Paarweises Testen erklärt: Wie All-Pairs 216 Tests auf 13 reduziert, getestet
Paarweises Testen ist eine Testentwurfstechnik, die jede Wertekombination für jedes Eingabepaar abdeckt, ohne jede vollständige Kombination zu testen. Erfahren Sie, wie die Checkout-Matrix von 216 auf 13 geschrumpft ist, wie wir die Abdeckung überprüft haben und wo sie unzureichend ist.
- Paarweises Testen (Testen aller Paare) stellt sicher, dass jeder Wert jeder Eingabe mindestens einmal mit jedem Wert jeder anderen Eingabe erscheint.
- Unser Generator deckte in 13 Tests alle 89 Wertepaare eines Fünf-Eingabe-Checkouts gegenüber 216 umfassenden Kombinationen ab.
- Mit 13 Eingaben mit jeweils 3 Werten deckten 22 Tests jedes Paar eines Raums von 1.594.323 Kombinationen ab.
- Es findet Fehler mit zwei Faktoren zuverlässig, kann jedoch Fehler mit drei Faktoren übersehen: Unser Set hatte keinen Safari + UPI + Französisch-Test.
Moderne Software läuft auf einer Vielzahl von Kombinationen: Browser, Betriebssysteme, Sprachen, Zahlungsmethoden, Kontotypen, Funktionsflags. Das Testen jeder Kombination wird schnell unmöglich. Fünf Einstellungen mit jeweils einer Handvoll Werten ergeben bereits Hunderte Fälle, und jede neue Einstellung vervielfacht die Summe noch einmal. Paarweises Testen ist eine systematische Methode, um diese Zahl zu reduzieren und gleichzeitig die Kombinationen beizubehalten, die am wahrscheinlichsten Fehler aufdecken.
Wir haben einen kleinen paarweisen Generator in Python 3.13 erstellt, ihn an einem realistischen Checkout-Beispiel ausgeführt und einen separaten Check geschrieben, um sicherzustellen, dass jedes Paar wirklich abgedeckt ist. Die folgenden Zahlen stammen aus diesem Lauf. Wenn Sie mit dem Testen von Entwurfstechniken noch nicht vertraut sind, sind unsere Leitfäden zur Äquivalenzpartitionierung und zur Randwertanalyse gute Begleiter.
Was ist paarweises Testen?
Paarweises Testen ist eine kombinatorische Black-Box-Testdesigntechnik. Für jedes Eingabeparameterpaar wird sichergestellt, dass jede mögliche Kombination ihrer Werte in mindestens einem Test auftritt. Es wird nicht jede Kombination aller Parameter zusammen ausprobiert.
Angenommen, Sie testen Browser und Betriebssystem. Paarweises Testen garantiert, dass Chrome unter Windows, Chrome unter macOS, Safari unter Android und jedes andere Browser-Betriebssystem-Paar irgendwo angezeigt wird. Da ein Testfall viele Paare gleichzeitig enthält (Browser-Betriebssystem, Browser-Sprache, Betriebssystem-Zahlung usw.), kann eine kleine Reihe von Tests sie alle abdecken.
Möglicherweise hören Sie es auch als Testen aller Paare oder als Sonderfall des kombinatorischen Testens mit Stärke 2. Orthogonale Array-Tests sind eine verwandte, eher mathematische Methode zum Aufbau solcher Mengen.
Warum Paare meistens ausreichen
Die Idee basiert auf einer Beobachtung aus Feldstudien: Die meisten Fehler werden durch einen einzelnen Eingabewert oder durch die Interaktion zweier Eingaben ausgelöst. Untersuchungen des US-amerikanischen National Institute of Standards and Technology (NIST) zu echten Fehlern ergaben, dass der Anteil der Fehler, die drei oder mehr interagierende Faktoren erfordern, schnell abnimmt. Paarweise Tests zielen auf die große Mitte ab: Fehler, die nur auftreten, wenn zwei Einstellungen aufeinander treffen, wie z. B. ein Layout, das in Safari nur dann kaputt geht, wenn die Sprache Französisch ist.
Einzelfaktorfehler werden automatisch abgedeckt, da jeder Wert mindestens einmal vorkommt. Die Technik ist eine Wette auf die Wahrscheinlichkeit, keine Garantie, und darauf kommt es später an.
Ein Kassenbeispiel
Wir haben die Checkout-Seite eines Online-Shops mit fünf Parametern modelliert:
| Parameter | Werte | Zählen |
|---|---|---|
| Browser | Chrome, Firefox, Safari | 3 |
| Betriebssystem | Windows, macOS, Android | 3 |
| Zahlung | Karte, UPI, Brieftasche | 3 |
| Benutzertyp | Gast, Mitglied | 2 |
| Sprache | en, hi, fr, es | 4 |
Das Testen jeder Kombination bedeutet 3 × 3 × 3 × 2 × 4 = 216 Tests. Über die zehn Parameterpaare müssen 89 Wertepaare abgedeckt werden. Das theoretische Minimum liegt bei 12 Tests, da allein die beiden größten Parameter Sprache (4) und Browser (3) 12 Paare bilden, die jeweils eine eigene Zeile benötigen.
Die 13 paarweisen Tests
Unser gieriger Generator wählt wiederholt den Testfall aus, der die meisten noch nicht abgedeckten Paare abdeckt, bis keines mehr übrig ist. Es wurden 13 Tests durchgeführt:
| # | Browser | Betriebssystem | Zahlung | Benutzer | Sprache |
|---|---|---|---|---|---|
| 1 | Chrom | Windows | Karte | Mitglied | de |
| 2 | Firefox | Windows | UPI | Gast | es |
| 3 | Firefox | macOS | Geldbörse | Mitglied | Hallo |
| 4 | Safari | macOS | Karte | Gast | fr |
| 5 | Chrom | Android | UPI | Mitglied | fr |
| 6 | Safari | Android | Geldbörse | Gast | de |
| 7 | Safari | Windows | UPI | Gast | Hallo |
| 8 | Chrom | macOS | Geldbörse | Gast | es |
| 9 | Safari | Android | Karte | Mitglied | es |
| 10 | Firefox | Windows | Geldbörse | Gast | fr |
| 11 | Firefox | macOS | UPI | Gast | de |
| 12 | Firefox | Android | Karte | Gast | Hallo |
| 13 | Chrom | Windows | Karte | Gast | Hallo |
Das ist eine Reduzierung um 94 %, also einen Test über dem theoretischen Minimum. Einige Kombinationen sind unrealistisch, wie zum Beispiel Safari unter Windows oder Android in Zeile 6. In echten Projekten fügen Sie Einschränkungen hinzu, um unmögliche Paare auszuschließen; Spezielle Tools unterstützen dies direkt.
Überprüfung der Abdeckung
Vertrauen Sie niemals blind einem generierten Satz. Wir haben es mit einer unabhängigen Funktion überprüft, die in den Tests nach jedem Wertepaar sucht:
import itertools
def covered(names, values, tests):
for i, j in itertools.combinations(range(len(names)), 2):
for a in values[i]:
for b in values[j]:
if not any(t[i] == a and t[j] == b for t in tests):
return False
return True
exhaustive: 216 pairwise: 13 all pairs covered: True pairs: 89
Ein Prüfer wie dieser ist auch nützlich, wenn jemand eine paarweise Tabelle später manuell bearbeitet, beispielsweise um eine unrealistische Zeile auszutauschen. Eine unvorsichtige Änderung kann dazu führen, dass ein Paar stillschweigend verloren geht.
Wie paarweise Tests skalieren
Der tatsächliche Gewinn zeigt sich, wenn die Anzahl der Eingaben wächst. Ausführliche Tests wachsen exponentiell, während paarweise Sätze ungefähr mit dem Logarithmus der Anzahl der Parameter wachsen. Wir haben unseren Generator auf drei größeren Konfigurationen betrieben:
| Konfiguration | Umfangreiche Tests | Paarweise Tests |
|---|---|---|
| 10 Parameter × 2 Werte | 1,024 | 11 |
| 20 Parameter × 2 Werte | 1,048,576 | 16 |
| 13 Parameter × 3 Werte | 1,594,323 | 22 |
Alle drei Sets haben die Abdeckungsprüfung bestanden. Zwanzig An/Aus-Feature-Flags haben über eine Million Kombinationen, doch 16 Tests berührten jedes Paar von Flag-Staaten. Ausgereifte Tools erzeugen oft etwas kleinere Mengen als unser einfacher Greedy-Ansatz, aber die Größenordnung ist dieselbe.
Was beim paarweisen Testen fehlt
Paarweises Testen garantiert Paare, keine Tripel. Wir haben in unseren 13 Tests zwei Fehler simuliert:
- Ein Fehler, der Safari + UPI (zwei Faktoren) erfordert, wurde durch Test 7 entdeckt.
- Ein Fehler, der Safari + UPI + Französisch (drei Faktoren) erfordert, wurde übersehen. Kein Test kombinierte alle drei.
Ein dritter simulierter Fehler, Safari + UPI + Hindi, wurde zufällig entdeckt, weil Test 7 Hindi beinhaltet, aber das war eher Glück als Design. Wenn Wechselwirkungen zwischen drei Einstellungen in Ihrem System riskant sind, erhöhen Sie die Stärke auf 3-Wege-Tests. Werkzeuge unterstützen jede Stärke, allerdings auf Kosten weiterer Tests.
Tipp: Beim paarweisen Testen wird ausgewählt, welche Kombinationen ausgeführt werden sollen, nicht welche Werte. Wählen Sie zuerst Werte mit Äquivalenzpartitionierung und Grenzanalyse aus, sonst decken Sie jedes Paar falscher Eingaben ab.
Paarweises Testen Schritt für Schritt
- Listen Sie die Parameter auf, die das Verhalten ändern: Umgebung, Eingaben, Einstellungen, Benutzerrollen.
- Wählen Sie für jeden repräsentative Werte und verwenden Sie dabei Partitionen und Grenzen statt jeden möglichen Wert.
- Fügen Sie Einschränkungen hinzu für unmögliche Kombinationen, wie z. B. Safari nur auf macOS und iOS.
- Erzeugen Sie den Satz mit einem Werkzeug und notieren Sie seine Stärke (2-Wege, 3-Wege).
- Überprüfen Sie die Abdeckung mit dem Bericht des Tools oder einem Prüfgerät wie unserem.
- Fügen Sie unbedingt erforderliche Fälle hinzu von Hand: die häufigste reale Konfiguration und jede Kombination, die zuvor fehlgeschlagen ist.
- Definieren Sie die erwarteten Ergebnisse für jede Zeile und automatisieren Sie sie dann, wo möglich, zum Beispiel als parametrisierten Test.
Paarweise Testwerkzeuge
Sie müssen selten einen eigenen Generator schreiben. Microsofts Open-Source-PICT ist ein weit verbreitetes Befehlszeilentool mit Einschränkungsunterstützung. In Python generiert das Paket allpairspy Paare und das ACTS-Tool von NIST unterstützt höhere Stärken. Wir haben diese Tools für diesen Artikel nicht ausgeführt; Unsere Zahlen stammen von unserem eigenen Generator. Was auch immer Sie verwenden, speisen Sie das Ergebnis in datengesteuerte Tests ein, wie in unserem Leitfaden zur Testdatengenerierung gezeigt.
Wann sollten paarweise Tests verwendet werden?
Verwenden Sie es, wenn Sie mehrere unabhängige Parameter mit jeweils wenigen Werten haben: Browser- und Gerätematrizen, Konfigurationsoptionen, Formularfelder mit Dropdowns, API-Abfrageparameter und Feature-Flag-Kombinationen. Überspringen Sie es, wenn Parameter stark voneinander abhängen, wenn eine einzelne Eingabe einen großen Bereich hat (verwenden Sie stattdessen die Grenzanalyse) oder wenn es sich bei den Geschäftsregeln um explizite Bedingungen handelt, die mit Entscheidungstabellentests besser zu bewältigen sind. Bei sicherheitskritischen Systemen ist „paarweise“ eine Untergrenze, keine Obergrenze.
Fazit
Paarweises Testen verwandelt eine unmögliche Matrix in eine kurze, vertretbare Liste. In unserem Checkout-Beispiel deckten 13 Tests jedes Paar ab, das 216 umfassende Tests abgedeckt hätten, und die Einsparungen stiegen mit mehr Eingaben dramatisch an. Wählen Sie zunächst gute Werte, fügen Sie Einschränkungen und Must-Have-Fälle hinzu, überprüfen Sie die Abdeckung und erhöhen Sie die Stärke dort, wo Drei-Wege-Interaktionen ein echtes Risiko darstellen. Dann verbringen Sie die Zeit, die Sie gespart haben, mit den riskantesten Bereichen, wie in unserem Leitfaden für risikobasierte Tests beschrieben.
Häufige Fragen
Was ist paarweises Testen beim Softwaretesten?
Es handelt sich um eine kombinatorische Testentwurfstechnik, die jede Wertekombination für jedes Paar von Eingabeparametern mindestens einmal abdeckt und dabei weitaus weniger Tests als umfassende Tests erfordert.
Ist paarweises Testen dasselbe wie alle paarweises Testen?
Ja. All-Pair-Testing ist ein anderer Name dafür. Beides bedeutet 2-Wege-kombinatorisches Testen, bei dem jedes Paar von Parameterwerten in mindestens einem Test vorkommt.
Wie viele Testfälle sind für paarweise Tests erforderlich?
Es zählt mindestens das Produkt der beiden größten Werte. In unserem Fünf-Parameter-Checkout lag dieser Mindestwert bei 12, und unser Generator erzeugte 13 statt 216 Tests.
Können paarweise Tests Fehler übersehen?
Ja. Es garantiert Paare, sodass Fehler, die drei oder mehr spezifische Werte zusammen benötigen, übersehen werden können. Verwenden Sie für diese Risiken 3-Wege-Tests oder gezielte Fälle.
Welche Tools generieren paarweise Testfälle?
Zu den gängigen Optionen gehören Microsoft PICT, NIST ACTS und das Python-Paket allpairspy. Viele Testmanagement-Tools enthalten auch einen paarweisen Generator.
Lerne weiter
Benötigen Sie Hilfe beim Testen, WordPress oder SEO?
Wir helfen Teams, bessere Software zu liefern und ihre Websites zu erweitern. Sagen Sie uns, woran Sie gerade arbeiten, und wir schlagen Ihnen einen klaren nächsten Schritt vor.
Weitere Anleitungen finden Sie unter Tests, KI und moderne Entwicklung
Hat Ihnen dieser Artikel gefallen? Wählen Sie ein Thema und springen Sie direkt in unsere neuesten Tutorials.
Erklärte RAG-Chunking-Strategien: Fest, Überlappung, Satz, rekursiv und Überschriften, gemessen
RAG-Chunking-Strategien im Vergleich zu einem Dokument mit Tiktoken 0.14: feste Größe, Überlappung, Satzpackung, rekursive Aufteilung und überschrif…
Artikel lesen →SoftwareentwicklungAPI-Idempotenz erklärt: Idempotenzschlüssel und sichere Wiederholungsversuche, getestet
Erklärung der API-Idempotenz anhand eines von uns ausgeführten Python-Servers und -Clients: Eine verlorene Antwort verursachte eine doppelte Gebühr …
Artikel lesen →DevOpsGit Stash erklärt: Speichern, Anwenden, Pop und nicht verfolgte Dateien, getestet
Git Stash erklärt mit Befehlen, die wir auf Git 2.56 ausgeführt haben: Push mit einer Nachricht, nicht verfolgte Dateien, Auflisten und Anzeigen, An…
Artikel lesen →SoftwaretestsPaarweises Testen erklärt: Wie alle Paare 216 Tests auf 13 reduzieren, getestet
Paarweises Testen erklärt mit einem Generator, den wir in Python 3.13 ausgeführt haben: ein Checkout mit 216 Kombinationen, die durch 13 Tests abged…
Artikel lesen →TestautomatisierungTest-Doubles erklärt: Dummy, Stub, Spy, Mock und Fake, mit getestetem Python-Code
Test-Doubles werden anhand eines Python-Beispiels erklärt, das in Pytest 9.2 ausgeführt wird: Dummy, Stub, Spy, Mock und Fake, wann jeweils zu verwe…
Artikel lesen →Datenbanken & SQLSQL COALESCE erklärt: Standardwerte, NULLIF, IFNULL vs. ISNULL und Traps, getestet
SQL COALESCE wurde mit Abfragen erklärt, die wir in SQLite 3.50 ausgeführt haben: erste Nicht-Null-Werte, leere Zeichenfolgen, NULL in Mathematik, N…
Artikel lesen →Datenbanken & SQLSQL Self Join erklärt: Mitarbeiter-Manager, Paare und Zeilenvergleiche, getestet
SQL-Self-Join erklärt anhand von Abfragen, die wir in SQLite 3.50 ausgeführt haben: Mitarbeiter und Manager, mehr verdienen als der Manager, eindeut…
Artikel lesen →SoftwareentwicklungErklärter JavaScript-Spread-Operator: Spread vs. Rest, Kopien und Fallstricke, getestet
Der JavaScript-Spread-Operator wird mit Code erklärt, den wir auf Knoten 24 ausgeführt haben: Arrays, Objekte, flache Kopien, Restparameter, das Mat…
Artikel lesen →SoftwareentwicklungErklärtes Python-Sammlungsmodul: Counter, defaultdict, deque und mehr, getestet
Python-Sammlungen erklärt mit Code, den wir auf Python 3.13 ausgeführt haben: Counter, defaultdict, deque, benannttuple, OrderedDict und ChainMap, p…
Artikel lesen →Künstliche IntelligenzErklärtes LLM-Kontextfenster: Token, Grenzen und wie man mehr einpasst, gemessen
Das LLM-Kontextfenster wird anhand der Token-Anzahl erklärt, die wir mit Tiktoken gemessen haben: Wörter vs. Token für Prosa, Code und Hindi, Eingab…
Artikel lesen →SoftwareentwicklungWebhooks erklärt: Wie sie funktionieren und wie man sie sicher empfängt
Webhooks erklärt mit einem Empfänger und Sender, den wir in Python ausgeführt haben: Push vs. Polling, HMAC-SHA256-Signaturen, Ablehnen manipulierte…
Artikel lesen →DevOpsGit Cherry-Pick erklärt: Kopieren Sie den Commit, den Sie benötigen, sicher und getestet
Git Cherry-Pick erklärt mit Befehlen, die wir in Git 2.56 ausgeführt haben: Kopieren eines Hotfixes in einen Release-Zweig, neue Hashes und Patch-ID…
Artikel lesen →TestautomatisierungSnapshot-Tests erklärt: Wie es funktioniert, wann es hilft und wann es weh tut
Snapshot-Tests erklärt anhand einer Pytest- und Sirup-Demo, die wir ausgeführt haben: Snapshots erstellen, Diff nach einer Codeänderung lesen, Zeits…
Artikel lesen →SoftwaretestsMutationstests erklärt: Warum die 100-prozentige Abdeckung unseren Fehler immer noch übersehen hat
Mutationstests erklärt mit einem kleinen Mutationstool, das wir erstellt und ausgeführt haben: 14 Mutanten, eine Testsuite mit 100 % Linienabdeckung…
Artikel lesen →Künstliche IntelligenzPrompt Injection erklärt: Wie KI-Apps ausgetrickst werden und wie man sie verteidigt
Prompt-Injection erklärt für Builder: direkte und indirekte Angriffe, warum Schlüsselwortfilter fehlschlagen (unser Test hat 1 von 4 blockiert) und …
Artikel lesen →DevOpsErklärte DNS-Einträge: A, AAAA, CNAME, MX, TXT und TTL mit echten Lookups
DNS-Einträge erklärt anhand der von uns durchgeführten Suchvorgänge: Funktionsweise der Auflösung, A und AAAA, CNAME-Regeln, MX und Null-MX, TXT für…
Artikel lesen →DevOpsErklärte Funktionsflags: Sichere Veröffentlichungen, schrittweise Rollouts und Flag-Hygiene
Funktionsflags anhand einer von uns durchgeführten Rollout-Simulation erklärt: Flag-Typen, prozentuale Rollouts mit stabilem Hashing, Kill-Switches,…
Artikel lesen →TestautomatisierungTestdatengenerierung mit Python Faker: Realistische, wiederholbare und sichere Daten
Testen Sie die Datengenerierung mit Python Faker, führen Sie sie aus und messen Sie sie: Seeding für wiederholbare Daten, Gebietsschemata, eindeutig…
Artikel lesen →SoftwaretestsShift-Left-Tests erklärt: Finden Sie Fehler früher, ohne das Team zu verlangsamen
Shift-Left-Tests erklärt: Was es bedeutet, warum Frühdefekte günstiger sind, Vorgehensweisen von Anforderungsüberprüfungen bis hin zu CI-Prüfungen, …
Artikel lesen →Datenbanken & SQLErklärte SQL-String-Funktionen: TRIM, SUBSTR, REPLACE, CONCAT und Datenbereinigung
SQL-String-Funktionen, die mit von uns ausgeführten Abfragen erklärt wurden: Verkettung und NULL, TRIM, UPPER und LOWER, SUBSTR und INSTR, REPLACE, …
Artikel lesen →Datenbanken & SQLErklärte SQL-Trigger: VOR- und NACH-Trigger, Prüfprotokolle und Fallstricke
SQL-Trigger werden anhand von Triggern erklärt, die wir ausgeführt haben: VORHER vs. NACHHER, ALT und NEU, Prüfprotokolle, Validierung, Bestandsaktu…
Artikel lesen →SoftwareentwicklungErklärung des Python-JSON-Moduls: Dumps, Loads, benutzerdefinierte Typen und häufige Fehler
Das Python-JSON-Modul wird anhand des von uns ausgeführten Codes erklärt: Dumps und Loads, Dateien, Typkonvertierungen, Datumsangaben und Dezimalzah…
Artikel lesen →SoftwareentwicklungES-Module vs. CommonJS: Wie JavaScript-Importe in Node.js funktionieren, getestet
ES-Module vs. CommonJS erklärt mit Code, den wir in Node.js ausgeführt haben: Import- und Exportsyntax, Require, Live-Bindungen, Caching, Top-Level-…
Artikel lesen →SoftwareentwicklungPython Regex erklärt: Muster, Gruppen, Lookaheads und Fallstricke, getestet
Python-Regex erklärt mit Mustern, die wir ausgeführt haben: Suche vs. Übereinstimmung, Findall, Gruppen und benannte Gruppen, Greedy vs. Lazy, Sub, …
Artikel lesen →Künstliche IntelligenzErklärung der strukturierten LLM-Ausgabe: Zuverlässiges JSON aus KI-Modellen erhalten
Die strukturierte LLM-Ausgabe wird anhand der von uns in Pydantic ausgeführten Validierung erklärt: JSON-Modus und -Schemas, eingeschränkte Dekodier…
Artikel lesen →DevOpsSSH-Schlüssel erklärt: Wie sie funktionieren, ssh-keygen, Ed25519 und sichere Gewohnheiten
SSH-Schlüssel erklärt mit Schlüsseln, die wir generiert haben: öffentliche vs. private Schlüssel, ssh-keygen, Ed25519 vs. RSA, Fingerabdrücke, Passp…
Artikel lesen →DevOpsHTTP-Caching erklärt: Cache-Kontrolle, ETag und 304-Antworten, mit einem Live-Test
HTTP-Caching erklärt anhand eines kleinen Servers, den wir ausgeführt haben: Cache-Control-Anweisungen, Max-Age, No-Cache vs. No-Store, ETag-Revalid…
Artikel lesen →TestautomatisierungAPI-Vertragstests erklärt: Erkennen Sie wichtige Änderungen, bevor sie versendet werden
Das Testen von API-Verträgen wird anhand einer von uns durchgeführten Schemaprüfung erklärt: Was ein Vertrag ist, verbrauchergesteuerte Verträge, Pa…
Artikel lesen →SoftwaretestsRisikobasiertes Testen erklärt: Risiken bewerten, eine Matrix erstellen und testen, worauf es ankommt
Risikobasiertes Testen Schritt für Schritt erklärt: Risiken identifizieren, Wahrscheinlichkeit und Auswirkung bewerten, eine Risikomatrix erstellen,…
Artikel lesen →Datenbanken & SQLErklärte SQL-Einschränkungen: NOT NULL, UNIQUE, CHECK und FOREIGN KEY, getestet
SQL-Einschränkungen anhand der von uns durchgeführten Tests erklärt: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY und FOREIGN KEY, die NULL-Lücken, die…
Artikel lesen →Datenbanken & SQLErklärte SQL-Datumsfunktionen: Datumsangaben fehlerfrei hinzufügen, vergleichen und gruppieren
Erklärung der SQL-Datumsfunktionen anhand von Abfragen, die wir ausgeführt haben: Hinzufügen von Intervallen, Überraschungen am Monatsende, Datumsun…
Artikel lesen →SoftwareentwicklungPython-Asyncio erklärt: Async, Wait, Gather und TaskGroup mit echten Timings
Python-Asyncio erklärt mit Code, den wir getimt haben: Coroutinen, Wait, Gather, TaskGroup, Fehlerbehandlung, Zeitüberschreitungen, Einschränkung de…
Artikel lesen →SoftwareentwicklungDebounce vs. Throttle in JavaScript: Wie sie funktionieren, wann man sie verwendet, getestet
Debounce vs. Throttle in JavaScript erklärt anhand von Timings, die wir in Node.js gemessen haben: wie jedes funktioniert, einfache Implementierunge…
Artikel lesen →SoftwareentwicklungErklärte Python-Kontextmanager: Die with-Anweisung, contextlib und Real Uses
Python-Kontextmanager erklärt anhand des von uns ausgeführten Codes: Funktionsweise, __enter__ und __exit__, contextlib.contextmanager, supprimieren…
Artikel lesen →Künstliche IntelligenzLLM-Temperatur und Top-p erklärt: Wie KI-Modelle ihr nächstes Wort wählen
LLM-Temperatur und Top-P erklärt anhand einer von uns durchgeführten Simulation: wie Wahrscheinlichkeiten umgeformt werden, was Top-P beibehält, emp…
Artikel lesen →DevOpsYAML erklärt: Syntax, das Norwegen-Problem und andere von uns getestete Fallen
YAML erklärt mit einem Parser-Test: grundlegende Syntax, Listen und Karten, das Norwegen-Problem, Versionen, die in Gleitkommazahlen umgewandelt wer…
Artikel lesen →DevOpsCron-Jobs erklärt: Syntax, echte Zeitpläne und die Fehler, die sie zerstören
Cron-Jobs werden anhand von Zeitplänen erklärt, die wir überprüft haben: die fünf Felder, Operatoren, reale Beispiele, die Tag-des-Monats- ODER Woch…
Artikel lesen →Künstliche IntelligenzKI-Halluzinationen erklärt: Warum Sprachmodelle Dinge erfinden und wie man sie reduziert
KI-Halluzinationen erklärt: Was sie sind, warum Sprachmodelle sie produzieren, gängige Typen, wie man sie mit Erdung und Eingabeaufforderungen reduz…
Artikel lesen →DevOpsErklärte Umgebungsvariablen: .env-Dateien, Geheimnisse und Konfiguration richtig gemacht
Umgebungsvariablen anhand von Python-Beispielen erklärt, die wir ausgeführt haben: Sie lesen und festlegen, warum jeder Wert ein String ist, .env-Da…
Artikel lesen →SoftwareentwicklungAPI-Ratenbegrenzung erklärt: Algorithmen, Header und Behandlung von 429-Fehlern
API-Ratenbegrenzung anhand einer von uns durchgeführten Simulation erklärt: Token-Bucket, festes Fenster, gleitendes Fenster, 429 Antworten, Ratenbe…
Artikel lesen →TestautomatisierungSpott in Python: unittest.mock, Patch und die Fehler, die Tests zum Lügen machen
Mocking in Python mit unittest.mock, getestet: Mock und return_value, side_effect, Patchen, wo ein Name verwendet wird, Spezifikation und Autospec, …
Artikel lesen →SoftwaretestsCode-Abdeckung erklärt: Leitungs- und Zweigstellenabdeckung und was 100 % wirklich bedeutet
Erklärung der Codeabdeckung anhand eines echten Coverage.py-Laufs: Zeilen-, Zweig- und Bedingungsabdeckung, Lesen eines Berichts, warum bei 100 % Ab…
Artikel lesen →Datenbanken & SQLDELETE vs. TRUNCATE vs. DROP in SQL: Unterschiede, Rollback und Verwendungszweck
DELETE vs. TRUNCATE vs. DROP erklärt mit getestetem SQL: was jeweils entfernt wird, Rollback, Trigger, Identitätsrücksetzung, Geschwindigkeit und wi…
Artikel lesen →Datenbanken & SQLErklärte SQL-Ansichten: Erstellen, nutzen und vermeiden Sie Fallstricke mit Beispielen
SQL-Ansichten anhand der von uns ausgeführten Abfragen erklärt: Erstellen einer Ansicht, Live-Ergebnisse, Ausblenden von Spalten, Leistung, aktualis…
Artikel lesen →SoftwareentwicklungTypeScript-Schnittstelle vs. Typ: Echte Unterschiede, getestet mit dem Compiler
TypeScript-Schnittstelle vs. Typ, überprüft mit dem echten Compiler: Was beide können, was nur einer kann, Deklarationszusammenführung, Erweiterunge…
Artikel lesen →SoftwareentwicklungPython *args und **kwargs erklärt: Flexible Funktionen mit klaren Beispielen
Python *args und **kwargs erklärt mit Code, den wir ausgeführt haben: Packen und Entpacken, Parameterreihenfolge, Nur-Schlüsselwort- und Nur-Positio…
Artikel lesen →SoftwareentwicklungPython-Lambda-Funktionen: Syntax, tatsächliche Verwendung und wann man sie nicht verwendet
Python-Lambda-Funktionen erklärt mit Code, den wir ausgeführt haben: Syntax, Sortierung mit Schlüssel, Karte und Filter, Abschlüsse, die Late-Bindin…
Artikel lesen →Künstliche IntelligenzWas sind KI-Agenten? Wie sie funktionieren, mit einer einfachen Agentenschleife, die Sie ausführen können
Was sind KI-Agenten? Eine einfache Anleitung zur Agentenschleife, zu Tools, Speicher und Leitplanken, mit einer kleinen Python-Schleife, die wir aus…
Artikel lesen →DevOpsÜberwachung vs. Beobachtbarkeit: Der wahre Unterschied, mit Protokollen, Metriken und Traces
Überwachung vs. Beobachtbarkeit erklärt: bekannte und unbekannte Fehler, Protokolle, Metriken und Spuren, eine exemplarische Vorgehensweise für Chec…
Artikel lesen →DevOpsDocker-Volumes vs. Bind Mounts: Containerdaten auf die richtige Art und Weise beibehalten
Docker-Volumes vs. Bind-Mounts erklärt: Warum Containerdaten verschwinden, benannte Volumes, Bind-Mounts, tmpfs, Compose-Beispiele, Backups, Berecht…
Artikel lesen →TestautomatisierungTDD vs. BDD: Hauptunterschiede, eine Funktion, die auf beide Arten entwickelt wurde und wann sie jeweils verwendet werden sollte
TDD vs. BDD erklärt mit einer Rabattfunktion, die in beide Richtungen aufgebaut ist: Rot-Grün-Refaktor mit Code, den wir ausgeführt haben, Gegeben-W…
Artikel lesen →SoftwaretestsBenutzerakzeptanztests (UAT): Prozess, Checkliste und reale Beispiele
Benutzerakzeptanztests erklärt: Wer führt ihn durch, wie unterscheidet er sich von der Qualitätssicherung, ein siebenstufiger Prozess, eine UAT-Test…
Artikel lesen →Datenbanken & SQLErklärte SQL-NULL-Werte: IS NULL, COALESCE, NULLIF und die zu vermeidenden Fallen
SQL-NULL-Werte, die mit von uns ausgeführten Abfragen erklärt wurden: dreiwertige Logik, IS NULL, COALESCE, NULLIF, wie Aggregate, Joins und Sortier…
Artikel lesen →Datenbanken & SQLSQL CASE WHEN-Anweisung: Syntax, reale Beispiele und häufige Fehler
SQL CASE WHEN anhand der von uns ausgeführten Abfragen erklärt: einfache und durchsuchte Formulare, Bedingungsreihenfolge, Pivots mit SUM, COUNT-Tri…
Artikel lesen →SoftwareentwicklungWas ist JWT? JSON-Web-Tokens anhand eines funktionierenden Beispiels erklärt
Was ist JWT? JSON Web Tokens erklärt: die drei Teile, ein Token, das in dem von uns ausgeführten Code erstellt und manipuliert wurde, JWT vs. Sitzun…
Artikel lesen →SoftwareentwicklungErklärte JavaScript-Ereignisschleife: Aufrufstapel, Mikrotasks und Timer mit Beispielen
Die JavaScript-Ereignisschleife wurde mit dem von uns ausgeführten Code erklärt: Aufrufstapel, Aufgaben- und Mikrotask-Warteschlangen, warum setTime…
Artikel lesen →SoftwareentwicklungErklärung von Python-Generatoren und -Ertrag: Sparen Sie Speicher mit echten Beispielen
Python-Generatoren und Yield anhand des von uns ausgeführten Codes erklärt: wie sie angehalten und fortgesetzt werden, gemessene Speichereinsparunge…
Artikel lesen →Künstliche IntelligenzWas sind Einbettungen? Vektoren und Kosinusähnlichkeit einfach erklärt
Was sind Einbettungen? Ein Leitfaden in einfacher Sprache zu Vektoren, Kosinusähnlichkeit und semantischer Suche, mit einem kleinen Beispiel, das wi…
Artikel lesen →DevOpsBlau-Grün vs. Canary-Bereitstellung: Unterschiede, Kompromisse und Auswahl
Blue-Green vs. Canary-Bereitstellung erklärt: Funktionsweise, Kosten, Risiko und Rollback, stabiles Benutzer-Bucketing, das wir getestet haben, Date…
Artikel lesen →TestautomatisierungFlaky-Tests: Was sie verursacht und wie man sie endgültig behebt
Flaky-Tests wurden anhand von Demos erklärt, die wir durchgeführt haben: die Hauptursachen, wie man sie bestätigt und diagnostiziert, richtige Korre…
Artikel lesen →SoftwaretestsLasttest vs. Stresstest: Unterschiede, Metriken und k6-Beispiele
Erläuterungen zu Lasttests und Stresstests: Was die einzelnen Tests beweisen, Spike- und Soak-Tests, welche Kennzahlen wichtig sind, warum Durchschn…
Artikel lesen →SoftwaretestsTestfall vs. Testszenario: Hauptunterschiede, Beispiele und wann man sie jeweils verwendet
Testfall vs. Testszenario erklärt: klare Definitionen, eine Tabelle nebeneinander, eine Funktion zum Zurücksetzen von Passwörtern, die von Szenarios…
Artikel lesen →Datenbanken & SQLSQL-Abfrageoptimierung: Ausführungspläne lesen und langsame Abfragen mit Zeitvorgaben beheben
An einer Million Zeilen getestete SQL-Abfrageoptimierung: Ausführungspläne lesen, die richtigen Indizes hinzufügen, nicht sargierbare Filter korrigi…
Artikel lesen →Datenbanken & SQLSQL UNION vs. UNION ALL: Unterschiede, Beispiele und getestete Leistung
SQL UNION vs. UNION ALL anhand der von uns ausgeführten Abfragen erklärt: Duplikate, die Regeln, denen beide folgen, ein echter Datenfehler, gemesse…
Artikel lesen →SoftwareentwicklungTutorial zur JavaScript-Abruf-API: GET, POST, Fehlerbehandlung und Zeitüberschreitungen
Ein JavaScript-Abruf-API-Tutorial, das auf einem lokalen Server getestet wurde: GET und POST, warum 404 nicht ausgelöst wird, ein wiederverwendbarer…
Artikel lesen →SoftwareentwicklungUmgang mit Python-Dateien: Lesen, Schreiben, CSV, JSON und Pathlib mit Beispielen
Die Handhabung von Python-Dateien wird anhand des von uns ausgeführten Codes erklärt: Öffnungsmodi, Lesen großer Dateien, CSV, JSON, Pathlib, Binärd…
Artikel lesen →SoftwareentwicklungPython-Klassen und -Objekte: OOP-Tutorial mit echten Beispielen
Python-Klassen und -Objekte erklärt mit Code, den wir ausgeführt haben: __init__, Methoden, Klassen- und Instanzattribute, Vererbung, Eigenschaften,…
Artikel lesen →Künstliche IntelligenzWas ist ein großes Sprachmodell? Wie LLMs funktionieren, ohne großen Hype erklärt
Was ist ein großes Sprachmodell? LLMs im Klartext erklärt: Token, Einbettungen, Aufmerksamkeit, Training, Temperatur- und Kontextfenster, eine klein…
Artikel lesen →DevOpsLinux-Befehle für Anfänger: Der grundlegende Terminal-Leitfaden mit Beispielen
Linux-Befehle für Anfänger, gruppiert nach Aufgaben: Navigation, Dateien, Anzeigen von Protokollen, Grep, Pipes, Berechtigungen, Prozesse und Archiv…
Artikel lesen →TestautomatisierungSelenium vs. Playwright: Hauptunterschiede, Code im Vergleich und welche Sie wählen sollten
Selenium vs. Playwright im Vergleich: Architektur, Wartezeit, Browser- und Sprachunterstützung, Debugging, der gleiche Test in beiden Tools, Migrati…
Artikel lesen →SoftwaretestsÄquivalenzpartitionierung: Testdesigntechnik anhand von Beispielen erklärt
Erklärung der Äquivalenzpartitionierung: Wie man gültige und ungültige Partitionen findet, Beispiele für Alter, Passwörter und Gutscheine, von uns d…
Artikel lesen →SoftwaretestsSchweregrad vs. Priorität beim Softwaretest: Unterschiede, Matrix und reale Beispiele
Schweregrad vs. Priorität beim Softwaretest erklärt: klare Definitionen, eine Vier-Wege-Matrix mit Beispielen, Stufenskalen, wer die einzelnen Punkt…
Artikel lesen →Datenbanken & SQLTutorial zu SQL-Unterabfragen: Typen, korrelierte Unterabfragen und EXISTS mit Beispielen
Ein SQL-Unterabfrage-Tutorial mit Abfragen, die wir ausgeführt haben: Skalar-, IN-, FROM- und SELECT-Unterabfragen, korrelierte Unterabfragen, EXIST…
Artikel lesen →Datenbanken & SQLSQL-Transaktionen und ACID erklärt: COMMIT, ROLLBACK und Isolationsstufen
SQL-Transaktionen und ACID anhand einer von uns durchgeführten Banküberweisung erklärt: COMMIT, ROLLBACK, Sicherungspunkte, Sperren, Isolationsstufe…
Artikel lesen →SoftwareentwicklungSpickzettel für Git-Befehle: Die Befehle, die Sie tatsächlich verwenden, mit Beispielen
Ein Git-Befehls-Spickzettel, gruppiert nach Aufgabe: Setup, Staging, Branches, Remotes, Stash, Verlauf und Rückgängigmachen von Fehlern, mit Ausgabe…
Artikel lesen →SoftwareentwicklungErklärte JavaScript-Versprechen: Dann, Catch, Promise.all und häufige Fehler
JavaScript-Versprechen erklärt mit Code, den wir ausgeführt haben: Zustände, dann und Fangketten, Fehlerbehandlung, Promise.all, allSettled, Rennen …
Artikel lesen →SoftwareentwicklungPython-Wörterbuch-Tutorial: Methoden, Beispiele und gängige Muster
Ein Python-Wörterbuch-Tutorial mit Code, den wir ausgeführt haben: Diktate erstellen, lesen und aktualisieren, Schlüsselmethoden, Zusammenführung, V…
Artikel lesen →Künstliche IntelligenzWas ist RAG? Retrieval-Augmented Generation anhand eines Arbeitsbeispiels erklärt
Was ist RAG? Abruf-erweiterte Generierung Schritt für Schritt erklärt: Indizierung, Chunking, Einbettungen, Abruf, ein kleines funktionierendes Pyth…
Artikel lesen →DevOpsTerraform-Tutorial für Anfänger: Infrastruktur als Code von der ersten Datei bis zu den Modulen
Ein Terraform-Tutorial für Anfänger: Beginnen Sie ohne Cloud-Konto, lernen Sie Init, Planen und Anwenden, dann Variablen, Ausgaben, Status, Module u…
Artikel lesen →DevOpsDocker vs. Kubernetes: Hauptunterschiede, wie sie zusammenarbeiten und was Sie brauchen
Docker vs. Kubernetes erklärt: Was jeder tut, die gleiche App läuft mit beiden, Docker Compose und Swarm im Vergleich, die Dockershim-Änderung und w…
Artikel lesen →TestautomatisierungPytest-Tutorial für Anfänger: Vorrichtungen, Parametrisierung und reale Beispiele
Ein Pytest-Tutorial für Anfänger mit Tests, die wir auf Pytest 9.2 durchgeführt haben: Assertions, Fixtures, Parametrize, Conftest, Markers, tmp_pat…
Artikel lesen →SoftwaretestsSoftware Testing Life Cycle (STLC): 6 Phasen, Einstiegs- und Ausstiegskriterien, Beispiel
Der Softwaretest-Lebenszyklus erklärt: sechs STLC-Phasen mit Ein- und Ausstiegskriterien, Ergebnisse, ein Beispiel für eine funktionierende Anmeldef…
Artikel lesen →SoftwareentwicklungGit merge vs rebase: Unterschiede, Beispiele und wann man was nutzt
Git merge vs rebase erklärt mit echter Log-Ausgabe, einer Vergleichstabelle, der goldenen Regel des Rebase und einem sicheren Team-Workflow.
Artikel lesen →SoftwareentwicklungPython List Comprehension: Syntax, Beispiele und wann man darauf verzichtet
Python List Comprehension erklärt: Syntax, Filter, if-else, verschachtelte Schleifen, gemessene Zeiten und Fälle, in denen eine normale for-Schleife…
Artikel lesen →Datenbanken & SQLSQL Joins erklärt mit Beispielen (Inner, Left, Right, Full)
SQL Joins Schritt für Schritt mit Beispieltabellen und Abfragen verstehen: INNER, LEFT, RIGHT, FULL, CROSS und SELF, plus typische Fehler und Perfor…
Artikel lesen →