Explicación de los dobles de prueba: ficticio, stub, espía, simulado y falso, con código Python probado

  1. Inicio
  2. Blog
  3. Automatización de pruebas

Automatización de pruebas

Explicación de los dobles de prueba: Dummy, Stub, Spy, Mock and Fake, con código Python probado

Los dobles de prueba son sustitutos de dependencias reales, como pasarelas de pago, anuncios publicitarios y bases de datos. Aprenda los cinco tipos clásicos, qué verifica cada uno, cuándo elegir cuál y cómo una simple simulación puede ocultar errores, usando un pequeño ejemplo de Python que ejecutamos en pytest.

9 min de lectura
Explicación de los dobles de prueba: simulacros, talones, falsificaciones, espías y muñecos

Puntos clave

  • Los dobles de prueba reemplazan las dependencias reales en las pruebas. Los cinco tipos clásicos son ficticios, falsos, espías, simulados y falsos.
  • Los talones y las falsificaciones admiten comprobaciones estado (¿el resultado fue correcto?); Los espías y simulacros admiten controles de comportamiento (¿fue la decisión correcta?).
  • Un simple Mock aceptó un método mal escrito en nuestra prueba; create_autospec rechazó tanto el error tipográfico como el recuento de argumentos incorrectos.
  • Las seis pruebas de nuestro ejemplo se aprobaron en 0,52 segundos con pytest 9.2.0 en Python 3.13.

Las pruebas unitarias deben ser rápidas, repetibles y enfocadas. Las dependencias reales se interponen en el camino: una pasarela de pago cobra dinero, un remitente envía correo electrónico, una API de tipo de cambio cambia cada minuto. Los dobles de prueba son ​​los objetos que colocas en su lugar, de la misma manera que un doble de acción sustituye a un actor.

El término y la división de cinco vías provienen del libro de Gerard Meszaros xUnit Test Patterns. Los equipos suelen decir “simulacro” para todos ellos, y ese lenguaje impreciso conduce a pruebas que comprueban algo incorrecto. A continuación, se prueba una pequeña clase de pago con cada tipo de doble. Lo ejecutamos todo con pytest 9.2.0 en Python 3.13.6 y todas las pruebas pasaron. Para conocer la biblioteca simulada, consulte nuestra guía simulada de Python.

¿Qué son los dobles de prueba?

Un doble de prueba es cualquier objeto que reemplaza a un colaborador real durante una prueba. El código bajo prueba no puede notar la diferencia porque el doble ofrece los mismos métodos. La diferencia entre los tipos es cuánto hacen y qué verificas después:

  • Dummy: pasado pero nunca usado.
  • Stub: devuelve respuestas fijas.
  • Espía: un código auxiliar que también registra cómo se llamó.
  • Simulacro: configurado con expectativas sobre las llamadas, que la prueba verifica.
  • Falso: una implementación funcional pero simplificada, como una base de datos en memoria.

El código bajo prueba

Nuestra clase Checkout convierte un precio, le cobra a un proveedor de pago y envía un recibo por correo electrónico. Necesita cuatro colaboradores:

class Checkout:
    def __init__(self, rates, payments, mailer, logger):
        self.rates, self.payments, self.mailer, self.logger = rates, payments, mailer, logger

    def place(self, order_id, amount_usd, currency, email):
        rate = self.rates.get_rate("USD", currency)
        total = round(amount_usd * rate, 2)
        if not self.payments.charge(order_id, total, currency):
            return "declined"
        self.mailer.send(email, f"Order {order_id} paid: {total} {currency}")
        return total

El uso de las versiones reales afectaría a una API de tarifa en vivo, un proveedor de pagos y un servidor SMTP. Cada uno de los cuatro parámetros obtiene un tipo diferente de doble.

Muñeco: llena un espacio

El constructor requiere el logger pero place nunca lo usa. Un muñeco cumple la firma. El nuestro va más allá y falla estrepitosamente si algo lo toca:

class DummyLogger:
    def __getattr__(self, name):
        raise AssertionError("logger should not be used")

Mucha gente pasa None como ficticio, lo cual está bien cuando el código nunca verifica el tipo. La versión explosiva documenta la suposición y capta el día en que alguien agrega registros sin actualizar la prueba.

Talón: respuestas enlatadas

Los tipos de cambio cambian constantemente, lo que haría imposible hacer afirmaciones. Un talón devuelve un valor fijo:

class StubRates:
    def get_rate(self, src, dst):
        return 83.0

Con la tasa fijada en 83,0, un pedido de 50 USD debe sumar 4150,0 INR, y nuestra prueba afirmó exactamente eso. Los códigos auxiliares controlan las entradas que recibe su código de sus dependencias. Son ideales para simular casos incómodos como un tiempo de espera, una lista vacía o una respuesta de error.

Espía: registra lo sucedido

Para el remitente nos preocupamos de que se envíe un recibo con el texto correcto. Un espía almacena cada llamada para que la prueba pueda inspeccionarlas después:

class SpyMailer:
    def __init__(self):
        self.sent = []
    def send(self, to, body):
        self.sent.append((to, body))

def test_stub_and_spy():
    mailer = SpyMailer()
    co = Checkout(StubRates(), FakePayments(10_000), mailer, DummyLogger())
    assert co.place("A1", 50, "INR", "demo@example.com") == 4150.0
    assert mailer.sent == [("demo@example.com", "Order A1 paid: 4150.0 INR")]

El espía es pasivo: nunca falla por sí solo. Escribe afirmaciones ordinarias contra lo que registró, después de la acción. Eso mantiene la prueba en el orden familiar de organizar, actuar y afirmar.

Falso: una pequeña versión funcional

La lógica de pago tiene reglas: un cargo falla si los fondos son bajos o si el mismo pedido se cobra dos veces. Un falso implementa esas reglas en la memoria:

class FakePayments:
    def __init__(self, balance):
        self.balance, self.charges = balance, {}
    def charge(self, order_id, amount, currency):
        if order_id in self.charges or amount > self.balance:
            return False
        self.balance -= amount
        self.charges[order_id] = amount
        return True

def test_fake_declines_duplicate_charge():
    pay = FakePayments(10_000)
    co = Checkout(StubRates(), pay, SpyMailer(), DummyLogger())
    co.place("A1", 50, "INR", "demo@example.com")
    assert co.place("A1", 50, "INR", "demo@example.com") == "declined"
    assert pay.balance == 5850.0

El segundo pedido fue rechazado y solo quedó un cargo en el saldo, por lo que la prueba verifica el estado real. Las falsificaciones brillan cuando muchas pruebas comparten una dependencia, porque una falsa reemplaza docenas de configuraciones de stubs separadas. El costo es que un código falso es real que puede desviarse del servicio real, así que manténgalo pequeño y pruébelo con el real de vez en cuando. SQLite en memoria en lugar de una base de datos de producción es una falsificación común.

Mock: verifica las interacciones

A veces el único efecto observable es una llamada a otro sistema. Un simulacro te permite afirmar que se realizó la llamada, con los argumentos exactos:

from unittest.mock import Mock

def test_mock_verifies_interaction():
    payments = Mock()
    payments.charge.return_value = True
    mailer = Mock()
    co = Checkout(StubRates(), payments, mailer, DummyLogger())
    co.place("B2", 10, "INR", "demo@example.com")
    payments.charge.assert_called_once_with("B2", 830.0, "INR")
    mailer.send.assert_called_once()

Estrictamente, Meszaros define un simulacro como un objeto que conoce sus expectativas de antemano y falla durante la llamada. Python unittest.mock.Mock está técnicamente más cerca de un espía, ya que se verifica después del hecho, pero en la práctica desempeña el papel de simulacro. Los simulacros son mejores en límites que no posee, como una API externa, donde la llamada en sí es el requisito.

Cuando los burladores mienten: autospec

Un Mock simple acepta cualquier atributo y cualquier argumento. Esa flexibilidad esconde errores. Realizamos dos pruebas para demostrarlo:

def test_plain_mock_hides_typo():
    mailer = Mock()
    mailer.sned("x", "y")            # typo is silently accepted
    assert mailer.sned.called

def test_autospec_catches_typo():
    mailer = create_autospec(SpyMailer, instance=True)
    with pytest.raises(AttributeError):
        mailer.sned("x", "y")

def test_autospec_catches_wrong_signature():
    mailer = create_autospec(SpyMailer, instance=True)
    with pytest.raises(TypeError):
        mailer.send("only-one-arg")
......                                   [100%]
6 passed in 0.52s

El simple simulacro grabó felizmente una llamada a un método que no existe. Si el código de producción tuviera ese error tipográfico, la prueba aún pasaría. create_autospec copia los métodos y firmas de la clase real, por lo que generó AttributeError por el error tipográfico y TypeError por el argumento faltante. Utilice autospec, o Mock(spec=RealClass), de forma predeterminada.

Comparación de dobles de prueba

Tipo ¿Devuelve datos? ¿Graba llamadas? ¿Tiene lógica? usted afirma en
tonto No No No nada
trozo Si, arreglado No No El resultado del código bajo prueba.
espía Opcional si No Llamadas grabadas, después de actuar
simulacro Opcional si No Llamadas y argumentos esperados
Falso Si, calculado A veces Si, simplificado Estado resultante

¿Qué doble de prueba deberías utilizar?

  1. ¿La dependencia no se utiliza en esta ruta? Utilice un maniquí.
  2. ¿Solo necesitas controlar lo que devuelve? Usa un código auxiliar.
  3. ¿La llamada en sí es el resultado, como enviar un correo electrónico o publicar un evento? Utilice un espía o un simulacro.
  4. ¿Muchas pruebas necesitan un comportamiento realista, como almacenar y leer datos? Construir una falsificación.
  5. ¿Ya es barato, rápido y determinista? Utilice el objeto real. Los dobles son un costo, no una meta.

Una regla útil: prefiera los controles estatales a los controles de interacción. Las pruebas que se basan en los resultados sobreviven a la refactorización; pruebas que se afirman en cada interrupción de llamada interna cada vez que cambia la implementación. Nuestra guía de pruebas unitarias versus de integración explica dónde pertenecen las dependencias reales.

Errores comunes

  • Burlarse de lo que posee. Reemplazar sus propias clases simples con simulacros de pruebas de parejas internas. Burlarse de los límites del sistema.
  • Simulacros sobreespecificados. Afirmar cada llamada y argumento hace que las pruebas sean frágiles. Afirme sólo lo que importa para el requisito.
  • Simulacros sin especificar. Como mostró nuestra prueba, un simulacro simple acepta errores tipográficos. Añade siempre una especificación.
  • Falsificaciones sin sus propias pruebas. Una falsificación con errores hace que cada prueba que la utiliza sea incorrecta. Ejecute una prueba de contrato compartido contra implementaciones reales y falsas, como se describe en nuestra guía de prueba de contratos API.
  • Se duplica en todas partes. Si se reemplaza a todos los colaboradores, la prueba demuestra muy poco. Equilibrio con pruebas de integración, siguiendo la pirámide de pruebas.

Conclusión

Los dobles de prueba son tanto un vocabulario como una técnica. Decir “tapar las tarifas, espiar el remitente, falsificar los pagos” le dice a un compañero de equipo exactamente lo que verifica una prueba. Utilice talones y falsificaciones para el estado, espías y simulacros para interacciones importantes, muñecos para espacios no utilizados y siempre especifique sus simulacros. En pytest, los partidos son un hogar ordenado para estos dobles; consulte nuestra guía de accesorios pytest.

Preguntas frecuentes

¿Cuál es la diferencia entre un simulacro y un talón?

Un talón proporciona respuestas fijas para que la prueba pueda verificar los resultados. Un simulacro registra o espera llamadas para que la prueba pueda verificar que se produjo la interacción correcta con los argumentos correctos.

¿Qué es una falsificación en las pruebas?

Una falsificación es una implementación funcional liviana de una dependencia, como un repositorio en memoria o un servicio de pago, que se comporta de manera realista pero toma atajos inadecuados para la producción.

¿Qué es un espía de prueba?

Un espía es un talón que también registra cómo se llamó. Después de ejecutar el código, la prueba inspecciona las llamadas grabadas con afirmaciones normales.

¿Por qué utilizar create_autospec en lugar de Mock?

Un Mock simple acepta cualquier nombre de método y cualquier argumento, por lo que los errores tipográficos pasan silenciosamente. create_autospec copia la interfaz de la clase real y genera errores por métodos faltantes o firmas incorrectas.

¿Debería burlarme de todo en las pruebas unitarias?

No. Reemplace las dependencias lentas, no deterministas o externas, pero use objetos reales donde sean baratos y confiables. Demasiados dobles hacen que las pruebas sean frágiles y menos significativas.

sigue aprendiendo

Trabajar con Stack Quora

¿Necesitas ayuda con pruebas, WordPress o SEO?

Ayudamos a los equipos a enviar mejor software y hacer crecer sus sitios. Cuéntenos en qué está trabajando y le sugeriremos un siguiente paso claro.

Sigue leyendo

Más guías sobre testing, IA y desarrollo moderno

¿Te gustó este artículo? Elige un tema y salta directo a nuestros tutoriales más recientes.

Inteligencia artificial

Explicación de las estrategias de fragmentación de RAG: fija, superpuesta, de oración, recursiva y de títulos, medida

Estrategias de fragmentación de RAG comparadas en un documento con tiktoken 0.14: tamaño fijo, superposición, empaquetado de oraciones, división rec…

Leer artículo →
Desarrollo de software

Explicación de la idempotencia de API: claves de idempotencia y reintentos seguros, probados

La idempotencia de API se explicó con un servidor y cliente Python que ejecutamos: una respuesta perdida provocó un cargo doble sin una clave y un c…

Leer artículo →
DevOps

Explicación de Git Stash: guardar, aplicar, extraer y archivos sin seguimiento, probado

Git stash se explica con comandos que ejecutamos en Git 2.56: enviar con un mensaje, archivos sin seguimiento, enumerar y mostrar, aplicar frente a …

Leer artículo →
Pruebas de software

Explicación de las pruebas por pares: cómo todos los pares reducen 216 pruebas a 13, probadas

Pruebas por pares explicadas con un generador que ejecutamos en Python 3.13: una comprobación con 216 combinaciones cubiertas por 13 pruebas, cobert…

Leer artículo →
Automatización de pruebas

Explicación de los dobles de prueba: ficticio, stub, espía, simulado y falso, con código Python probado

Los dobles de prueba se explican con un ejemplo de Python ejecutado en pytest 9.2: ficticio, stub, spy, simulado y falso, cuándo usar cada uno, veri…

Leer artículo →
Bases de datos y SQL

SQL COALESCE explicado: valores predeterminados, NULLIF, IFNULL vs ISNULL y trampas, probados

SQL COALESCE se explica con consultas que ejecutamos en SQLite 3.50: primeros valores no nulos, cadenas vacías, NULL en matemáticas, NULLIF para div…

Leer artículo →
Bases de datos y SQL

Explicación de la autounión de SQL: empleado-gerente, comparaciones de pares y filas, probado

La autounión de SQL se explica con consultas que ejecutamos en SQLite 3.50: empleado y gerente, ganando más que el gerente, pares únicos, cambios di…

Leer artículo →
Desarrollo de software

Explicación del operador de extensión de JavaScript: extensión frente a reposo, copias y errores, probado

El operador de extensión de JavaScript explicado con el código que ejecutamos en el Nodo 24: matrices, objetos, copias superficiales, parámetros de …

Leer artículo →
Desarrollo de software

Explicación del módulo de colecciones de Python: contador, defaultdict, deque y más, probado

Colecciones de Python explicadas con el código que ejecutamos en Python 3.13: Counter, defaultdict, deque, namedtuple, OrderedDict y ChainMap, ademá…

Leer artículo →
Inteligencia artificial

Explicación de la ventana de contexto de LLM: tokens, límites y cómo ajustar más, medidos

La ventana de contexto de LLM se explica con recuentos de tokens que medimos usando tiktoken: palabras frente a tokens para prosa, código e hindi, p…

Leer artículo →
Desarrollo de software

Explicación de los webhooks: cómo funcionan y cómo recibirlos de forma segura

Webhooks explicados con un receptor y un remitente que ejecutamos en Python: push vs polling, firmas HMAC-SHA256, rechazo de solicitudes manipuladas…

Leer artículo →
DevOps

Explicación de Git Cherry-Pick: copie la confirmación que necesita, de forma segura y probada

Git cherry-pick explicado con comandos que ejecutamos en Git 2.56: copiar una revisión a una rama de lanzamiento, nuevos hashes e ID de parche, -x, …

Leer artículo →
Automatización de pruebas

Explicación de las pruebas instantáneas: cómo funciona, cuándo ayuda y cuándo duele

Las pruebas de instantáneas se explican con una demostración de pytest y jarabe que ejecutamos: crear instantáneas, leer la diferencia después de un…

Leer artículo →
Pruebas de software

Explicación de las pruebas de mutación: por qué la cobertura del 100% aún no detectó nuestro error

Las pruebas de mutación se explican con una pequeña herramienta de mutación que construimos y ejecutamos: 14 mutantes, un conjunto de pruebas con un…

Leer artículo →
Inteligencia artificial

Explicación de la inyección rápida: cómo se engaña a las aplicaciones de inteligencia artificial y cómo defenderlas

Inyección rápida explicada para los constructores: ataques directos e indirectos, por qué fallan los filtros de palabras clave (nuestra prueba bloqu…

Leer artículo →
DevOps

Registros DNS explicados: A, AAAA, CNAME, MX, TXT y TTL con búsquedas reales

Los registros DNS se explican con las búsquedas que realizamos: cómo funciona la resolución, A y AAAA, reglas CNAME, MX y MX nulo, TXT para SPF y ve…

Leer artículo →
DevOps

Explicación de las banderas de funciones: lanzamientos seguros, implementaciones graduales e higiene de las banderas

Indicadores de características explicados con una simulación de implementación que ejecutamos: tipos de indicadores, porcentajes de implementación c…

Leer artículo →
Automatización de pruebas

Generación de datos de prueba con Python Faker: datos realistas, repetibles y seguros

Pruebe la generación de datos con Python Faker, ejecute y mida: siembra de datos repetibles, configuraciones regionales, valores únicos, registros e…

Leer artículo →
Pruebas de software

Explicación de las pruebas de cambio a la izquierda: encuentre errores antes sin ralentizar al equipo

Se explicaron las pruebas de desplazamiento a la izquierda: qué significa, por qué los defectos tempranos son más baratos, prácticas desde revisione…

Leer artículo →
Bases de datos y SQL

Funciones de cadenas SQL explicadas: TRIM, SUBSTR, REPLACE, CONCAT y limpieza de datos

Funciones de cadena SQL explicadas con consultas que ejecutamos: concatenación y NULL, TRIM, UPPER e LOWER, SUBSTR e INSTR, REPLACE, relleno, longit…

Leer artículo →
Bases de datos y SQL

Explicación de los activadores de SQL: ANTES y DESPUÉS de los activadores, registros de auditoría y errores

Los disparadores de SQL se explican con los disparadores que ejecutamos: ANTES versus DESPUÉS, ANTIGUOS y NUEVOS, registros de auditoría, validación…

Leer artículo →
Desarrollo de software

Módulo Python JSON explicado: volcados, cargas, tipos personalizados y errores comunes

El módulo Python JSON explicado con el código que ejecutamos: volcados y cargas, archivos, conversiones de tipos, fechas y decimales, codificadores …

Leer artículo →
Desarrollo de software

Módulos ES frente a CommonJS: cómo funcionan las importaciones de JavaScript en Node.js, probado

Los módulos ES frente a CommonJS se explican con el código que ejecutamos en Node.js: sintaxis de importación y exportación, requisitos, enlaces en …

Leer artículo →
Desarrollo de software

Python Regex explicado: patrones, grupos, anticipaciones y obstáculos, probados

La expresión regular de Python se explica con los patrones que ejecutamos: búsqueda versus coincidencia, búsqueda, grupos y grupos con nombre, codic…

Leer artículo →
Inteligencia artificial

Explicación del resultado estructurado de LLM: obtención de JSON confiable a partir de modelos de IA

La salida estructurada de LLM se explica con la validación que ejecutamos en Pydantic: modo y esquemas JSON, decodificación restringida, las formas …

Leer artículo →
DevOps

Explicación de las claves SSH: cómo funcionan, ssh-keygen, Ed25519 y hábitos seguros

Claves SSH explicadas con las claves que generamos: claves públicas versus privadas, ssh-keygen, Ed25519 versus RSA, huellas digitales, frases de co…

Leer artículo →
DevOps

Explicación del almacenamiento en caché HTTP: control de caché, ETag y respuestas 304, con una prueba en vivo

El almacenamiento en caché HTTP se explica con un pequeño servidor que ejecutamos: directivas Cache-Control, edad máxima, sin caché versus sin almac…

Leer artículo →
Automatización de pruebas

Explicación de las pruebas de contrato API: detecte los cambios importantes antes de enviarlos

Las pruebas de contratos API se explican con una verificación de esquema que ejecutamos: qué es un contrato, contratos impulsados por el consumidor,…

Leer artículo →
Pruebas de software

Explicación de las pruebas basadas en riesgos: calificar los riesgos, crear una matriz y probar lo que importa

Pruebas basadas en riesgos explicadas paso a paso: identificación de riesgos, puntuación de probabilidad e impacto, creación de una matriz de riesgo…

Leer artículo →
Bases de datos y SQL

Explicación de las restricciones de SQL: NOT NULL, UNIQUE, CHECK y FOREIGN KEY, probado

Las restricciones de SQL se explican con las pruebas que ejecutamos: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY y FOREIGN KEY, las lagunas NULL, la c…

Leer artículo →
Bases de datos y SQL

Funciones de fecha SQL explicadas: agregar, comparar y agrupar fechas sin errores

Funciones de fecha SQL explicadas con consultas que ejecutamos: agregar intervalos, sorpresas de fin de mes, diferencias de fechas, trampa ENTRE, ag…

Leer artículo →
Desarrollo de software

Explicación de Python asyncio: asíncrono, espera, recopilación y grupo de tareas con tiempos reales

Python asyncio se explica con el código que cronometramos: corrutinas, espera, recopilación, grupo de tareas, manejo de errores, tiempos de espera, …

Leer artículo →
Desarrollo de software

Debounce vs Throttle en JavaScript: cómo funcionan, cuándo usar cada uno, probado

Antirrebote versus aceleración en JavaScript explicado con tiempos que medimos en Node.js: cómo funciona cada uno, implementaciones simples, llamada…

Leer artículo →
Desarrollo de software

Explicación de los administradores de contexto de Python: declaración with, contextlib y usos reales

Los administradores de contexto de Python explicaron con el código que ejecutamos: cómo funciona, __enter__ y __exit__, contextlib.contextmanager, s…

Leer artículo →
Inteligencia artificial

LLM Temperature y Top-p explicados: cómo los modelos de IA eligen su siguiente palabra

La temperatura de LLM y top-p se explican con una simulación que ejecutamos: cómo se remodelan las probabilidades, qué mantiene topp, configuracione…

Leer artículo →
DevOps

YAML explicado: sintaxis, el problema de Noruega y otras trampas que probamos

YAML explicó con una prueba de analizador: sintaxis básica, listas y mapas, el problema de Noruega, versiones que se convierten en flotantes, código…

Leer artículo →
DevOps

Cron Jobs explicados: sintaxis, cronogramas reales y los errores que los rompen

Los trabajos cron explicados con cronogramas que verificamos: los cinco campos, operadores, ejemplos reales, la trampa del día del mes O del día de …

Leer artículo →
Inteligencia artificial

Explicación de las alucinaciones de la IA: por qué los modelos de lenguaje inventan cosas y cómo reducirlas

Se explicaron las alucinaciones de la IA: qué son, por qué los modelos de lenguaje las producen, tipos comunes, cómo reducirlas con conexión a tierr…

Leer artículo →
DevOps

Explicación de las variables de entorno: archivos .env, secretos y configuración bien hechos

Variables de entorno explicadas con ejemplos de Python que ejecutamos: leerlas y configurarlas, por qué cada valor es una cadena, archivos .env, her…

Leer artículo →
Desarrollo de software

Explicación de la limitación de velocidad de API: algoritmos, encabezados y manejo de errores 429

La limitación de la tasa de API se explica con una simulación que ejecutamos: depósito de tokens, ventana fija, ventana deslizante, 429 respuestas, …

Leer artículo →
Automatización de pruebas

Burlarse en Python: unittest.mock, patch y los errores que hacen que las pruebas mientan

Burlarse en Python con unittest.mock, probado: Mock y return_value, side_effect, parches donde se usa un nombre, especificación y autospec, fechas d…

Leer artículo →
Pruebas de software

Explicación de la cobertura del código: cobertura de línea versus sucursal y lo que realmente significa 100%

Cobertura del código explicada con una ejecución real de cobertura.py: cobertura de línea, rama y condición, lectura de un informe, por qué una cobe…

Leer artículo →
Bases de datos y SQL

DELETE vs TRUNCATE vs DROP en SQL: diferencias, reversión y cuándo usar cada uno

DELETE vs TRUNCATE vs DROP explicado con SQL probado: qué elimina cada uno, reversión, activadores, restablecimiento de identidad, velocidad y en qu…

Leer artículo →
Bases de datos y SQL

Vistas SQL explicadas: cree, use y evite los errores, con ejemplos

Vistas SQL explicadas con consultas que ejecutamos: creación de una vista, resultados en vivo, ocultación de columnas, rendimiento, vistas actualiza…

Leer artículo →
Desarrollo de software

Interfaz TypeScript versus tipo: diferencias reales, probadas con el compilador

Interfaz TypeScript versus tipo, verificado con el compilador real: qué pueden hacer ambos, qué puede hacer solo uno, fusión de declaraciones, exten…

Leer artículo →
Desarrollo de software

Python *args y **kwargs explicados: funciones flexibles con ejemplos claros

Python *args y **kwargs explicados con el código que ejecutamos: empaquetado y desempaquetado, orden de parámetros, argumentos solo de palabras clav…

Leer artículo →
Desarrollo de software

Funciones Lambda de Python: sintaxis, usos reales y cuándo no utilizarlas

Funciones lambda de Python explicadas con el código que ejecutamos: sintaxis, clasificación con clave, mapa y filtro, cierres, trampa de enlace tard…

Leer artículo →
Inteligencia artificial

¿Qué son los agentes de IA? Cómo funcionan, con un bucle de agente simple que puedes ejecutar

¿Qué son los agentes de IA? Una guía sencilla sobre el bucle del agente, las herramientas, la memoria y las barreras de seguridad, con un pequeño bu…

Leer artículo →
DevOps

Monitoreo versus observabilidad: la verdadera diferencia, con registros, métricas y seguimientos

Explicación del monitoreo versus observabilidad: fallas conocidas y desconocidas, registros, métricas y seguimientos, un recorrido por incidentes de…

Leer artículo →
DevOps

Docker Volumes versus Bind Mounts: persistir los datos del contenedor de la manera correcta

Se explican los volúmenes de Docker frente a los montajes de enlace: por qué desaparecen los datos del contenedor, volúmenes con nombre, montajes de…

Leer artículo →
Automatización de pruebas

TDD vs BDD: diferencias clave, una función creada en ambos sentidos y cuándo usar cada una

TDD vs BDD explicado con una característica de descuento construida en ambos sentidos: refactor rojo-verde con el código que ejecutamos, escenarios …

Leer artículo →
Pruebas de software

Pruebas de Aceptación de Usuario (UAT): Proceso, Lista de Verificación y Ejemplos Reales

Explicación de las pruebas de aceptación del usuario: quién las ejecuta, en qué se diferencia del control de calidad, un proceso de siete pasos, una…

Leer artículo →
Bases de datos y SQL

Valores NULL de SQL explicados: IS NULL, COALESCE, NULLIF y las trampas que se deben evitar

Los valores NULL de SQL se explican con las consultas que ejecutamos: lógica de tres valores, IS NULL, COALESCE, NULLIF, cómo los agregados, las uni…

Leer artículo →
Bases de datos y SQL

Declaración SQL CASE WHEN: sintaxis, ejemplos reales y errores comunes

CASO SQL CUANDO se explicó con las consultas que ejecutamos: formularios simples y buscados, orden de condiciones, pivotes con SUMA, trucos COUNT, c…

Leer artículo →
Desarrollo de software

¿Qué es JWT? Tokens web JSON explicados con un ejemplo práctico

¿Qué es JWT? JSON Web Tokens explicó: las tres partes, un token creado y manipulado en el código que ejecutamos, JWT vs sesiones, almacenamiento, to…

Leer artículo →
Desarrollo de software

Explicación del bucle de eventos de JavaScript: pila de llamadas, microtareas y temporizadores con ejemplos

El bucle de eventos de JavaScript explicado con el código que ejecutamos: pila de llamadas, colas de tareas y microtareas, por qué setTimeout 0 no e…

Leer artículo →
Desarrollo de software

Explicación de los generadores y el rendimiento de Python: ahorre memoria con ejemplos reales

Los generadores de Python y el rendimiento se explican con el código que ejecutamos: cómo se pausan y reanudan, midieron el ahorro de memoria, canal…

Leer artículo →
Inteligencia artificial

¿Qué son las incrustaciones? Los vectores y la similitud del coseno se explican de forma sencilla

¿Qué son las incrustaciones? Una guía en lenguaje sencillo sobre vectores, similitud de cosenos y búsqueda semántica, con un pequeño ejemplo que eje…

Leer artículo →
DevOps

Implementación azul-verde versus implementación canaria: diferencias, compensaciones y cómo elegir

Explicación de la implementación azul-verde versus canaria: cómo funciona cada uno, costo, riesgo y reversión, agrupación estable de usuarios que pr…

Leer artículo →
Automatización de pruebas

Pruebas inestables: qué las causa y cómo solucionarlas para siempre

Pruebas inestables explicadas con demostraciones que realizamos: las causas principales, cómo confirmar y diagnosticar una, correcciones adecuadas p…

Leer artículo →
Pruebas de software

Pruebas de carga frente a pruebas de estrés: diferencias, métricas y ejemplos de k6

Explicación de las pruebas de carga frente a las pruebas de estrés: qué prueba cada una, pruebas de picos y de absorción, las métricas que importan,…

Leer artículo →
Pruebas de software

Caso de prueba frente a escenario de prueba: diferencias clave, ejemplos y cuándo utilizar cada uno

Caso de prueba versus escenario de prueba explicado: definiciones claras, una tabla en paralelo, una función de restablecimiento de contraseña tomad…

Leer artículo →
Bases de datos y SQL

Optimización de consultas SQL: lea planes de ejecución y corrija consultas lentas, con tiempos

Optimización de consultas SQL probada en un millón de filas: lea planes de ejecución, agregue los índices correctos, corrija filtros no sargables, u…

Leer artículo →
Bases de datos y SQL

SQL UNION vs UNION ALL: diferencias, ejemplos y rendimiento probado

SQL UNION vs UNION ALL explicado con consultas que ejecutamos: duplicados, las reglas que siguen ambos, un error de datos real, rendimiento medido, …

Leer artículo →
Desarrollo de software

Tutorial de JavaScript Fetch API: GET, POST, manejo de errores y tiempos de espera

Un tutorial de JavaScript Fetch API probado en un servidor local: GET y POST, por qué 404 no arroja, un asistente reutilizable, cadenas de consulta,…

Leer artículo →
Desarrollo de software

Manejo de archivos Python: lectura, escritura, CSV, JSON y pathlib con ejemplos

El manejo de archivos Python se explica con el código que ejecutamos: modos abiertos, lectura de archivos grandes, CSV, JSON, pathlib, archivos bina…

Leer artículo →
Desarrollo de software

Clases y objetos de Python: tutorial de programación orientada a objetos con ejemplos reales

Clases y objetos de Python explicados con el código que ejecutamos: __init__, métodos, atributos de clase versus instancia, herencia, propiedades, m…

Leer artículo →
Inteligencia artificial

¿Qué es un modelo de lenguaje grande? Cómo funcionan los LLM, explicados sin exageraciones

¿Qué es un modelo de lenguaje grande? Los LLM explicados en lenguaje sencillo: tokens, incrustaciones, atención, entrenamiento, ventanas de temperat…

Leer artículo →
DevOps

Comandos de Linux para principiantes: la guía esencial de terminal con ejemplos

Comandos de Linux para principiantes, agrupados por tarea: navegación, archivos, visualización de registros, grep, canalizaciones, permisos, proceso…

Leer artículo →
Automatización de pruebas

Selenium vs Playwright: diferencias clave, comparación de códigos y cuál elegir

Comparación de Selenium vs Playwright: arquitectura, espera, soporte de navegador e idioma, depuración, la misma prueba en ambas herramientas, conse…

Leer artículo →
Pruebas de software

Partición de equivalencia: técnica de diseño de pruebas explicada con ejemplos resueltos

Explicación de la partición de equivalencia: cómo encontrar particiones válidas e inválidas, ejemplos prácticos para edades, contraseñas y cupones, …

Leer artículo →
Pruebas de software

Severidad vs Prioridad en Pruebas de Software: Diferencias, Matriz y Ejemplos Reales

Explicación de gravedad versus prioridad en las pruebas de software: definiciones claras, una matriz de cuatro vías con ejemplos, escalas de niveles…

Leer artículo →
Bases de datos y SQL

Tutorial de subconsultas SQL: tipos, subconsultas correlacionadas y EXISTENCIAS con ejemplos

Un tutorial de subconsultas SQL con consultas que ejecutamos: subconsultas escalares, IN, FROM y SELECT, subconsultas correlacionadas, EXISTS, la tr…

Leer artículo →
Bases de datos y SQL

Transacciones SQL y ACID explicados: COMMIT, ROLLBACK y niveles de aislamiento

Transacciones SQL y ACID explicadas con una transferencia bancaria que ejecutamos: COMMIT, ROLLBACK, puntos de guardado, bloqueos, niveles de aislam…

Leer artículo →
Desarrollo de software

Hoja de trucos de comandos de Git: los comandos que realmente usas, con ejemplos

Una hoja de referencia de comandos de Git agrupada por tarea: configuración, preparación, ramas, controles remotos, almacenamiento, historial y desh…

Leer artículo →
Desarrollo de software

Explicación de las promesas de JavaScript: luego, captura, Promise.all y errores comunes

Las promesas de JavaScript se explican con el código que ejecutamos: estados, luego y cadenas de captura, manejo de errores, Promise.all, allSettled…

Leer artículo →
Desarrollo de software

Tutorial del diccionario Python: métodos, ejemplos y patrones comunes

Un tutorial de diccionario de Python con el código que ejecutamos: crear, leer y actualizar dictados, métodos clave, fusión, comprensión, patrones d…

Leer artículo →
Inteligencia artificial

¿Qué es el RAG? Generación de recuperación aumentada explicada con un ejemplo práctico

¿Qué es RAG? Generación de recuperación aumentada explicada paso a paso: indexación, fragmentación, incrustaciones, recuperación, un pequeño ejemplo…

Leer artículo →
DevOps

Tutorial de Terraform para principiantes: infraestructura como código desde el primer archivo hasta los módulos

Un tutorial de Terraform para principiantes: comience sin una cuenta en la nube, aprenda init, planifique y aplique, luego variables, resultados, es…

Leer artículo →
DevOps

Docker vs Kubernetes: diferencias clave, cómo funcionan juntos y cuál necesita

Docker vs Kubernetes explicó: qué hace cada uno, la misma aplicación se ejecuta con ambos, se comparan Docker Compose y Swarm, los Dockershim cambia…

Leer artículo →
Automatización de pruebas

Tutorial de Pytest para principiantes: accesorios, parametrización y ejemplos reales

Un tutorial de pytest para principiantes con pruebas que ejecutamos en pytest 9.2: afirmaciones, accesorios, parametrización, conftest, marcadores, …

Leer artículo →
Pruebas de software

Ciclo de vida de pruebas de software (STLC): 6 fases, criterios de entrada y salida, ejemplo

Se explicó el ciclo de vida de las pruebas de software: seis fases de STLC con criterios de entrada y salida, entregables, un ejemplo de función de …

Leer artículo →
Desarrollo de software

Git merge vs rebase: diferencias, ejemplos y cuándo usar cada uno

Git merge vs rebase explicado con salida real del log, una tabla comparativa, la regla de oro del rebase y un flujo de trabajo seguro para equipos.

Leer artículo →
Desarrollo de software

List comprehension en Python: sintaxis, ejemplos y cuándo evitarla

List comprehension en Python explicada: sintaxis, filtros, if-else, bucles anidados, tiempos medidos y cuándo es mejor un bucle for normal.

Leer artículo →