SQL для тестировщика

Как ИИ помогает проектировать базы данных #почитать Многие кто уже успел попробовать Cursor и подобные инструменты, восхищаются как ИИ способен писать код. ✅Читать статью

И снова про алгоритмы и структуры данных #почитать За годы разработки приходит понимание, что происходит в тех или иных сервисах, когда они тормозят, лагают, выдают «неожидаемое» поведение. В данной статье хочу рассмотреть проблему неправильного использования алгоритмов и архитектурных решений с бытовой, общечеловеческой стороны. ✅Читать статью

🟢Подборка полезностей для тестировщиков 🐞 Июнь 💡 Теория ▫️Руководство по имитаторам для тестировщиков ▫️Бюджетное тестирование облачных приложений: Testcontainers и LocalStack ▫️Какие задачи в тестировании пора отдать ИИ, чтобы получить результат, а не новые проблемы ▫️От вебинаров до биллинга: что нужно тестировать в EdTech ▫️6 ошибок в метриках дефектов, из-за которых QA теряет контроль над качеством ▫️Аудит нагрузочного тестирования: пять этапов реального проекта ▫️Тестирование UX для мобильных приложений: чек‑лист без софта и магии ▫️Дорогие автотесты: когда автоматизация тестирования начинает вредить бизнесу ▫️Playwright, Selenium, Cypress, WebdriverIO: что реально известно о скорости в 2026 году (и как намерить свои цифры) ▫️Что перестаёт работать в тестировании, когда приходит LLM ▫️4 антипаттерна CI‑автоматизации, из‑за которых команда делает работу за ботов ⛏ Практика ▪️Как начать тестировать внутренние покупки (In-App Purchases) на Android ▪️Как мы создали новый тестовый фреймворк, адаптируемый к росту проектов ▪️Путь нагрузочного тестирования или почему я создал свой софт по нагрузке ▪️Группировка ошибок вручную и автоматически, или чем тестировщику занять своё время ▪️Как правильно писать WebSocket API автотесты на Python ▪️Как мы тестировали Tarantool Database на 640 инстансов ▪️Процессы vs инструменты: как Авито Sales строит QA с нулевыми сдвигами сроков ▪️Как мы тестируем Tantor Postgres для 1С — от нагрузочных тестов до оптимизаций планировщика ▪️Как мы превратили Swagger из документации в двигатель API-автотестов ▪️Retry в Go автотестах: как перестать бояться flaky-тестов ▪️Генерация автотестов с ИИ: почему первый PR растянулся на две недели и что изменилось после анализа фреймворка ▪️Кейс обучения QA-персонала: развитие навыков оценки задач и контроль качества через метрики ▪️Мы дали ИИ написать код и тесты: что обнаружило мутационное тестирование 💼 Карьера ▫️Сокращения в российском IT продолжаются – Мы создали автоиндикатор найма, который покажет окончание кризиса ▫️SDET как эволюция QA, или почему автотестов больше недостаточно ▫️Ломаем автопилот: как я перестал тестировать механически ▫️Работодатели давно играют в волков. Просто теперь соискатели научились отвечать ▫️IT-пузырь лопнул: почему одни айтишники не могут найти работу, а других всё равно не хватает 📺 Посмотреть 📺Where to Learn AI Testing and Testing with AI ⏱️45 минут 📺Превращаем Ready for testing в действительно Ready ⏱️15 минут 📺Как выстроить архитектуру взаимодействия QA со всеми ⏱️40 минут 🍷 Отдохнуть ▫️Археология автотестирования: SUnit, прародитель JUnit ▫️Что такое парадокс изогнутой трубы — и почему интуиция нас подводит ▫️Как одна операция из линейной алгебры захватила мир ИИ ▫️Манипуляция ответами нейронок — как сеошники убивают интернет 🚀 Вакансии QA Разоблачай иллюзии

PostgreSQL Antipatterns: отказ от агрегатных функций = кратное ускорение #почитать Иногда в архиве нашего сервиса анализа планов запросов к PostgreSQL встречаются примеры не очень эффективных, мягко говоря, запросов. Сегодня на примере одного из них, вызванного простой бизнес-задачей, посмотрим, как отказ от использования агрегатных функций может ускорить запрос в разы. ✅Читать статью