dlaTesterów.PL

W artykule CI/CD bez tajemnic czyli wprowadzenie dla testerów przybliżę zagadnienia związane z CI/CD z perspektywy TestOps, koncentrując się na praktycznej pracy z pipeline’ami. Jeśli do tej pory CI i CD pojawiały się w Twojej pracy gdzieś „obok”, a nie jako świadomie wykorzystywany element procesu, to dobry moment, aby się z nimi zapoznać i zrozumieć ich rolę w zapewnianiu jakości.

Testy wydajnościowe coraz częściej przestają być “opcjonalnym dodatkiem” do projektu, a stają się jednym z kluczowych elementów zapewnienia jakości aplikacji. Problemy wydajnościowe bardzo rzadko kończą się wyłącznie problemem technicznym — najczęściej wpływają bezpośrednio na biznes, użytkowników oraz stabilność systemów.

W świecie nowoczesnych aplikacji liczy się nie tylko to, czy system działa, ale również:

jak szybko odpowiada,
jak zachowuje się pod obciążeniem,
jak reaguje na większy ruch,
oraz kiedy zaczyna się degradacja wydajności.

Jednym z narzędzi, które w ostatnich latach mocno zyskało na popularności w obszarze performance testów, jest k6. Szczególnie ciekawym dodatkiem jest wbudowany web dashboard, który pozwala analizować wyniki testów praktycznie w czasie rzeczywistym — bez konieczności budowania całego środowiska observability. 

JMeter od lat jest jednym z najpopularniejszych narzędzi do testów wydajnościowych. Dla wielu zespołów QA to nadal podstawowe narzędzie do sprawdzania, czy aplikacja wytrzyma większy ruch, czy API nie zacznie się dławić i czy system zachowa stabilność pod obciążeniem. Sprawdźmy jak to najbardziej dojrzałe narzędzie pracuje z AI.

Modele językowe, takie jak ChatGPT, Gemini czy Claude, coraz częściej pojawiają się w narzędziach, które wspierają testowanie, analizę danych czy komunikację z klientem. Jednak wraz z ich popularyzacją rośnie ryzyko błędów i nadużyć. OWASP – organizacja znana z klasycznego zestawienia OWASP Top 10 dla aplikacji webowych – opublikowała nową listę zagrożeń: OWASP Top 10 for Large Language Models (LLM). To zestawienie pokazuje, na co muszą zwracać uwagę zespoły QA, testerzy i liderzy projektów wykorzystujących sztuczną inteligencję.