszavai elég egyszerűek, azt tanácsolom, hogy adj nevet a könyvtárnak és utána használd a könyvtárnév előtagot a kulcsszavak előtt. Így:

A fenti példában a ${name} változónak adtunk véletlen Name értéket a faker segítségével és ezt a véletlen értéket írtuk ki a log-ba.

Általánosságban a faker könyvtár adatelőállító kulcsszavainak az a használati módja, hogy meghívás után visszaadott értéket egy változóba dobjuk.

Lokális kamuzás

Faker használhat egy területi beállítást argumentumként, hogy lokalizált adatokat adjon vissza. Ha nem található honosított szolgáltató, a gyár visszaáll az amerikai angol alapértelmezett LCID karakterláncra, azaz: en_US.

Így kérheted meg a faker-t, hogy magyarul kamuzzon adatot:

Specifikációs hiányosságok

A specifikáció olyan remek, amilyennel a tesztelők gyakran találkoznak. Olyan, mint a népmesében a királyhoz menő parasztlány, sétál, de mégsem, visz ajándékot, de mégsem, fel is van öltözve, de mégsem…. Néhol simán szűkszavú, néhol téves infókat tartalmaz. Ha csak az alap beállított fake-eket akarja az ember használni, akkor ezzel is el lehet boldogulni, de ha valami speciálisat szeretnénk (saját fake megvalósítása, külső, de már létező egyéb fake behúzása), akkor jobban járunk, ha Python-ban valósítjuk meg és úgy húzzuk be magunknak kulcsszó formájában.

Zárásféleképpen

A Faker könyvtár alapból sokat tud és nagyon jól használható kamu adathalmaz létrehozására. Az előzményben szereplő tesztadatok előállítására remek eszköz. Az adatvezérléses (adtavezérlés 3.) cikkben láttuk, hogy hogyan lehet tesztadatot „beolvasni”, a következő részben megmutatjuk, hogy a kamus tesztadatokat hogyan lehet könnyen emészthető formába (CSV, Excel) kiírni állományba. Addig is

Jó tesztet! Hajrá! 🙂

Megosztás

Kérsz értesítést a legújabb cikkekről?

Kapcsolódó cikkek

A tesztelés nem költség, hanem bevételvédelem

Képzeljünk el egy hétfő reggeli vezetői értekezletet, ahol a pénzügyi igazgató (CFO) a negyedéves költségvetést vizsgálva megáll a „Minőségbiztosítás (QA) és Szoftvertesztelés” sornál. „Miért költünk ennyit arra, hogy hibákat keressünk a kódunkban? Nem lenne egyszerűbb, ha a fejlesztőink eleve jobban figyelnének, és hibátlan kódot adnának ki?” – hangzik el a klasszikus kérdés. Ez a felvetés

Tanácsadás álláskereső portálnak

Egy piacvezető állásportál működése során a hirdetések feldolgozása nem csupán üzleti folyamat – ez a szolgáltatás alapköve. Ha a hirdetésfeldolgozási rendszerekben vagy a háttéralkalmazásokban hiba lép fel, az közvetlenül befolyásolja a felhasználói élményt és a vállalatok toborzási hatékonyságát. Ebben az esettanulmányban bemutatjuk, hogyan elemeztük egy állásportál tesztelési folyamatait, milyen jelenlegi kihívások fedezhetők fel a működésben,

AI-alapú rendszerek tesztelése: Hogyan teszteljünk, ha nincs egyetlen helyes válasz?

A szoftvertesztelés (és maga az automatizálás is) évtizedeken át egy megnyugtató, determinisztikus alapelvre épült: ha X a bemenet, akkor a kimenetnek minden egyes alkalommal pontosan Y-nak kell lennie. Ha rákattintok a „Mentés” gombra user1-ként a weblapon, akkor egy új sor keletkezik az adatbázisban. A teszteset végeztekor valami vagy Pass vagy Fail. Nincs átmenet, nincs „talán”. Ez a determinisztikus

Scroll to Top