Positive vs. negative Tests: Unterschiede, 24 echte Testfälle und eine Checkliste
Bei positiven Tests wird überprüft, ob die Software mit gültigen Eingaben funktioniert. Negative Tests prüfen, ob der Test bei ungültigen Eingaben, wie z. B. falschen Typen, leeren Feldern und außerhalb des zulässigen Bereichs liegenden Werten, sicher fehlschlägt. Sehen Sie sich beides an, angewendet auf ein echtes Anmeldeformular, mit 24 von uns ausgeführten Testfällen und dem Fehler, der nur bei einem negativen Test festgestellt wurde.
- Positive vs. negative Tests: Positive Tests beweisen, dass der glückliche Weg funktioniert; Negative Tests beweisen, dass fehlerhafte Eingaben sicher abgelehnt werden.
- Für unser Anmeldeformular waren 6 positive und 18 negative Tests erforderlich; Ungültige Eingaben sind in der Regel zahlreicher als gültige.
- Als wir die Höchstaltersprüfung entfernten, bestanden alle 6 positiven Tests immer noch. Lediglich der negative Test für das Alter von 121 Jahren fiel aus.
- Ein guter negativer Test prüft den spezifischen Fehler, nicht nur „etwas ist fehlgeschlagen“.
Die meisten Fehler, die in die Produktion gelangen, befinden sich nicht auf dem glücklichen Weg. Jemand gibt ein Leerzeichen in einen Benutzernamen ein, fügt eine E-Mail ohne Domäne ein oder eine API sendet die Nummer als Text. Software, die nur mit perfektem Input funktioniert, versagt genau in diesen Momenten. Positive vs. negative Tests ist die einfachste Möglichkeit, beides abzudecken. Um es konkret zu machen, haben wir einen kleinen Anmeldevalidator geschrieben, 24 Testfälle entworfen und sie mit pytest 9.2.0 auf Python 3.13 ausgeführt.
Schnelle Antwort
Positive Tests verwenden gültige Eingaben und prüfen, ob das System tut, was es soll: Das Konto wird erstellt, die Zahlung ist erfolgreich, der Bericht wird heruntergeladen. Negativtests verwenden ungültige oder unerwartete Eingaben und prüfen, ob das System diese ordnungsgemäß ablehnt: ein eindeutiger Fehler, kein Absturz, keine beschädigten Daten und keine Sicherheitslücke. Sie brauchen beides; Eine Anforderung wird nur dann abgedeckt, wenn ihr glücklicher Pfad und ihre Fehlerpfade getestet werden.
Was ist ein positiver Test?
Positive Tests, manchmal auch Happy-Path-Tests genannt, bestätigen, dass eine Funktion funktioniert, wenn sie wie vorgesehen verwendet wird. Die Antwort lautet: „Hält es, was es verspricht?“. Beispiele: Anmeldung mit einem korrekten Passwort, Suche nach einem vorhandenen Produkt, Hochladen eines unterstützten Dateityps innerhalb der Größenbeschränkung. Positive Tests stehen an erster Stelle, denn wenn der Hauptstrom ausfällt, zählt nichts anderes.
Was ist ein Negativtest?
Negative Tests, manchmal auch Fehlerpfadtests genannt, speisen die Systemeingaben ein, die sie ablehnen sollten, und prüfen die Antwort. Es antwortet: „Was passiert, wenn etwas schief geht?“. Beispiele: ein falsches Passwort, ein leeres Pflichtfeld, eine 50-MB-Datei bei einem Limit von 10 MB, Buchstaben in einer Telefonnummer, eine abgelaufene Sitzung. Ein negativer Test bestanden, wenn das System die Eingabe korrekt ablehnt. Es schlägt fehl, wenn die fehlerhafte Eingabe akzeptiert wird, die App abstürzt oder einen verwirrenden Fehler erzeugt.
Ein echtes Beispiel: der Signup-Validator
Unsere Anforderungen an ein Anmeldeformular:
- Benutzername: 3 bis 20 Zeichen, nur Buchstaben, Ziffern und Unterstriche.
- Alter: eine ganze Zahl von 18 bis 120.
- E-Mail: Something@domain.tld, keine Leerzeichen.
- Passwort: mindestens 8 Zeichen, nicht nur Buchstaben.
import re
def validate_signup(username, age, email, password):
errors = []
if not isinstance(username, str) or not re.fullmatch(r"[A-Za-z0-9_]{3,20}", username or ""):
errors.append("username")
if not isinstance(age, int) or not 18 <= age <= 120:
errors.append("age")
if not isinstance(email, str) or not re.fullmatch(r"[^Stack Quora[^Stack Quora\s]+", email):
errors.append("email")
if not isinstance(password, str) or len(password) < 8 or password.isalpha():
errors.append("password")
return errors
Die Funktion gibt eine Liste der fehlgeschlagenen Felder zurück. Eine leere Liste bedeutet, dass die Anmeldung gültig ist. Durch die Rückgabe von Feldnamen anstelle von „true“ oder „false“ kann bei jedem negativen Test überprüft werden, ob das richtige Feld abgelehnt wurde.
Die 24 Testfälle
| Feld | Positiv (muss akzeptiert werden) | Negativ (muss abgelehnt werden) |
|---|---|---|
| Benutzername | „abc“ (min.), 20 Buchstaben (max.) | „ab“, 21 Buchstaben, „schlechter Name“, leer, Keine |
| Alter | 18 (min.), 120 (max.) | 17, 121, -1, „30“ als Text, True, 30.5 |
| “a@b.co” | „no-at-sign“, „a@b“, „a b@c.com“, leer | |
| Passwort | „abcdefg1“ | „short1“, „onlyletters“, Keine |
Das sind 6 positive und 18 negative Fälle. Das Verhältnis ist typisch: Normalerweise gibt es einige Möglichkeiten, Recht zu haben, und viele Möglichkeiten, Unrecht zu haben. Beachten Sie, dass die positiven Fälle genau auf den Grenzen liegen (3 und 20 Zeichen, Alter 18 und 120), ebenso wie viele negative Fälle (2, 21, 17, 121). An Grenzen leben vereinzelte Käfer; siehe unseren Leitfaden zur Grenzwertanalyse.
Die Tests in Pytest
import pytest
from signup import validate_signup
OK = dict(username="demo_user", age=30, email="demo@example.com", password="s3cretpass")
@pytest.mark.parametrize("field, value", [
("username", "abc"), ("username", "a" * 20), ("age", 18), ("age", 120),
("email", "a@b.co"), ("password", "abcdefg1"),
])
def test_positive(field, value):
assert validate_signup(**{**OK, field: value}) == []
@pytest.mark.parametrize("field, value", [
("username", "ab"), ("username", "a" * 21), ("username", "bad name"),
("username", ""), ("username", None),
("age", 17), ("age", 121), ("age", -1), ("age", "30"), ("age", True), ("age", 30.5),
("email", "no-at-sign"), ("email", "a@b"), ("email", "a b@c.com"), ("email", ""),
("password", "short1"), ("password", "onlyletters"), ("password", None),
])
def test_negative(field, value):
assert validate_signup(**{**OK, field: value}) == [field]
........................ [100%]
24 passed in 0.10s
Jeder Test beginnt mit einer bekanntermaßen guten Anmeldung und ändert genau ein Feld. Das grenzt die Ursache ein: Wenn ein negativer Test fehlschlägt, weiß man, gegen welche Regel verstoßen wird. Die == [field]-Behauptung bestätigt auch, dass kein anderes Feld fälschlicherweise abgelehnt wurde. Parametrisieren speichert 24 Fälle in zwei kurzen Funktionen; Unser Pytest-Parametrisierungsleitfaden zeigt weitere Muster.
Der Fehler wurde nur durch einen negativen Test festgestellt
Um den Wert negativer Tests zu erkennen, haben wir einen häufigen Entwicklerfehler simuliert: nur das Mindestalter zu überprüfen. Wir haben eine Zeile in if not isinstance(age, int) or age < 18: geändert und die Suite erneut ausgeführt:
FAILED test_signup.py::test_negative[age-121] - AssertionError: assert [] == ['age']
1 failed, 23 passed in 0.19s
Alle sechs positiven Tests wurden dennoch bestanden, da der glückliche Weg weiterhin funktionierte. Ein Alter von 121 Jahren wurde stillschweigend akzeptiert und nur der negative Grenztest fiel auf. Ohne sie wäre der Fehler aufgetreten. Das ist das Hauptargument für negative Tests: Positive Tests sagen Ihnen, dass die Funktion funktioniert, negative Tests sagen Ihnen, dass die Regeln gelten.
Tipp: Eine schnelle Möglichkeit, eine Testsuite zu beurteilen, besteht darin, eine Validierungsregel zu brechen und zu sehen, ob ein Test fehlschlägt. Wenn nichts fehlschlägt, fehlt Ihnen ein negativer Test.
Positive und negative Tests im Vergleich
| Aspekt | Positiver Test | Negativer Test |
|---|---|---|
| Eingabe | Gültig, erwartet | Ungültig, unerwartet oder böswillig |
| Frage beantwortet | Funktioniert es? | Scheitert es sicher? |
| Passiert wann | Die Aktion ist erfolgreich | Die Eingabe wird mit dem richtigen Fehler abgelehnt |
| Typische Fallzahlen | Weniger | Mehr |
| Funde | Defekte Kernfunktionen | Fehlende Validierung, Abstürze, Sicherheitslücken |
| Priorität | Zuerst laufen | Direkt danach ausführen, vor der Veröffentlichung |
| Beispiel | Melden Sie sich mit dem richtigen Passwort an | Anmeldung mit falschem Passwort, leerem Passwort, SQL im Benutzernamen |
So finden Sie negative Testfälle
- Äquivalenzpartitionierung: Teilen Sie Eingaben in gültige und ungültige Gruppen auf und testen Sie einen Wert aus jeder ungültigen Gruppe. Weitere Informationen finden Sie in unserem Leitfaden zur Äquivalenzpartitionierung.
- Grenzwerte: Testen Sie knapp außerhalb jedes Grenzwerts, z. B. 17 und 121.
- Falsche Typen: Text, zu dem eine Zahl gehört, ein boolescher Wert, eine Dezimalzahl, Null. Unser Test mit
"30"als Text ist für APIs wichtig, wo JSON-Nummern oft als Strings ankommen. - Leer und fehlend: leere Zeichenfolgen, nur Leerzeichen, fehlende Felder.
- Formattrenner: Leerzeichen, Emojis, sehr lange Eingaben, Sonderzeichen wie Anführungszeichen und spitze Klammern.
- Status und Reihenfolge: Zweimaliges Absenden, Verwendung eines abgelaufenen Links, Aktion nach dem Abmelden.
Auch die automatische Generierung abwechslungsreicher Eingaben hilft; Unser Leitfaden zur Testdatengenerierung deckt Faker- und Edge-Fälle ab.
Was für ein guter negativer Test
„Es ist nicht abgestürzt“ reicht nicht aus. Ein stark negativer Test prüft Folgendes:
- Die Eingabe wird abgelehnt, nicht stillschweigend akzeptiert oder „behoben“.
- Die richtige-Regel wurde ausgelöst, mit einer klaren Botschaft, auf die der Benutzer reagieren kann.
- Es wurde nichts gespeichert oder geändert: kein halb erstelltes Konto, keine Gebühr.
- Die Antwort ist richtig für eine API, normalerweise 400 oder 422 statt 500. Unser Spickzettel für HTTP-Statuscodes listet sie auf.
- Es werden keine sensiblen Details preisgegeben, etwa Stack-Traces oder ob eine E-Mail registriert ist.
Die richtige Balance finden
Es gibt unzählige negative Eingaben, daher können Sie nicht alle testen. Priorisieren Sie nach Risiko: Eine Validierung, die Geld, Sicherheit und Datenintegrität schützt, verdient die meisten negativen Fälle, während ein kosmetischer Bereich nur ein paar wenige Fälle benötigt. Eine praktische Regel vieler Teams ist mindestens ein positiver und ein negativer Test pro Anforderung, dann mehr, wenn ein Scheitern kostspielig ist. Automatisieren Sie die stabilen Formulare auf Einheiten- oder API-Ebene, wo sie in Millisekunden ausgeführt werden, und führen Sie einige End-to-End-Prüfungen für kritische Formulare durch. Unser Leitfaden für risikobasierte Tests zeigt, wie Funktionen bewertet werden.
Checkliste für positive und negative Tests
- Jede Eingabe hat mindestens einen positiven und einen negativen Fall.
- Beide Seiten jeder Grenze werden getestet.
- Falsche Typen, leere Werte und fehlende Felder werden abgedeckt.
- Jeder negative Test prüft den spezifischen Fehler, nicht nur den Fehler.
- Abgelehnte Anfragen verändern keine Daten.
- Fehlermeldungen sind klar und geben nichts Sensibles preis.
- API-Fehler geben 4xx-Codes zurück, niemals 500.
- Neue Fehler, die in der Produktion gefunden werden, erhalten einen neuen negativen Test.
Fazit
Positiv- oder Negativtests sind keine Wahl zwischen zwei Techniken; Es sind zwei Hälften derselben Arbeit. Positive Tests belegen, dass die Funktion bei korrekter Anwendung funktioniert. Negative Tests beweisen, dass seine Regeln alle anderen überleben. Unser 24-Fälle-Beispiel zeigte die Auszahlung in einer Zeile: Wenn eine Validierungsregel gebrochen wurde, blieb jeder positive Test grün und wurde nur von einem negativen Test erfasst. Informationen zum Schreiben dieser Fälle in einem einheitlichen Format finden Sie in unserem Leitfaden zum Schreiben von Testfällen.
Häufige Fragen
Was ist der Unterschied zwischen positiven und negativen Tests?
Positive Tests verwenden gültige Eingaben und prüfen, ob die Funktion funktioniert. Negative Tests verwenden ungültige oder unerwartete Eingaben und prüfen, ob das System diese sicher mit einem eindeutigen Fehler zurückweist.
Was ist ein Beispiel für einen negativen Testfall?
Geben Sie ein Alter von 121 ein, wenn der zulässige Bereich zwischen 18 und 120 liegt, und prüfen Sie, ob das Formular es mit einem Altersfehler ablehnt und nichts speichert.
Was sollte zuerst durchgeführt werden, positive oder negative Tests?
In der Regel positive Tests, da es wenig Sinn macht, die Fehlerbehandlung zu testen, wenn der Hauptfluss unterbrochen ist. Vor der Veröffentlichung sollten negative Tests erfolgen.
Wie viele negative Testfälle benötige ich?
Mindestens eine pro Eingaberegel plus beide Seiten jeder Grenze. Fügen Sie weitere für Hochrisikobereiche wie Zahlungen, Sicherheit und Datenintegrität hinzu.
Wann ist ein negativer Test bestanden?
Die Prüfung besteht, wenn das System die ungültige Eingabe korrekt ablehnt: der richtige Fehler, kein Absturz, keine gespeicherten Daten und keine durchgesickerten Details.
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.
BM25 erklärt: Wie die Keyword-Suche Ergebnisse einordnet, mit Python-Code und Hybridsuche
BM25 erklärte anhand einer reinen Python-Implementierung, die wir ausgeführt haben: die Formel, IDF, Termsättigung, die k1- und b-Parameter, warum e…
Artikel lesen →SoftwareentwicklungErklärte HTTP-Methoden: GET, POST, PUT, PATCH, DELETE, getestet auf einem Live-Server
HTTP-Methoden erklärt anhand eines kleinen Servers, den wir ausgeführt haben: GET, POST, PUT, PATCH, DELETE, HEAD und OPTIONS, sicher vs. idempotent…
Artikel lesen →DevOpsGit Bisect erklärt: Finden Sie den Commit, der Ihren Code kaputt gemacht hat, manuell oder automatisch
Git bisect anhand eines getesteten Repositorys erklärt: Finden Sie den einzigen fehlerhaften Commit unter 41 in 5 Testläufen, automatisieren Sie ihn…
Artikel lesen →TestautomatisierungErklärte Pytest-Marker: Benutzerdefinierte Markierungen, Skip, Skipif, Xfail und -m-Filter
Pytest-Marker anhand einer getesteten Suite erklärt: Registrieren Sie benutzerdefinierte Marken, führen Sie nur Smoke-Tests mit -m aus, kombinieren …
Artikel lesen →SoftwaretestsPositive vs. negative Tests: Unterschiede, 24 echte Testfälle und eine Checkliste
Positive vs. negative Tests werden mit einem echten Anmeldeformular erklärt: 6 positive und 18 negative Testfälle werden in Pytest ausgeführt, der f…
Artikel lesen →Datenbanken & SQLSQL ORDER BY Mehrere Spalten: ASC, DESC, NULLS LAST, Case und Custom Order
SQL ORDER BY mit mehreren Spalten, erklärt mit getesteten Abfragen: gemischte ASC und DESC, Tie-Breaker, NULLS FIRST und LAST, Sortierung ohne Berüc…
Artikel lesen →Datenbanken & SQLLaufende SQL-Summe: SUM OVER, Gesamtsummen pro Gruppe, gleitende Summen und die RANGE-Falle
So berechnen Sie eine laufende SQL-Summe mit SUM() OVER: Gesamtsummen pro Gruppe, tägliche kumulative Summen, gleitende Summen, Prozent der Gesamtsu…
Artikel lesen →SoftwareentwicklungJavaScript Sort Array: Zahlen, Objekte, Strings und warum 10 vor 5 kommt
So sortieren Sie ein Array in JavaScript richtig: Zahlen mit einer Vergleichsfunktion, Objekte nach einem oder mehreren Feldern, Zeichenfolgen mit l…
Artikel lesen →Künstliche IntelligenzErklärte 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 →