pytest parametrize erklärt: 7 Muster mit getesteten Beispielen

  1. Startseite
  2. Blog
  3. Testautomatisierung

Testautomatisierung

pytest parametrize erklärt: 7 Muster mit getesteten Beispielen

pytest parametrize führt eine Testfunktion mit vielen Eingabesätzen aus, sodass Sie die Logik einmal schreiben und Fälle als Daten hinzufügen. Lernen Sie 7 praktische Muster kennen, von einer einfachen Fallliste bis hin zu lesbaren IDs, erwarteten Fehlern und indirekten Fixtures, die alle mit Pytest 9.2 ausgeführt werden.

8 Min. Lesezeit
Pytest parametrisieren mit Beispielen erklärt

Das Wichtigste

  • pytest parametrize verwendet @pytest.mark.parametrize("args", [cases]), um einen Test einmal pro Fall auszuführen.
  • Jeder Fall wird zu einem eigenen Test mit eigenem Bestehen oder Nichtbestehen, sodass eine schlechte Eingabe niemals die anderen verbirgt.
  • Geben Sie Fälle lesbar an ids; dann führt -k zeros genau diesen Fall aus.
  • Unsere Datei mit 7 Mustern sammelte 22 Tests aus 6 Funktionen: 20 bestanden, 1 übersprungen und 1 erwarteter Fehler, in 0,24 Sekunden.

Das fünfmalige Kopieren und Einfügen eines Tests zur Überprüfung von fünf Eingaben ist langsam zu schreiben und mühsam in der Wartung. Eine Schleife innerhalb eines Tests ist schlimmer: Der erste Fehler stoppt die Schleife und verbirgt den Rest. pytest parametrize löst beide Probleme. Alles Folgende wurde mit Pytest 9.2.0 auf Python 3.13.6 ausgeführt und die Ausgaben werden von diesem Lauf kopiert. Neu bei Pytest? Beginnen Sie mit unserem Pytest-Tutorial.

Warum Tests parametrisieren?

  • Weniger Code: Die Testlogik wird einmal geschrieben.
  • Eindeutige Fehler: Jeder Fall wird separat mit seiner Eingabe im Namen gemeldet.
  • Einfaches Wachstum: Ein neuer Randfall ist eine weitere Datenzeile.
  • Besseres Design: Es lässt sich auf natürliche Weise mit Äquivalenzpartitionierung und Randwertanalyse kombinieren, bei der Sie einen Wert aus jeder Klasse oder Kante testen.

1. Eine grundlegende Liste von Fällen

import pytest

def is_valid_email(s):
    return isinstance(s, str) and s.count("@") == 1 \
        and "." in s.split("@")[-1] and " " not in s

@pytest.mark.parametrize("email, expected", [
    ("demo@example.com", True),
    ("no-at-sign.com", False),
    ("two@@example.com", False),
    ("space in@example.com", False),
    ("demo@localhost", False),
])
def test_email(email, expected):
    assert is_valid_email(email) == expected

Das erste Argument benennt die Parameter als durch Kommas getrennte Zeichenfolge. Die zweite ist eine Liste von Tupeln, eines pro Fall, in derselben Reihenfolge. pytest hat aus dieser einen Funktion fünf Tests generiert:

test_param.py::test_email[demo@example.com-True]
test_param.py::test_email[no-at-sign.com-False]
test_param.py::test_email[two@@example.com-False]
test_param.py::test_email[space in@example.com-False]
test_param.py::test_email[demo@localhost-False]

Als wir absichtlich eine Erwartung gebrochen haben, benannte die Fehlerzeile die genaue Eingabe: FAILED test_param.py::test_email[demo@localhost-True]. Die anderen vier haben trotzdem bestanden und normal berichtet.

2. Lesbare IDs

Standard-IDs werden aus den Werten erstellt, was bei langen Zeichenfolgen, Objekten oder Zahlen hässlich wird. Übergeben Sie ids, um Fälle selbst zu benennen:

@pytest.mark.parametrize("a, b, total",
    [(1, 2, 3), (0, 0, 0), (-1, 1, 0)],
    ids=["positive", "zeros", "negative"])
def test_add(a, b, total):
    assert a + b == total

Die Tests erscheinen als test_add[positive], test_add[zeros] und test_add[negative]. Gute IDs lesen sich wie eine Spezifikation in Testberichten und CI-Protokollen.

3. Dekoratoren für Kombinationen stapeln

@pytest.mark.parametrize("x", [1, 2])
@pytest.mark.parametrize("y", ["a", "b", "c"])
def test_grid(x, y):
    assert x and y

Gestapelte Dekoratoren erzeugen jede Kombination: 2 × 3 = 6 Tests, von test_grid[a-1] bis test_grid[c-2]. Das ist praktisch für kleine Raster wie Browser × Gebietsschema, vervielfacht sich aber schnell. Wählen Sie bei vielen Parametern bewusst Kombinationen aus; Weitere Informationen finden Sie in unserem Leitfaden zum paarweisen Testen.

4. pytest.param: IDs und Markierungen pro Fall

@pytest.mark.parametrize("value, expected", [
    pytest.param("10", 10, id="digits"),
    pytest.param(" 7 ", 7, id="spaces"),
    pytest.param("abc", None, id="letters",
                 marks=pytest.mark.xfail(raises=ValueError, strict=True)),
    pytest.param("3.5", 3, id="float-string",
                 marks=pytest.mark.skip(reason="decide rounding rule first")),
])
def test_to_int(value, expected):
    assert int(value) == expected

Wenn Sie einen Fall in pytest.param einschließen, können Sie nur diesem Fall eine ID und Markierungen hinzufügen. Hier ist „letters“ ein erwarteter Fehler, der ValueError auslösen muss, und „float-string“ wird mit einem Grund übersprungen. In unserem Lauf wurden sie als x und s in der Fortschrittszeile angezeigt. Mit strict=True wird ein xfail, der unerwartet erfolgreich ist, als Fehler gemeldet, sodass bekannte Fehler nicht versehentlich behoben werden können, ohne dass es jemand bemerkt.

Tipp: Verwenden Sie xfail mit einer Ticketnummer als Grund für bekannte Fehler und stellen Sie den Fall wieder auf den Normalzustand zurück, wenn der Fehler behoben ist. Dadurch bleibt die Suite grün, ohne das Problem zu verbergen.

5. Indirekte Parametrierung mit Fixtures

Manchmal muss der Wert eingerichtet werden, bevor der Test ihn verwenden kann, z. B. das Erstellen eines Benutzers mit einer Rolle. Mit indirect übergibt Pytest jeden Wert zuerst an eine Vorrichtung:

@pytest.fixture
def user(request):
    role = request.param
    return {"name": "Demo", "role": role, "can_delete": role == "admin"}

@pytest.mark.parametrize("user, allowed",
    [("admin", True), ("viewer", False)], indirect=["user"])
def test_permissions(user, allowed):
    assert user["can_delete"] is allowed

Das Gerät liest den Rohwert von request.param und gibt das erstellte Objekt zurück. Die Angabe von nur ["user"] als indirekt bedeutet, dass allowed immer noch direkt ankommt. Dadurch bleibt teures Setup dort, wo es hingehört; Weitere Informationen finden Sie in unserem Pytest-Fixture-Leitfaden.

6. Fälle aus einer Liste von Wörterbüchern

CASES = [
    {"qty": 1, "price": 100, "total": 100},
    {"qty": 3, "price": 50, "total": 150},
]

@pytest.mark.parametrize("case", CASES, ids=lambda c: f"qty{c['qty']}")
def test_cart(case):
    assert case["qty"] * case["price"] == case["total"]

ids kann eine Funktion sein, die aus jedem Fall einen Namen erstellt; Unsere produzierten test_cart[qty1] und test_cart[qty3]. Mit der gleichen Idee können Sie Fälle zum Zeitpunkt des Imports aus einer JSON- oder CSV-Datei laden, was für Daten geeignet ist, die Tester außerhalb des Codes verwalten. Unser Leitfaden zur Testdatengenerierung zeigt, wie man solche Daten erstellt.

7. Nur einige Fälle ausführen

$ pytest -q -k "zeros or admin"
2 passed, 20 deselected in 0.10s

Da IDs Teil des Testnamens werden, kann -k einzelne Fälle auswählen. Sie können auch eine vollständige Knoten-ID, z. B. "test_param.py::test_add[zeros]", aus einem Fehlerbericht kopieren und beim Debuggen genau diesen Fall ausführen.

Zwei weitere Muster: Dateien und Klassen

Laden Sie Fälle aus einer JSON-Datei

[{"id": "free-over-500", "total": 600, "fee": 0},
 {"id": "boundary-500",  "total": 500, "fee": 49},
 {"id": "small-order",   "total": 120, "fee": 49}]
import json, pathlib, pytest

CASES = json.loads(pathlib.Path(__file__).with_name("cases.json")
                   .read_text(encoding="utf-8"))

@pytest.mark.parametrize("case", CASES, ids=[c["id"] for c in CASES])
def test_shipping_from_file(case):
    assert shipping(case["total"]) == case["fee"]

Tester oder Analysten können jetzt Fälle hinzufügen, ohne Python zu berühren. Jedes JSON-Objekt wird weiterhin zu einem eigenen benannten Test, z. B. test_shipping_from_file[boundary-500]. Lesen Sie die Datei mit einem expliziten encoding="utf-8", damit Namen mit Akzenten oder Symbolen auf jedem Computer gleich geladen werden.

Parametrisieren Sie eine ganze Klasse

@pytest.mark.parametrize("currency", ["INR", "USD"])
class TestPrices:
    def test_symbol(self, currency):
        assert {"INR": "₹", "USD": "$"}[currency]
    def test_code_length(self, currency):
        assert len(currency) == 3

Ein Dekorator der Klasse gilt für jede darin enthaltene Testmethode, sodass zwei Methoden × zwei Währungen vier Tests ergaben. Zusammen mit dem dateigesteuerten Test sammelte dieses zusätzliche Modul 7 Tests und alle 7 bestanden sie in 0,12 Sekunden.

Unser kompletter Lauf

$ pytest -q
................xs....                     [100%]
20 passed, 1 skipped, 1 xfailed in 0.24s

$ pytest --collect-only -q
22 tests collected in 0.01s

Sechs Testfunktionen führten zu 22 Tests. Dieses Verhältnis ist der eigentliche Vorteil: breite Abdeckung mit sehr wenig Code. Überprüfen Sie mit --collect-only, ob sich Ihre Fälle wie erwartet erweitern, bevor Sie sie ausführen.

parametrisieren vs. Alternativen

Ansatz Am besten für Nachteil
Copy-Paste-Tests Zwei sehr unterschiedliche Fälle Doppelter Code
Schleife innerhalb eines Tests Eigentlich nichts Der erste Misserfolg verbirgt den Rest
@pytest.mark.parametrize Bekannte Beispielfälle Sie müssen die Fälle auswählen
Parametrisierte Vorrichtung Führen Sie viele Tests mit mehreren Setups durch Weniger sichtbar als ein Dekorateur
Hypothese Hunderte von Eingaben werden automatisch generiert Zusätzliche Bibliothek und Lernen

Wenn Sie möchten, dass Pytest Fälle für Sie erfindet, schauen Sie sich eigenschaftenbasiertes Testen mit Hypothesis an.

Tipps für wartbare parametrisierte Tests

  • Ein Verhalten pro Test. Parametrisieren Sie Eingaben, die sich auf die gleiche Weise verhalten sollen. Wenn gültige und ungültige Eingaben unterschiedliche Behauptungen erfordern, schreiben Sie zwei Tests mit jeweils einer eigenen Fallliste.
  • Fälle nach Absicht benennen. boundary-500 teilt einem Prüfer mit, warum der Fall existiert; case3 nicht.
  • Bewahren Sie die Daten in der Nähe des Tests auf, es sei denn, Nicht-Programmierer pflegen sie; Verschieben Sie es dann wie oben gezeigt in JSON oder CSV.
  • Bedecken Sie die Kanten absichtlich. Leere Werte, Null, negative Zahlen, die genaue Grenze und ein Wert darüber hinaus finden normalerweise mehr Fehler als zehn normale Werte.
  • CI-Ausgabe nach ID lesen. Ein Fehler wie test_email[demo@localhost-True] zeigt Ihnen bereits die Eingabe an, sodass Sie sie lokal reproduzieren können, indem Sie die Knoten-ID nach pytest einfügen.
  • Beobachten Sie die Zählung. Wenn --collect-only Hunderte von Fällen anzeigt, prüfen Sie, ob ein paar gut ausgewählte Fälle in kürzerer Zeit das gleiche Vertrauen ergeben würden.

Häufige Fehler

  • Namenskonflikt: Die Namen in der Zeichenfolge müssen genau mit den Funktionsargumenten übereinstimmen, sonst treten Pytest-Fehler bei der Erfassung auf.
  • Einzelwerte als Tupel: Übergeben Sie für einen Parameter eine einfache Liste wie [1, 2, 3], keine Tupel.
  • Veränderliche freigegebene Daten: Wenn ein Test ein Diktat aus der Fallliste ändert, sehen spätere Tests die Änderung. Kopieren Sie es zuerst.
  • Logik im Test: if expected: Verzweigungen innerhalb eines parametrisierten Tests bedeuten normalerweise, dass Sie zwei Tests benötigen.
  • Kombinatorische Explosion: Das Stapeln von vier Dekoratoren mit jeweils fünf Werten führt zu 625 Tests. Bewusst beschneiden.

Fazit

pytest parametrize verwandelt sich wiederholende Tests in saubere, datengesteuerte Tests. Beginnen Sie mit einer einfachen Liste von Tupeln, fügen Sie lesbare IDs hinzu, verwenden Sie pytest.param für Sprünge und bekannte Fehler und verschieben Sie das Setup in indirekte Vorrichtungen. Überprüfen Sie die Erweiterung mit --collect-only, und Ihre Suite wird durch das Hinzufügen von Daten statt durch Code wachsen.

Häufige Fragen

Was macht pytest.mark.parametrize?

Für jeden von Ihnen angegebenen Argumentsatz wird dieselbe Testfunktion einmal ausgeführt und jede Ausführung wird als separater Test mit eigenem Ergebnis gemeldet.

Wie gebe ich parametrisierten Tests lesbare Namen?

Übergeben Sie IDs als Liste von Zeichenfolgen oder als Funktion oder schließen Sie jeden Fall in pytest.param mit festgelegter ID ein. Die ID erscheint in Klammern nach dem Testnamen.

Wie überspringe oder xfail ich einen parametrisierten Fall?

Wickeln Sie diesen Fall in „pytest.param“ ein und fügen Sie Markierungen hinzu, zum Beispiel „marks=pytest.mark.skip(reason=…)“ oder „marks=pytest.mark.xfail(raises=ValueError)“.

Was ist indirekte Parametrisierung in Pytest?

Bei indirekter Methode wird jeder Wert an ein Fixture mit demselben Namen gesendet, das ihn aus request.param liest und die Einrichtung durchführen kann, bevor das vom Test empfangene Objekt zurückgegeben wird.

Kann ich mit mehreren Dekorateuren parametrisieren?

Ja. Beim Stapeln von Parametrisierungsdekoratoren wird jede Kombination der Werte ausgeführt, sodass zwei Werte und drei Werte sechs Tests ergeben.

Lerne weiter

Arbeiten Sie mit Stack Quora

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.

Lesen Sie weiter

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.

Künstliche Intelligenz

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 →
Softwareentwicklung

Erklärte 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 →
DevOps

Git 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 →
Testautomatisierung

Erklärte 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 →
Softwaretests

Positive 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 & SQL

SQL 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 & SQL

Laufende 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 →
Softwareentwicklung

JavaScript 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 →
Softwareentwicklung

Python-String-Methoden: Spickzettel, reale Beispiele und die Strip()-Falle

Python-String-Methoden mit getesteten Beispielen: Split, Join, Strip, Replacement, Find, Startswith, Is-Methoden, Casefold, Partition und Translate …

Artikel lesen →
Künstliche Intelligenz

Kosinusähnlichkeit erklärt: Formel, Arbeitsbeispiel und Python-Code

Kosinusähnlichkeit einfach erklärt: die Formel, ein handgearbeitetes Beispiel, reiner Python- und NumPy-Code, Kosinus vs. euklidischer Abstand bei r…

Artikel lesen →
Softwareentwicklung

Erklärung der UTF-8-Kodierung: Wie Text zu Bytes wird und wie man verstümmelten Text repariert

UTF-8-Codierung erklärt anhand von Beispielen auf Byte-Ebene, die wir in Python ausgeführt haben: Wie Zeichen 1 bis 4 Byte groß werden, warum sich C…

Artikel lesen →
Testautomatisierung

pytest parametrize erklärt: 7 Muster mit getesteten Beispielen

pytest parametrize erklärt mit 7 getesteten Mustern: Basisfälle, lesbare IDs, gestapelte Dekoratoren, pytest.param mit xfail und skip, indirekte Fix…

Artikel lesen →
Softwaretests

Retesting vs. Regressionstests: 8 Hauptunterschiede anhand eines echten Bugfix-Beispiels

Erneutes Testen vs. Regressionstests erklärt anhand eines echten Bugfix-Laufs in Pytest: Ein erneuter Test bestätigte die Fehlerbehebung, der Regres…

Artikel lesen →
Datenbanken & SQL

Doppelte Zeilen in SQL löschen: 5 sichere Methoden, Schritt für Schritt getestet

So löschen Sie doppelte Zeilen in SQL sicher: Suchen Sie sie, zeigen Sie eine Vorschau an und entfernen Sie sie dann mit ROW_NUMBER, MIN(id), EXISTS…

Artikel lesen →
Datenbanken & SQL

SQL RANK vs. DENSE_RANK vs. ROW_NUMBER: Unterschiede zu getesteten Beispielen

SQL RANK vs. DENSE_RANK vs. ROW_NUMBER in einer Tabelle: Wie jeder mit Gleichständen umgeht, Top-N pro Gruppe, die zweithöchste Gehaltsfalle und det…

Artikel lesen →
Softwareentwicklung

JavaScript Optional Chaining (?.) Erklärt: 8 Beispiele, ?? Vorgaben und Fallen

Die optionale Verkettung von JavaScript stoppt den Fehler „Eigenschaften von undefinierten Objekten können nicht gelesen werden“. 8 getestete Beispi…

Artikel lesen →
Softwareentwicklung

Python enumerate() erklärt: 7 Beispiele, start=1 und zu vermeidende Fehler

Python enumerate() gibt Ihnen den Index und den Wert in einer sauberen Schleife. 7 getestete Beispiele, der Start=1-Trick, Wörterbücher, Dateien, Ge…

Artikel lesen →
Künstliche Intelligenz

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 →
Softwareentwicklung

API-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 →
DevOps

Git 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 →
Softwaretests

Paarweises 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 →
Testautomatisierung

Test-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 & SQL

SQL 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 & SQL

SQL 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 →
Softwareentwicklung

Erklärter 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 →
Softwareentwicklung

Erklärte Python-Funktionstools: lru_cache, Partial, Reduce, Wraps und mehr, getestet

Python-Funktionstools erklärt mit Code, den wir auf Python 3.13 ausgeführt haben: lru_cache und Cache, Partial, Reduce, Wraps, Cached_Property, Sing…

Artikel lesen →
Softwareentwicklung

Erklärtes 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 Intelligenz

Erklärtes 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 →
Softwareentwicklung

Webhooks 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 →
DevOps

Git 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 →
Testautomatisierung

Snapshot-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 →
Softwaretests

Mutationstests 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 →
Datenbanken & SQL

Erklärte SQL-JSON-Funktionen: JSON in SQL abfragen, aktualisieren und indizieren, getestet

SQL-JSON-Funktionen erklärt mit Abfragen, die wir in SQLite 3.50 ausgeführt haben: json_extract, die Operatoren -> und ->>, json_each, json…

Artikel lesen →
Datenbanken & SQL

SQL Pivot erklärt: Zeilen in Spalten umwandeln mit CASE, FILTER und PIVOT

SQL-Pivot erklärt mit Abfragen, die wir in SQLite 3.50 ausgeführt haben: bedingte Aggregation mit CASE und SUM, FILTER, NULL vs. Null, Summen, dynam…

Artikel lesen →
Künstliche Intelligenz

Prompt 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 →
DevOps

Erklärte 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 →
DevOps

Erklärte 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 →
Testautomatisierung

Testdatengenerierung 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 →
Softwaretests

Shift-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 & SQL

Erklärte 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 & SQL

Erklärte 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 →
Softwareentwicklung

Erklärung 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 →
Softwareentwicklung

ES-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 →
Softwareentwicklung

Python 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 Intelligenz

Erklärung 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 →
DevOps

SSH-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 →
DevOps

HTTP-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 →
Testautomatisierung

API-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 →
Softwaretests

Risikobasiertes 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 & SQL

Erklärte 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 & SQL

Erklärte 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 →
Softwareentwicklung

Python-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 →
Softwareentwicklung

Debounce 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 →
Softwareentwicklung

Erklärte 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 Intelligenz

LLM-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 →
DevOps

YAML 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 →
DevOps

Cron-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 Intelligenz

KI-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 →
DevOps

Erklärte 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 →
Softwareentwicklung

API-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 →
Testautomatisierung

Spott 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 →
Softwaretests

Code-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 & SQL

DELETE 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 & SQL

Erklärte 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 →
Softwareentwicklung

TypeScript-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 →
Softwareentwicklung

Python *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 →
Softwareentwicklung

Python-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 Intelligenz

Was 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 →
DevOps

Überwachung 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 →
DevOps

Docker-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 →
Testautomatisierung

TDD 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 →
Softwaretests

Benutzerakzeptanztests (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 & SQL

Erklärte 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 & SQL

SQL 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 →
Softwareentwicklung

Was 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 →
Softwareentwicklung

Erklärte 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 →
Softwareentwicklung

Erklärung 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 Intelligenz

Was 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 →
DevOps

Blau-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 →
Testautomatisierung

Flaky-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 →
Softwaretests

Lasttest 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 →
Softwaretests

Testfall 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 & SQL

SQL-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 & SQL

SQL 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 →
Softwareentwicklung

Tutorial 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 →
Softwareentwicklung

Umgang 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 →
Softwareentwicklung

Python-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 Intelligenz

Was 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 →
DevOps

Linux-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 →
Testautomatisierung

Selenium 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 →
Softwaretests

Äquivalenzpartitionierung: 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 →
Softwaretests

Schweregrad 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 & SQL

Tutorial 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 & SQL

SQL-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 →
Softwareentwicklung

Spickzettel 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 →
Softwareentwicklung

Erklärte 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 →
Softwareentwicklung

Python-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 Intelligenz

Was 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 →
DevOps

Terraform-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 →
DevOps

Docker 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 →
Testautomatisierung

Pytest-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 →
Softwaretests

Software 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 →
Softwareentwicklung

Git 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 →
Softwareentwicklung

Python 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 & SQL

SQL 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 →