Geração de dados de teste com Python Faker: Dados realistas, repetíveis e seguros
Bons testes precisam de bons dados: realistas o suficiente para encontrar bugs, repetíveis o suficiente para depurar e nunca copiados de clientes reais. Usamos a biblioteca Python Faker para gerar, propagar, localizar e medir dados de teste e descobrimos onde eles falham.
- A geração de dados de teste cria dados falsos realistas, de modo que os testes não dependem de cópias de registros reais de clientes.
- Semeie o gerador para que o mesmo teste produza sempre os mesmos dados.
- Faker produz valores típicos e plausíveis; você mesmo deve adicionar casos extremos, como strings vazias, apóstrofos e textos muito longos.
- O Faker não é criptograficamente aleatório: nunca o use para senhas, tokens ou qualquer coisa relacionada à segurança.
Um testador precisa de 500 clientes com pedidos para verificar uma tela de relatórios. Copiá-los da produção é rápido, mas coloca nomes reais, e-mails e números de telefone em ambientes de teste, registros e capturas de tela, o que representa um risco legal e de privacidade. Digitá-los manualmente é lento e produz “Test User 1” a “Test User 500”, que esconde bugs. A geração de dados de teste com uma biblioteca como a Faker fica no meio: realista, rápida e falsa.
Executamos todos os exemplos com Faker 40.52 em Python 3.13. Os valores abaixo são de nossa execução semeada, portanto, podem ser reproduzidos com a mesma versão.
Por que os dados de teste são importantes
- O realismo encontra bugs: nomes longos, caracteres acentuados e formatos variados quebram códigos que o “Usuário de teste” nunca toca.
- A repetibilidade permite a depuração: uma falha que você não pode reproduzir é uma falha que você não pode corrigir.
- O isolamento mantém os testes confiáveis: testes que compartilham e alteram os mesmos registros tornam-se instáveis.
- A privacidade não é negociável: dados pessoais reais em sistemas de teste costumam ser uma violação da lei e da política.
Maneiras de obter dados de teste
| Abordagem | Prós | Contras |
|---|---|---|
| Acessórios escritos à mão | Exato, legível, ótimo para casos extremos | Lento para criar volume |
| Gerado (Faker e similares) | Rápido, realista, sem dados pessoais | Perde regras de negócios e casos extremos raros |
| Cópia de produção mascarada | Distribuições e relacionamentos reais | O mascaramento deve ser completo; ainda sensível |
| Plataformas de dados sintéticos | Preservar estatísticas e relacionamentos em escala | Custo e configuração |
A maioria das equipes os combina: pequenos dispositivos escritos à mão para verificações exatas, dados gerados para volume e dados cuidadosamente mascarados apenas onde distribuições realistas são essenciais.
Começando com o Faker
pip install faker
from faker import Faker
fake = Faker("en_IN")
fake.name(), fake.email(), fake.city(), fake.phone_number()
Faker possui provedores de nomes, endereços, empresas, dados de internet, datas, números, texto, finanças e muito mais, além da capacidade de adicionar os seus próprios. É Python puro, sem dependências de sistema.
Propagação de dados repetíveis
Faker.seed(42)
# Aryan Maharaj | udantdewan@example.net | Bongaigaon | +9196001xxxxx
# Oni Kannan | zmall@example.org | Bhusawal | 042351xxxxx
# Caleb Sharaf | radhakrishnanfarhan@example.net | Tadipatri | 093103xxxxx
# (phone numbers shortened here: generated numbers can match real ones)
Faker.seed(42); fake2 = Faker("en_IN")
fake2.name() # Aryan Maharaj
Com a mesma semente, um novo gerador produziu o mesmo nome. Propague cada teste ou sessão de teste e registre a semente, para que uma falha possa ser reproduzida com exatidão. Observe que os valores podem mudar entre as versões do Faker, então fixe a versão em seus requisitos se os testes compararem os valores exatos gerados. Melhor ainda, escreva testes que não dependam de valores falsos específicos.
Observe também que o Faker usou domínios de e-mail example.net e example.org, que são reservados para documentação e testes, portanto, um teste nunca pode enviar e-mail para uma pessoa real por acidente.
Locais
en_US: Ryan Gallagher | Davidmouth
de_DE: Karsten Wieloch-Bolnbach | Cloppenburg
ja_JP: 木村 陽一 | 八丈島八丈町
hi_IN: मोहना रोद्रिगुएस | अनन्तपुर
As localidades mudam nomes, endereços e formatos, e algumas trocam totalmente os scripts. Um sobrenome alemão duplo, caracteres japoneses e texto Devanagari são exatamente as entradas que expõem erros no comprimento dos campos, classificação, pesquisa, PDFs e fontes. Se o seu produto atende diversas regiões, gere dados para cada uma.
Valores únicos
emails = [f.unique.email() for _ in range(1000)]
len(set(emails)) # 1000
small.unique.random_int(1, 5) # called 6 times
# UniquenessException
Chamadas simples do Faker podem repetir valores, o que quebra testes em colunas com restrições UNIQUE. O proxy .unique não garante repetições; em nossa execução, 1.000 e-mails eram todos distintos. Quando o conjunto de valores possíveis se esgota, como ao solicitar seis números únicos entre 1 e 5, ele gera UniquenessException em vez de fazer um loop indefinido. Chame fake.unique.clear() entre os testes.
Construindo registros de domínio
Faker gera campos; seu código deve respeitar as regras de negócios. Uma pequena função de fábrica os combina:
def make_order(f):
qty = f.random_int(1, 5)
price = f.pyint(10, 2000)
return {"order_id": f.uuid4(), "customer": f.name(), "qty": qty,
"unit_price": price, "total": qty * price,
"status": f.random_element(["paid", "pending", "refunded"]),
"placed_at": f.date_time_between("-30d", "now").isoformat(timespec="seconds")}
# {"order_id": "0c5c7fd0-...", "customer": "Girindra Pau", "qty": 3,
# "unit_price": 1951, "total": 5853, "status": "refunded", "placed_at": "2026-10-14T18:01:02"}
Observe que total é calculado, não aleatório, portanto o registro é internamente consistente. Campos independentes aleatórios produzem dados impossíveis, como uma data de reembolso anterior à data do pedido, o que desperdiça tempo perseguindo bugs que não podem acontecer. Bibliotecas como factory_boy e ferramentas baseadas em modelos, como estratégias de hipóteses construídas a partir de dataclasses, ajudam a manter essas regras em um só lugar.
Casos extremos que Faker não lhe dará
Faker produz valores típicos. Os bugs vivem em locais atípicos, então mantenha uma lista escrita à mão e misture-a:
edge_names = ["", " ", "O'Brien", "Zoë", "李小龙", "a" * 255,
"Robert'); DROP TABLE students;--", " padded "]
Valores vazios e somente espaços em branco, apóstrofos, acentos, scripts não latinos, comprimentos máximos e strings que se parecem com validação de captura de código, escape e exibição de bugs. A análise de valor limite informa quais limites numéricos adicionar, e os testes baseados em propriedades geram entradas estranhas automaticamente.
Dica: O Faker usa o módulo padrão random do Python, que é previsível por design, especialmente quando propagado. Nunca use-o para gerar senhas reais, chaves de API, tokens ou códigos únicos. Use o módulo secrets para qualquer coisa relacionada à segurança.
Mascarando dados de produção
def mask_email(e):
h = hashlib.sha256(e.encode()).hexdigest()[:8]
return f"user_{h}@example.test"
mask_email("asha.rao@gmail.com") # user_fbb1af74@example.test (same input, same output)
Às vezes, distribuições realistas são importantes, por exemplo, para testes de desempenho ou análises. Então as equipes copiam a produção e a mascaram. O mascaramento consistente, onde a mesma entrada sempre mapeia para o mesmo valor falso, mantém as junções entre tabelas funcionando. Mas mascarar é mais difícil do que parece: notas em texto livre, endereços em comentários e combinações de campos inofensivos ainda podem identificar pessoas. Um simples hash de um e-mail também pode ser revertido adivinhando endereços comuns, a menos que uma chave secreta seja adicionada. Envolva sua equipe de segurança ou privacidade e prefira os dados gerados sempre que forem bons o suficiente.
Velocidade e volume
10,000 name + email rows: 1.79s
Faker funciona bem para milhares de registros, mas fica lento em milhões. Para grandes conjuntos de dados de desempenho, gere uma vez e reutilize o arquivo, use bibliotecas mais rápidas, como Mimesis, gere dentro do banco de dados com SQL ou carregue em massa com as ferramentas de importação do banco de dados. As orientações para testes de carga estão em nosso guia de testes de carga versus estresse.
Usando-o em testes
# conftest.py (illustration, not run for this article)
import pytest
from faker import Faker
@pytest.fixture
def fake():
f = Faker("en_IN")
f.seed_instance(1234)
return f
def test_signup(fake):
user = {"name": fake.name(), "email": fake.unique.email()}
...
Um fixture propagado fornece dados previsíveis a cada teste e seed_instance evita que os testes afetem uns aos outros por meio de uma semente global compartilhada. pytest também vem com um plugin Faker com o próprio Faker, fornecendo um acessório faker. Consulte nosso guia de fixtures pytest para escopos de fixtures e limpeza.
Melhores práticas
- Nunca use dados pessoais reais em ambientes de teste sem mascaramento aprovado.
- Geradores de sementes e registre a semente para cada execução.
- Gere os dados mínimos que cada teste precisa, criados pelo próprio teste.
- Mantenha as regras de negócios nas fábricas para que os registros sejam sempre válidos.
- Misture em uma lista mantida de casos extremos.
- Limpe os dados gerados ou execute cada teste em uma transação revertida.
Dados de teste para cada nível de teste
| Nível de teste | Boa fonte de dados | Por que |
|---|---|---|
| Testes unitários | Valores escritos à mão e alguns casos extremos | Exato, legível, rápido |
| Testes de integração e API | Fábricas semeadas usando Faker | Realista e repetível, criado por teste |
| Testes ponta a ponta | Um pequeno conjunto de dados de linha de base conhecido, além dos dados que cada teste cria | Ponto de partida estável para jornadas do usuário |
| Testes de desempenho | Grandes conjuntos de dados gerados ou mascarados | Volume e distribuição realistas |
| Teste exploratório | Dados gerados variados e confusos entre localidades | Apresenta comportamento inesperado |
A correspondência da fonte de dados com o nível de teste mantém os testes rápidos simples e os testes lentos realistas. Os níveis mais baixos precisam de precisão; níveis mais altos precisam de variedade e volume. A pirâmide de teste explica como esses níveis se encaixam.
Qualquer que seja o nível, torne cada teste responsável pelos dados dos quais depende. Um teste que depende silenciosamente de um registro criado por outro teste, ou que sobrou da semana passada, acabará falhando por motivos que não têm nada a ver com o código em teste.
Considerações finais
Faker transforma dados de teste de uma tarefa árdua em algumas linhas de código: nomes, e-mails e endereços realistas em vários idiomas, repetíveis com uma semente e seguros porque nada é real. Porém, ele produz dados típicos, portanto, adicione seus próprios casos extremos e regras de negócios, mantenha-os longe de valores de segurança e prefira os dados gerados em vez de cópias de produção sempre que possível.
Perguntas frequentes
O que é geração de dados de teste?
Criar dados artificiais, mas realistas, para testes, para que os testes tenham a variedade e o volume necessários sem usar informações reais do cliente.
Como obtenho os mesmos dados do Faker a cada execução?
Semeie-o com Faker.seed(n) ou fake.seed_instance(n). Com a mesma semente e versão, produz os mesmos valores.
Como evito valores duplicados com Faker?
Use o proxy exclusivo, como em fake.unique.email(). Ele gera UniquenessException quando nenhum valor novo permanece e você pode redefini-lo com fake.unique.clear().
O Faker é seguro para senhas ou tokens?
Não. Faker usa números pseudo-aleatórios previsíveis. Use o módulo secrets do Python para qualquer valor sensível à segurança.
Devo usar dados de produção para testes?
Evite-o sempre que possível. Se distribuições realistas forem essenciais, use cópias devidamente mascaradas e aprovadas pela sua equipe de privacidade ou segurança.
Continue aprendendo
Precisa de ajuda com testes, WordPress ou SEO?
Ajudamos as equipes a fornecer software melhor e a expandir seus sites. Conte-nos no que você está trabalhando e sugeriremos um próximo passo claro.
Mais guias sobre testes, IA e desenvolvimento moderno
Gostou deste artigo? Escolha um tópico e vá direto para nossos tutoriais mais recentes.
Estratégias de chunking RAG explicadas: fixo, sobreposição, frase, recursivo e títulos, medidos
Estratégias de chunking RAG comparadas em um documento com tiktoken 0.14: tamanho fixo, sobreposição, empacotamento de frases, divisão recursiva e p…
Leia o artigo →Desenvolvimento de softwareExplicação da idempotência da API: chaves de idempotência e novas tentativas seguras, testadas
A idempotência da API explicada com um servidor e cliente Python que executamos: uma resposta perdida causava uma cobrança dupla sem uma chave e uma…
Leia o artigo →DevOpsGit Stash explicado: salvar, aplicar, abrir e não rastrear arquivos, testado
Git stash explicado com comandos que executamos no Git 2.56: push com uma mensagem, arquivos não rastreados, listar e mostrar, aplicar vs pop, mante…
Leia o artigo →Teste de softwareExplicação do teste em pares: como todos os pares reduzem 216 testes para 13, testados
Testes em pares explicados com um gerador que executamos em Python 3.13: um checkout com 216 combinações cobertas por 13 testes, cobertura verificad…
Leia o artigo →Automação de testesDuplas de teste explicadas: Dummy, Stub, Spy, Mock e Fake, com código Python testado
O teste duplo é explicado com um exemplo de Python executado no pytest 9.2: dummy, stub, spy, mock e fake, quando usar cada um, verificações de esta…
Leia o artigo →Bancos de dados e SQLSQL COALESCE explicado: padrões, NULLIF, IFNULL vs ISNULL e traps, testados
SQL COALESCE explicado com consultas que executamos no SQLite 3.50: primeiros valores não nulos, strings vazias, NULL em matemática, NULLIF para div…
Leia o artigo →Bancos de dados e SQLSQL Self Join explicado: funcionário-gerente, comparações de pares e linhas, testado
Auto-junção SQL explicada com consultas que executamos no SQLite 3.50: funcionário e gerente, ganhando mais que o gerente, pares únicos, alterações …
Leia o artigo →Desenvolvimento de softwareExplicação do operador JavaScript Spread: Spread vs Rest, cópias e pegadinhas, testado
O operador de propagação JavaScript explicado com o código que executamos no Nó 24: arrays, objetos, cópias superficiais, parâmetros restantes, o li…
Leia o artigo →Desenvolvimento de softwareMódulo de coleções Python explicado: contador, defaultdict, deque e mais, testado
Coleções Python explicadas com código que executamos em Python 3.13: Counter, defaultdict, deque, nomeadotuple, OrderedDict e ChainMap, além de um t…
Leia o artigo →Inteligência artificialJanela de contexto LLM explicada: tokens, limites e como ajustar mais, medidos
A janela de contexto do LLM explicada com contagens de tokens que medimos usando tiktoken: palavras versus tokens para prosa, código e hindi, orçame…
Leia o artigo →Desenvolvimento de softwareWebhooks explicados: como funcionam e como recebê-los com segurança
Webhooks explicados com um receptor e remetente que executamos em Python: push vs polling, assinaturas HMAC-SHA256, rejeição de solicitações adulter…
Leia o artigo →DevOpsGit Cherry-Pick explicado: copie o commit que você precisa, com segurança e testado
Git cherry-pick explicado com comandos que executamos no Git 2.56: copiar um hotfix para um branch de lançamento, novos hashes e patch-ids, -x, -n, …
Leia o artigo →Automação de testesExplicação do teste instantâneo: como funciona, quando ajuda e quando dói
O teste de instantâneo foi explicado com uma demonstração pytest e xaroposa que executamos: criação de instantâneos, leitura da diferença após uma a…
Leia o artigo →Teste de softwareExplicação do teste de mutação: por que a cobertura de 100% ainda não percebeu nosso bug
Os testes de mutação explicados com uma pequena ferramenta de mutação que construímos e executamos: 14 mutantes, um conjunto de testes com 100% de c…
Leia o artigo →Inteligência artificialExplicação da injeção imediata: como os aplicativos de IA são enganados e como defendê-los
Injeção imediata explicada para construtores: ataques diretos e indiretos, por que os filtros de palavras-chave falham (nosso teste bloqueou 1 de 4)…
Leia o artigo →DevOpsRegistros DNS explicados: A, AAAA, CNAME, MX, TXT e TTL com pesquisas reais
Registros DNS explicados com pesquisas que executamos: como funciona a resolução, A e AAAA, regras CNAME, MX e MX nulo, TXT para SPF e verificação, …
Leia o artigo →DevOpsSinalizadores de recursos explicados: lançamentos seguros, lançamentos graduais e higiene de sinalizadores
Sinalizadores de recursos explicados com uma simulação de implementação que executamos: tipos de sinalizadores, implementações percentuais com hashi…
Leia o artigo →Automação de testesGeração de dados de teste com Python Faker: dados realistas, repetíveis e seguros
Teste a geração de dados com Python Faker, execute e meça: propagação de dados repetíveis, localidades, valores exclusivos, registros em formato de …
Leia o artigo →Teste de softwareExplicação do teste Shift-Left: Encontre bugs mais cedo, sem atrasar a equipe
O teste shift-left explicou: o que significa, por que os defeitos iniciais são mais baratos, práticas desde revisões de requisitos até verificações …
Leia o artigo →Bancos de dados e SQLFunções de string SQL explicadas: TRIM, SUBSTR, REPLACE, CONCAT e limpeza de dados
Funções de string SQL explicadas com consultas que executamos: concatenação e NULL, TRIM, UPPER e LOWER, SUBSTR e INSTR, REPLACE, preenchimento, com…
Leia o artigo →Bancos de dados e SQLExplicação dos gatilhos SQL: gatilhos ANTES e DEPOIS, registros de auditoria e armadilhas
Gatilhos SQL explicados com gatilhos que executamos: ANTES vs DEPOIS, ANTIGO e NOVO, logs de auditoria, validação, atualizações de estoque, condiçõe…
Leia o artigo →Desenvolvimento de softwareMódulo JSON Python explicado: dumps, carregamentos, tipos personalizados e erros comuns
O módulo Python JSON explicado com o código que executamos: dumps e carregamentos, arquivos, conversões de tipo, datas e decimais, codificadores per…
Leia o artigo →Desenvolvimento de softwareMódulos ES vs CommonJS: como funcionam as importações de JavaScript em Node.js, testado
Módulos ES vs CommonJS explicados com código que executamos em Node.js: sintaxe de importação e exportação, require, vinculações ativas, cache, espe…
Leia o artigo →Desenvolvimento de softwarePython Regex explicado: padrões, grupos, antecipações e armadilhas, testados
Regex Python explicado com padrões que executamos: pesquisa vs correspondência, findall, grupos e grupos nomeados, ganancioso vs preguiçoso, sub, lo…
Leia o artigo →Inteligência artificialExplicação da saída estruturada do LLM: obtendo JSON confiável de modelos de IA
Saída estruturada do LLM explicada com validação que executamos no Pydantic: modo JSON e esquemas, decodificação restrita, formas de quebra de saída…
Leia o artigo →DevOpsChaves SSH explicadas: como funcionam, ssh-keygen, Ed25519 e hábitos seguros
Chaves SSH explicadas com chaves que geramos: chaves públicas versus privadas, ssh-keygen, Ed25519 versus RSA, impressões digitais, senhas, agente s…
Leia o artigo →DevOpsCache HTTP explicado: controle de cache, ETag e respostas 304, com um teste ao vivo
Cache HTTP explicado com um pequeno servidor que executamos: diretivas Cache-Control, idade máxima, sem cache vs sem armazenamento, revalidação de E…
Leia o artigo →Automação de testesTeste de contrato de API explicado: detecte alterações importantes antes de serem enviadas
O teste de contrato de API foi explicado com uma verificação de esquema que executamos: o que é um contrato, contratos orientados ao consumidor, Pac…
Leia o artigo →Teste de softwareTestes baseados em riscos explicados: avalie os riscos, construa uma matriz e teste o que é importante
Testes baseados em riscos explicados passo a passo: identificação de riscos, pontuação de probabilidade e impacto, construção de uma matriz de risco…
Leia o artigo →Bancos de dados e SQLRestrições SQL explicadas: NOT NULL, UNIQUE, CHECK e FOREIGN KEY, testadas
Restrições SQL explicadas com testes que executamos: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY e FOREIGN KEY, as lacunas NULL, configuração de chave…
Leia o artigo →Bancos de dados e SQLFunções de data SQL explicadas: adicionando, comparando e agrupando datas sem bugs
Funções de data SQL explicadas com consultas que executamos: adição de intervalos, surpresas de final de mês, diferenças de data, armadilha BETWEEN,…
Leia o artigo →Desenvolvimento de softwarePython assíncio explicado: assíncrono, espera, coleta e TaskGroup com Real Timings
Python asyncio explicado com código que cronometramos: corrotinas, espera, coleta, TaskGroup, tratamento de erros, tempos limite, limitação de simul…
Leia o artigo →Desenvolvimento de softwareDebounce vs Throttle em JavaScript: como funcionam, quando usar cada um, testado
Debounce vs. acelerador em JavaScript explicado com tempos que medimos em Node.js: como cada um funciona, implementações simples, chamadas iniciais …
Leia o artigo →Desenvolvimento de softwareGerenciadores de contexto Python explicados: a instrução with, contextlib e usos reais
Os gerenciadores de contexto Python explicados com o código que executamos: como funciona, __enter__ e __exit__, contextlib.contextmanager, supressã…
Leia o artigo →Inteligência artificialTemperatura LLM e Top-p explicados: como os modelos de IA escolhem sua próxima palavra
Temperatura LLM e top-p explicados com uma simulação que executamos: como as probabilidades são remodeladas, o que top-p mantém, configurações recom…
Leia o artigo →DevOpsYAML explicado: sintaxe, o problema da Noruega e outras armadilhas que testamos
YAML explicado com um teste de analisador: sintaxe básica, listas e mapas, o problema da Noruega, versões que se transformam em carros flutuantes, c…
Leia o artigo →DevOpsCron Jobs explicado: sintaxe, programações reais e os erros que os quebram
Cron jobs explicados com cronogramas que verificamos: os cinco campos, operadores, exemplos reais, a armadilha do dia do mês OU do dia da semana, pr…
Leia o artigo →Inteligência artificialExplicação das alucinações de IA: por que os modelos de linguagem inventam as coisas e como reduzi-las
Explicação das alucinações de IA: o que são, por que os modelos de linguagem as produzem, tipos comuns, como reduzi-las com aterramento e instruções…
Leia o artigo →DevOpsVariáveis de ambiente explicadas: arquivos .env, segredos e configuração bem feitos
Variáveis de ambiente explicadas com exemplos de Python que executamos: leitura e configuração, por que cada valor é uma string, arquivos .env, hera…
Leia o artigo →Desenvolvimento de softwareExplicação da limitação de taxa de API: algoritmos, cabeçalhos e tratamento de erros 429
Limitação de taxa de API explicada com uma simulação que executamos: token bucket, janela fixa, janela deslizante, 429 respostas, cabeçalhos de limi…
Leia o artigo →Automação de testesZombando em Python: unittest.mock, patch e os erros que fazem os testes mentirem
Zombaria em Python com unittest.mock, testado: Mock e return_value, side_effect, patch onde um nome é usado, especificação e autospec, zombaria de d…
Leia o artigo →Teste de softwareCobertura de código explicada: cobertura de linha versus filial e o que 100% realmente significa
Cobertura de código explicada com uma execução cobertura.py real: cobertura de linha, ramal e condição, leitura de um relatório, por que 100% de cob…
Leia o artigo →Bancos de dados e SQLDELETE vs TRUNCATE vs DROP em SQL: diferenças, reversão e quando usar cada um
DELETE vs TRUNCATE vs DROP explicado com SQL testado: o que cada um remove, rollback, aciona, redefinição de identidade, velocidade e como PostgreSQ…
Leia o artigo →Bancos de dados e SQLExibições SQL explicadas: crie, use e evite as armadilhas, com exemplos
Visualizações SQL explicadas com consultas que executamos: criação de uma visualização, resultados ao vivo, ocultação de colunas, desempenho, visual…
Leia o artigo →Desenvolvimento de softwareInterface TypeScript vs tipo: diferenças reais, testadas com o compilador
Interface TypeScript versus tipo, verificada com o compilador real: o que ambos podem fazer, o que apenas um pode fazer, mesclagem de declarações, e…
Leia o artigo →Desenvolvimento de softwarePython *args e **kwargs explicados: funções flexíveis com exemplos claros
Python *args e **kwargs explicados com o código que executamos: empacotamento e descompactação, ordem dos parâmetros, argumentos somente de palavras…
Leia o artigo →Desenvolvimento de softwareFunções Python Lambda: sintaxe, usos reais e quando não usá-los
Funções lambda do Python explicadas com o código que executamos: sintaxe, classificação com chave, mapa e filtro, fechamentos, armadilha de ligação …
Leia o artigo →Inteligência artificialO que são agentes de IA? Como eles funcionam, com um loop de agente simples que você pode executar
O que são agentes de IA? Um guia simples para o loop do agente, ferramentas, memória e proteções, com um pequeno loop Python que executamos, riscos …
Leia o artigo →DevOpsMonitoramento versus observabilidade: a verdadeira diferença, com logs, métricas e rastreamentos
Explicação do monitoramento versus observabilidade: falhas conhecidas e desconhecidas, logs, métricas e rastreamentos, um passo a passo do incidente…
Leia o artigo →DevOpsDocker Volumes vs Bind Mounts: persista os dados do contêiner da maneira certa
Volumes Docker versus montagens de ligação explicadas: por que os dados do contêiner desaparecem, volumes nomeados, montagens de ligação, tmpfs, exe…
Leia o artigo →Automação de testesTDD vs BDD: principais diferenças, um recurso criado de ambas as maneiras e quando usar cada um
TDD vs BDD explicado com um recurso de desconto construído em ambos os sentidos: refatoração vermelho-verde com o código que executamos, cenários da…
Leia o artigo →Teste de softwareTeste de aceitação do usuário (UAT): processo, lista de verificação e exemplos reais
Explicação do teste de aceitação do usuário: quem o executa, como ele difere do controle de qualidade, um processo de sete etapas, um modelo de caso…
Leia o artigo →Bancos de dados e SQLValores SQL NULL explicados: IS NULL, COALESCE, NULLIF e as armadilhas a serem evitadas
Valores SQL NULL explicados com consultas que executamos: lógica de três valores, IS NULL, COALESCE, NULLIF, como agregações, junções e classificaçã…
Leia o artigo →Bancos de dados e SQLInstrução SQL CASE WHEN: sintaxe, exemplos reais e erros comuns
SQL CASE WHEN explicado com consultas que executamos: formulários simples e pesquisados, ordem de condição, pivôs com SUM, truques COUNT, classifica…
Leia o artigo →Desenvolvimento de softwareO que é JWT? JSON Web Tokens explicados com um exemplo prático
O que é JWT? JSON Web Tokens explicados: as três partes, um token construído e adulterado no código que executamos, JWT vs sessões, armazenamento, t…
Leia o artigo →Desenvolvimento de softwareLoop de eventos JavaScript explicado: pilha de chamadas, microtarefas e temporizadores com exemplos
O loop de eventos JavaScript explicado com o código que executamos: pilha de chamadas, filas de tarefas e microtarefas, por que setTimeout 0 não é i…
Leia o artigo →Desenvolvimento de softwareGeradores Python e rendimento explicado: economize memória com exemplos reais
Geradores Python e rendimento explicados com o código que executamos: como eles pausam e reiniciam, medem economia de memória, pipelines, sequências…
Leia o artigo →Inteligência artificialO que são incorporações? Similaridade de vetores e cossenos explicada de forma simples
O que são incorporações? Um guia em linguagem simples para vetores, similaridade de cossenos e pesquisa semântica, com um pequeno exemplo que execut…
Leia o artigo →DevOpsImplantação azul-verde vs canário: diferenças, compensações e como escolher
Explicação da implantação azul-verde versus canário: como cada um funciona, custo, risco e reversão, agrupamento estável de usuários que testamos, m…
Leia o artigo →Automação de testesTestes instáveis: o que os causa e como corrigi-los para sempre
Testes instáveis explicados com demonstrações que executamos: as principais causas, como confirmar e diagnosticar uma, soluções adequadas para tempo…
Leia o artigo →Teste de softwareTeste de carga versus teste de estresse: diferenças, métricas e exemplos k6
Teste de carga versus teste de estresse explicado: o que cada um prova, testes de pico e absorção, as métricas que importam, por que as médias engan…
Leia o artigo →Teste de softwareCaso de teste versus cenário de teste: principais diferenças, exemplos e quando usar cada um
Caso de teste vs cenário de teste explicado: definições claras, uma tabela lado a lado, um recurso de redefinição de senha retirado de cenários para…
Leia o artigo →Bancos de dados e SQLOtimização de consultas SQL: leia planos de execução e corrija consultas lentas, com intervalos
Otimização de consulta SQL testada em um milhão de linhas: leia planos de execução, adicione os índices corretos, corrija filtros não sargáveis, use…
Leia o artigo →Bancos de dados e SQLSQL UNION vs UNION ALL: diferenças, exemplos e desempenho testado
SQL UNION vs UNION ALL explicado com consultas que executamos: duplicatas, as regras que ambos seguem, um bug de dados real, desempenho medido, INTE…
Leia o artigo →Desenvolvimento de softwareTutorial da API JavaScript Fetch: GET, POST, tratamento de erros e tempos limite
Um tutorial da API JavaScript Fetch testado em um servidor local: GET e POST, por que 404 não lança, um auxiliar reutilizável, strings de consulta, …
Leia o artigo →Desenvolvimento de softwareManipulação de arquivos Python: leitura, gravação, CSV, JSON e pathlib com exemplos
Manipulação de arquivos Python explicada com código que executamos: modos abertos, com, leitura de arquivos grandes, CSV, JSON, pathlib, arquivos bi…
Leia o artigo →Desenvolvimento de softwareClasses e objetos Python: tutorial OOP com exemplos reais
Classes e objetos Python explicados com código que executamos: __init__, métodos, atributos de classe vs instância, herança, propriedades, métodos d…
Leia o artigo →Inteligência artificialO que é um modelo de linguagem grande? Como funcionam os LLMs, explicado sem exageros
O que é um modelo de linguagem grande? LLMs explicados em linguagem simples: tokens, incorporações, atenção, treinamento, temperatura e janelas de c…
Leia o artigo →DevOpsComandos Linux para iniciantes: o guia essencial do terminal com exemplos
Comandos Linux para iniciantes, agrupados por tarefa: navegação, arquivos, visualização de logs, grep, pipes, permissões, processos e arquivos, com …
Leia o artigo →Automação de testesSelenium vs Playwright: principais diferenças, código comparado e qual escolher
Selenium vs Playwright comparado: arquitetura, espera, suporte a navegador e linguagem, depuração, o mesmo teste em ambas as ferramentas, conselhos …
Leia o artigo →Teste de softwareParticionamento de equivalência: técnica de design de teste explicada com exemplos resolvidos
Explicação do particionamento de equivalência: como encontrar partições válidas e inválidas, exemplos resolvidos para idades, senhas e cupons, teste…
Leia o artigo →Teste de softwareGravidade vs Prioridade em Testes de Software: Diferenças, Matriz e Exemplos Reais
Explicação da gravidade versus prioridade em testes de software: definições claras, uma matriz de quatro vias com exemplos, escalas de nível, quem d…
Leia o artigo →Bancos de dados e SQLTutorial de subconsultas SQL: tipos, subconsultas correlacionadas e EXISTS com exemplos
Um tutorial de subconsultas SQL com consultas que executamos: subconsultas escalares, IN, FROM e SELECT, subconsultas correlacionadas, EXISTS, a arm…
Leia o artigo →Bancos de dados e SQLTransações SQL e ACID explicados: COMMIT, ROLLBACK e níveis de isolamento
Transações SQL e ACID explicadas com uma transferência bancária que executamos: COMMIT, ROLLBACK, savepoints, locks, níveis de isolamento, leituras …
Leia o artigo →Desenvolvimento de softwareFolha de dicas dos comandos do Git: os comandos que você realmente usa, com exemplos
Uma folha de dicas de comandos Git agrupada por tarefa: configuração, preparação, ramificações, controles remotos, stash, histórico e desfazer erros…
Leia o artigo →Desenvolvimento de softwareExplicação das promessas de JavaScript: então, catch, Promise.all e erros comuns
Promessas JavaScript explicadas com o código que executamos: estados, cadeias then e catch, tratamento de erros, Promise.all, allSettled, race e any…
Leia o artigo →Desenvolvimento de softwareTutorial do dicionário Python: métodos, exemplos e padrões comuns
Um tutorial de dicionário Python com código que executamos: criar, ler e atualizar dictos, métodos-chave, mesclagem, compreensão, padrões de contage…
Leia o artigo →Inteligência artificialO que é RAG? Geração aumentada de recuperação explicada com um exemplo prático
O que é RAG? Geração aumentada de recuperação explicada passo a passo: indexação, chunking, embeddings, recuperação, um pequeno exemplo funcional de…
Leia o artigo →DevOpsTutorial Terraform para iniciantes: infraestrutura como código do primeiro arquivo aos módulos
Um tutorial do Terraform para iniciantes: comece sem conta na nuvem, aprenda como iniciar, planejar e aplicar, depois variáveis, saídas, estado, mód…
Leia o artigo →DevOpsDocker vs Kubernetes: principais diferenças, como eles funcionam juntos e o que você precisa
Docker vs Kubernetes explicado: o que cada um faz, o mesmo aplicativo rodando com ambos, Docker Compose e Swarm comparados, a mudança do dockershim …
Leia o artigo →Automação de testesTutorial Pytest para iniciantes: luminárias, parametrização e exemplos reais
Um tutorial pytest para iniciantes com testes que executamos no pytest 9.2: asserções, fixtures, parametrizar, conftest, marcadores, tmp_path, monke…
Leia o artigo →Teste de softwareCiclo de vida de teste de software (STLC): 6 fases, critérios de entrada e saída, exemplo
O ciclo de vida de teste de software explicou: seis fases do STLC com critérios de entrada e saída, resultados, um exemplo de recurso de login funci…
Leia o artigo →Desenvolvimento de softwareGit merge vs rebase: diferenças, exemplos e quando usar cada um
Git merge vs rebase explicado com saída real do log, uma tabela comparativa, a regra de ouro do rebase e um fluxo de trabalho seguro para equipes.
Leia o artigo →Desenvolvimento de softwareList comprehension em Python: sintaxe, exemplos e quando evitar
List comprehension em Python explicada: sintaxe, filtros, if-else, laços aninhados, tempos medidos e quando um laço for comum é a melhor escolha.
Leia o artigo →Bancos de dados e SQLSQL JOIN explicado com exemplos (Inner, Left, Right, Full)
Entenda os joins SQL passo a passo com tabelas e consultas de exemplo: INNER, LEFT, RIGHT, FULL, CROSS e SELF, além de erros comuns e dicas de desem…
Leia o artigo →