Python-Asyncio erklärt: Async, Wait, Gather und TaskGroup mit echten Timings

  1. Startseite
  2. Blog
  3. Softwareentwicklung

Softwareentwicklung

Python-Asyncio erklärt: Async, Wait, Gather und TaskGroup mit echten Timings

Mit asyncio kann ein Python-Programm ohne Threads auf viele langsame Dinge gleichzeitig warten, z. B. Netzwerkaufrufe. Wir haben sequenziellen und gleichzeitigen Code zeitlich abgestimmt, Dinge absichtlich kaputt gemacht und den einen Fehler gemessen, der stillschweigend alle Vorteile zunichte macht.

10 Min. Lesezeit
Python Asyncio erklärt: Async, Wait, Gather und TaskGroup mit echten Timings

Das Wichtigste

  • asyncio führt viele wartende Aufgaben in einem Thread aus und wechselt bei jedem await zwischen ihnen.
  • Drei 0,5-sekündige Wartezeiten dauerten nacheinander 1,52 s und 0,50 s mit asyncio.gather.
  • Bevorzugen Sie asyncio.TaskGroup (Python 3.11+): Wenn eine Aufgabe fehlschlägt, werden die anderen abgebrochen.
  • Ein blockierender Aufruf wie time.sleep innerhalb einer Coroutine bringt alles zum Stillstand. Verwenden Sie asynchrone Bibliotheken oder asyncio.to_thread.

Ein Skript ruft Daten von drei APIs ab, was jeweils eine halbe Sekunde dauert. Führen Sie einen nach dem anderen aus, das sind meist 1,5 Sekunden Wartezeit. Bei Asyncio startet das Programm alle drei Anfragen, wartet gemeinsam auf sie und ist in etwa einer halben Sekunde fertig. Das ist die ganze Idee: Während eine Aufgabe wartet, kann eine andere ausgeführt werden.

Wir haben langsame I/O mit asyncio.sleep simuliert und alles auf Python 3.13 getimt. Alle unten aufgeführten Zeitangaben und Ausgaben stammen aus diesem Lauf.

Was ist Asyncio?

asyncio ist Pythons integrierte Bibliothek zum Schreiben von gleichzeitigem Code mit den Schlüsselwörtern async und await. Es verwendet eine Ereignisschleife: einen Planer, der jeweils einen Teil des Codes ausführt und immer dann, wenn dieser Code eine await für etwas erreicht, das noch nicht fertig ist, zu einer anderen Aufgabe wechselt, die Fortschritte machen kann. Dies nennt man kooperatives Multitasking. Es ähnelt im Geiste der JavaScript-Ereignisschleife.

Es handelt sich um Parallelität, nicht um Parallelität. Es wird jeweils nur ein Teil des Python-Codes ausgeführt. Der Gewinn ergibt sich aus der Überlappung des Wartens.

Wann Asyncio hilft und wann nicht

Arbeitsbelastung Bestes Werkzeug
Viele Netzwerkanrufe, Webserver, Websockets, Chatbots asynchron
Einige blockierende E/A-Aufrufe im vorhandenen Code Themen (concurrent.futures)
Hohe CPU-Arbeit: Mathematik, Bildverarbeitung, Parsen Prozesse (multiprocessing)
Ein einfaches Skript, das eine Anfrage stellt Einfacher synchroner Code

Asyncio glänzt, wenn es viele Dinge gibt, auf die man warten muss, von Dutzenden bis zu Tausenden. Es bewirkt nichts für Code, der die CPU beschäftigt.

Coroutinen und warten

import asyncio

async def fetch(name, delay, fail=False):
    await asyncio.sleep(delay)          # stands in for a network call
    if fail:
        raise ConnectionError(f"{name} failed")
    return f"{name} ok"

async def sequential():
    return [await fetch("a", 0.5), await fetch("b", 0.5), await fetch("c", 0.5)]

asyncio.run(sequential())
# ['a ok', 'b ok', 'c ok'] in 1.52s

async def definiert eine Coroutine-Funktion. Durch den Aufruf wird es nicht ausgeführt; Es erstellt ein Coroutine-Objekt. await führt eine Coroutine aus und wartet auf deren Ergebnis, während die Ereignisschleife in der Zwischenzeit andere Arbeiten erledigt. asyncio.run() startet die Ereignisschleife und führt die Coroutine der obersten Ebene aus.

Beachten Sie den Zeitpunkt. Drei Dinge nacheinander abzuwarten ist immer noch sequentiell: 1,52 Sekunden. Durch das Schreiben von async wird der Code nicht automatisch parallelisiert.

Dinge gleichzeitig mit Gather ausführen

async def concurrent():
    return await asyncio.gather(fetch("a", 0.5), fetch("b", 0.5), fetch("c", 0.5))

# ['a ok', 'b ok', 'c ok'] in 0.50s

asyncio.gather plant alle drei gleichzeitig und wartet auf alle. Die Gesamtzeit sank auf die längste Einzelwartezeit, 0,50 Sekunden, dreimal schneller. Die Ergebnisse werden in derselben Reihenfolge wie die Argumente zurückgegeben, nicht in der Reihenfolge, in der sie beendet wurden.

Fehler beim Sammeln

await asyncio.gather(fetch("a", 0.1), fetch("b", 0.2, fail=True))
# gather raised: b failed

await asyncio.gather(fetch("a", 0.1), fetch("b", 0.2, fail=True),
                     return_exceptions=True)
# ['a ok', ConnectionError('b failed')]

Standardmäßig wird die erste Ausnahme an den Aufrufer weitergegeben. Ein subtiles Detail: Die anderen zu erwartenden Termine werden nicht abgesagt; sie laufen im Hintergrund weiter. Mit return_exceptions=True kommen Fehler als Werte in der Ergebnisliste zurück, sodass Sie jeden einzelnen behandeln können. Das eignet sich für Aufgaben, bei denen ein teilweiser Erfolg akzeptabel ist, beispielsweise die Überprüfung des Status vieler URLs.

TaskGroup: strukturierte Parallelität

Mit Python 3.11 wurde asyncio.TaskGroup hinzugefügt, was jetzt die empfohlene Methode zum gemeinsamen Ausführen von Aufgaben ist:

try:
    async with asyncio.TaskGroup() as tg:
        t1 = tg.create_task(fetch("a", 0.1))
        t2 = tg.create_task(fetch("b", 0.05, fail=True))
        t3 = tg.create_task(fetch("c", 1.0))
except* ConnectionError as eg:
    print([str(e) for e in eg.exceptions], t3.cancelled())

# ['b failed'] True

Als Aufgabe b fehlschlug, brach die Gruppe die noch laufende Aufgabe c ab, wartete, bis alles erledigt war, und löste eine ExceptionGroup aus, die hier mit der Syntax except* abgefangen wird. Im Hintergrund lief nichts mehr. Dieses „Alles erfolgreich oder alles stoppt“-Verhalten wird als strukturierte Parallelität bezeichnet und verhindert eine Klasse von Fehlern, bei denen verwaiste Aufgaben weiterarbeiten, nachdem ihr Aufrufer aufgegeben hat. Es verwendet dasselbe async with Muster, das in unserem Kontextmanager-Leitfaden beschrieben ist.

Auszeiten

try:
    async with asyncio.timeout(0.2):
        await fetch("slow", 1.0)
except TimeoutError:
    print("timeout after 0.2s")

await asyncio.wait_for(fetch("slow", 1.0), 0.2)   # also raises TimeoutError

Jeder Netzwerkanruf sollte eine Zeitüberschreitung haben; Eine Anfrage, die für immer hängt, kann einen ganzen Dienst einfrieren. asyncio.timeout() (Python 3.11+) kann einen Block mit mehreren Wartevorgängen umschließen, während wait_for einen umschließt. Beide brechen den langsamen Betrieb ab, wenn die Zeit abgelaufen ist.

Der Blocking-Call-Fehler

Dies ist der schädlichste Asyncio-Fehler, da der Code immer noch funktioniert, nur langsam:

async def bad():
    time.sleep(0.5)                          # blocks the whole event loop

async def good():
    await asyncio.to_thread(time.sleep, 0.5) # runs in a worker thread

await asyncio.gather(bad(), bad(), bad())    # 1.50s
await asyncio.gather(good(), good(), good()) # 0.53s

Drei „gleichzeitige“ Aufrufe von bad() dauerten 1,50 Sekunden, genau so lange, als würden sie nacheinander ausgeführt. time.sleep nicht await, daher konnte die Ereignisschleife die Aufgaben nicht wechseln; alles erstarrte, bis es fertig war. Das Gleiche passiert mit requests.get(), synchronen Datenbanktreibern, großen Dateilesevorgängen und umfangreichen Berechnungen innerhalb einer Coroutine.

Tipp: Führen Sie Ihre App während der Entwicklung mit asyncio.run(main(), debug=True) oder PYTHONASYNCIODEBUG=1 aus. Der Debug-Modus protokolliert jeden Aufgabenschritt, der die Ereignisschleife länger als einen Schwellenwert blockiert, was direkt auf versteckte Blockierungsaufrufe hinweist.

Vergessen warten

c = fetch("x", 0.01)
print(type(c).__name__)    # coroutine

Ohne await erhalten Sie ein Coroutine-Objekt, kein Ergebnis, und der darin enthaltene Code wird nie ausgeführt. Python warnt: „Coroutine wurde nie erwartet“, wenn ein solches Objekt im Garbage Collection-Prozess erfasst wird, jedoch nur zur Laufzeit. Typprüfer wie mypy können viele dieser Fehler früher erkennen, da der Coroutine-Typ nicht mit den Erwartungen des Codes übereinstimmt.

Begrenzung der Parallelität

Das gleichzeitige Starten von 10.000 Anfragen kann den Server, den Sie anrufen, überlasten, seine Ratengrenzen überschreiten oder Ihre eigenen Verbindungen erschöpfen. Ein Semaphor begrenzt, wie viele gleichzeitig ausgeführt werden:

sem = asyncio.Semaphore(3)

async def job(i):
    async with sem:
        await asyncio.sleep(0.1)

await asyncio.gather(*(job(i) for i in range(10)))
# 10 jobs, limit 3: peak 3, took 0.42s

Es wurden nie mehr als drei Jobs gleichzeitig ausgeführt, und zehn 0,1-Sekunden-Jobs wurden in etwa 0,42 Sekunden abgeschlossen, vier Runden mit bis zu drei. Ohne die Begrenzung wären sie in 0,1 Sekunden fertig, aber eine echte API könnte anfangen, Anfragen abzulehnen.

Asynchrone Bibliotheken

Asyncio hilft nur, wenn der von Ihnen aufgerufene Code ebenfalls asynchron ist. Zu den gängigen Optionen gehören httpx und aiohttp für HTTP, asyncpg und async SQLAlchemy für Datenbanken sowie FastAPI oder Starlette für Webserver. Bei einer Bibliothek ohne asynchrone Version schließen Sie Aufrufe in asyncio.to_thread ein, wie in unserem Beispiel good(). Asynchroner Code verbreitet sich tendenziell: Sobald eine Funktion wartet, müssen auch ihre Aufrufer asynchron sein. Planen Sie daher, wo die asynchrone Grenze in Ihrer Anwendung liegt.

Asynchronen Code testen

pytest benötigt ein Plugin, um Coroutine-Tests auszuführen; pytest-asyncio und das Pytest-Plugin von AnyIO sind die häufigsten Optionen, mit denen Sie async def test_... Funktionen schreiben können. Verwenden Sie kurze, vorgetäuschte Verzögerungen, täuschen Sie Netzwerkaufrufe vor und schließen Sie Tests auf Zeitüberschreitungen, Abbrüche und das Scheitern einer Aufgabe unter mehreren ein, da sich auf diesen Pfaden asynchrone Fehler verbergen. Unser Pytest Fixtures Guide behandelt die Einrichtungsseite.

Sollten Sie asynchron arbeiten? Eine kurze Checkliste

  • Wird die meiste Zeit mit Warten verbracht? Zuerst messen. Wenn eine Anfrage 90 % ihrer Zeit in Netzwerk- oder Datenbankaufrufen verbringt, kann Async helfen. Wenn es diese Zeit mit Rechnen verbringt, wird es das nicht tun.
  • Unterstützen Ihre Bibliotheken dies? Ein asynchrones Web-Framework, das einen synchronen Datenbanktreiber aufruft, bringt kaum Vorteile und riskiert, die Schleife zu blockieren.
  • Wie viele Dinge passieren gleichzeitig? Drei API-Aufrufe können mit einem Thread-Pool problemlos verarbeitet werden. Bei Tausenden offenen Verbindungen gewinnt Asyncio eindeutig.
  • Ist das Team bereit? Asynchroner Code ändert die Funktionsweise von Fehlern, Abbrüchen und Tests. Beginnen Sie mit einem Dienst oder einem Skript, nicht mit einer vollständigen Neufassung.

Viele erfolgreiche Projekte kombinieren beides: eine asynchrone Webschicht für die Verarbeitung vieler Verbindungen, wobei CPU-intensive Arbeit an Hintergrundarbeiter oder separate Prozesse gesendet wird.

Fazit

Asyncio überschneidet sich mit dem Warten, nicht mit dem Rechnen. Unsere drei Wartezeiten von einer halben Sekunde sanken mit gather von 1,52 auf 0,50 Sekunden, aber eine einzige time.sleep an der falschen Stelle machte den Gewinn vollständig zunichte. Verwenden Sie TaskGroup für verwandte Aufgaben, fügen Sie Zeitüberschreitungen zu jedem externen Aufruf hinzu, begrenzen Sie die Parallelität mit einem Semaphor und blockieren Sie weiterhin Arbeiten außerhalb der Ereignisschleife.

Häufige Fragen

Was ist Asyncio in Python?

asyncio ist die Standardbibliothek für gleichzeitigen Code mit Async und Wait. Eine Ereignisschleife schaltet zwischen Aufgaben um, wenn eine wartet, sodass sich viele E/A-Vorgänge in einem einzelnen Thread überschneiden können.

Ist Asyncio schneller als Threads?

Bei einer großen Anzahl netzwerkgebundener Aufgaben ist es in der Regel effizienter, da die Aufgaben leichtgewichtig sind. Für einige blockierende Aufrufe sind Threads einfacher. Beides hilft nicht bei CPU-gebundener Arbeit; Verwenden Sie dafür Prozesse.

Was ist der Unterschied zwischen Gather und TaskGroup?

Beide führen Aufgaben gleichzeitig aus. TaskGroup bricht die verbleibenden Aufgaben ab, wenn eine davon fehlschlägt, und löst eine ExceptionGroup aus. Gather löst standardmäßig den ersten Fehler aus, ohne die anderen abzubrechen.

Warum ist mein asynchroner Code nicht schneller?

Normalerweise aufgrund blockierender Aufrufe wie „time.sleep“ oder „requests.get“ innerhalb von Coroutinen oder weil „Waits“ nacheinander ausgeführt werden. Verwenden Sie die asynchronen Bibliotheken asyncio.to_thread und Gather oder TaskGroup.

Was passiert, wenn ich das Warten vergesse?

Sie erhalten ein Coroutine-Objekt anstelle eines Ergebnisses und sein Code wird nie ausgeführt. Python warnt, dass die Coroutine nie erwartet wurde.

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

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

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 →
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 →