Test-Doubles erklärt: Dummy, Stub, Spy, Mock und Fake, mit getestetem Python-Code
Testdoubles sind Stellvertreter für echte Abhängigkeiten wie Zahlungsgateways, Mailer und Datenbanken. Erfahren Sie anhand eines kleinen Python-Beispiels, das wir in Pytest ausgeführt haben, die fünf klassischen Arten, was jede prüft, wann welche ausgewählt werden sollte und wie ein einfacher Mock Fehler verbergen kann.
- Testdoppelungen ersetzen echte Abhängigkeiten in Tests. Die fünf klassischen Typen sind Dummy, Stub, Spy, Mock und Fake.
- Stubs und Fakes unterstützen Statusprüfungen (war das Ergebnis richtig?); Spione und Spott unterstützen Verhaltensüberprüfungen (wurde der richtige Anruf getätigt?).
- Eine einfache
Mockakzeptierte in unserem Test eine falsch geschriebene Methode;create_autospecwies sowohl den Tippfehler als auch eine falsche Argumentanzahl zurück. - Alle sechs Tests in unserem Beispiel wurden mit pytest 9.2.0 auf Python 3.13 in 0,52 Sekunden bestanden.
Unit-Tests sollten schnell, wiederholbar und zielgerichtet sein. Echte Abhängigkeiten stören: Ein Zahlungsgateway verlangt Geld, ein Mailer verschickt E-Mails, eine Wechselkurs-API ändert sich jede Minute. Testdoubles sind die Objekte, die Sie an ihre Stelle setzen, ähnlich wie ein Stuntdouble einen Schauspieler vertritt.
Der Begriff und die Fünf-Wege-Aufteilung stammen aus Gerard Meszaros‘ Buch xUnit Test Patterns. Teams sagen oft „Mock“ für alle, und diese lockere Sprache führt zu Tests, bei denen das Falsche überprüft wird. Nachfolgend wird mit jedem Double-Typ eine kleine Checkout-Klasse getestet. Wir haben alles mit Pytest 9.2.0 auf Python 3.13.6 ausgeführt und alle Tests bestanden. Informationen zur Mocking-Bibliothek selbst finden Sie in unserem Python-Mocking-Leitfaden.
Was sind Testdoubles?
Ein Testdoppel ist jedes Objekt, das während eines Tests einen echten Mitarbeiter ersetzt. Der zu testende Code kann den Unterschied nicht erkennen, da das Double die gleichen Methoden bietet. Der Unterschied zwischen den Typen besteht darin, wie viel sie leisten und was Sie anschließend überprüfen:
- Dummy: übergeben, aber nie verwendet.
- Stub: gibt feste Antworten zurück.
- Spy: ein Stub, der auch aufzeichnet, wie er aufgerufen wurde.
- Mock: mit Erwartungen an Anrufe eingerichtet, die der Test überprüft.
- Fälschung: eine funktionierende, aber vereinfachte Implementierung, wie zum Beispiel eine In-Memory-Datenbank.
Der zu testende Code
Unsere Checkout-Klasse wandelt einen Preis um, belastet einen Zahlungsanbieter und sendet eine Quittung per E-Mail. Es braucht vier Mitarbeiter:
class Checkout:
def __init__(self, rates, payments, mailer, logger):
self.rates, self.payments, self.mailer, self.logger = rates, payments, mailer, logger
def place(self, order_id, amount_usd, currency, email):
rate = self.rates.get_rate("USD", currency)
total = round(amount_usd * rate, 2)
if not self.payments.charge(order_id, total, currency):
return "declined"
self.mailer.send(email, f"Order {order_id} paid: {total} {currency}")
return total
Die Verwendung der echten Versionen würde eine Live-Tarif-API, einen Zahlungsanbieter und einen SMTP-Server erfordern. Jeder der vier Parameter erhält eine andere Art von Double.
Dummy: füllt einen Platz
Die logger wird vom Konstruktor benötigt, place verwendet sie jedoch nie. Ein Dummy erfüllt die Signatur. Unseres geht noch weiter und scheitert lautstark, wenn irgendetwas es berührt:
class DummyLogger:
def __getattr__(self, name):
raise AssertionError("logger should not be used")
Viele Leute übergeben None als Dummy, was in Ordnung ist, wenn der Code den Typ nie überprüft. Die brisante Version dokumentiert die Annahme und fängt den Tag ein, an dem jemand die Protokollierung hinzufügt, ohne den Test zu aktualisieren.
Stub: vorgefertigte Antworten
Wechselkurse ändern sich ständig, was Aussagen unmöglich machen würde. Ein Stub gibt einen festen Wert zurück:
class StubRates:
def get_rate(self, src, dst):
return 83.0
Bei einem Festpreis von 83,0 muss eine 50-USD-Bestellung einen Gesamtwert von 4150,0 INR haben, und unser Test hat genau das bestätigt. Stubs steuern die Eingaben, die Ihr Code von seinen Abhängigkeiten erhält. Sie eignen sich ideal zur Simulation unangenehmer Fälle wie eines Timeouts, einer leeren Liste oder einer Fehlerreaktion.
Spion: zeichnet auf, was passiert ist
Für den Versender achten wir darauf, dass eine Quittung mit dem richtigen Text versendet wird. Ein Spion speichert jeden Anruf, damit der Test ihn anschließend überprüfen kann:
class SpyMailer:
def __init__(self):
self.sent = []
def send(self, to, body):
self.sent.append((to, body))
def test_stub_and_spy():
mailer = SpyMailer()
co = Checkout(StubRates(), FakePayments(10_000), mailer, DummyLogger())
assert co.place("A1", 50, "INR", "demo@example.com") == 4150.0
assert mailer.sent == [("demo@example.com", "Order A1 paid: 4150.0 INR")]
Der Spion ist passiv: Er versagt nie von alleine. Sie schreiben nach der Aktion gewöhnliche Behauptungen gegen das, was aufgezeichnet wurde. Dadurch bleibt der Test in der gewohnten Reihenfolge „Anordnen, Handeln, Durchsetzen“.
Fake: eine kleine funktionierende Version
Die Zahlungslogik hat Regeln: Eine Belastung schlägt fehl, wenn der Betrag niedrig ist oder die gleiche Bestellung zweimal belastet wird. Eine Fälschung implementiert diese Regeln im Speicher:
class FakePayments:
def __init__(self, balance):
self.balance, self.charges = balance, {}
def charge(self, order_id, amount, currency):
if order_id in self.charges or amount > self.balance:
return False
self.balance -= amount
self.charges[order_id] = amount
return True
def test_fake_declines_duplicate_charge():
pay = FakePayments(10_000)
co = Checkout(StubRates(), pay, SpyMailer(), DummyLogger())
co.place("A1", 50, "INR", "demo@example.com")
assert co.place("A1", 50, "INR", "demo@example.com") == "declined"
assert pay.balance == 5850.0
Die zweite Bestellung wurde abgelehnt und es war nur noch eine Ladung übrig, sodass der Test den tatsächlichen Zustand überprüft. Fakes glänzen, wenn viele Tests eine Abhängigkeit teilen, denn ein Fake ersetzt Dutzende separater Stub-Setups. Der Preis besteht darin, dass es sich bei einer Fälschung um echten Code handelt, der vom echten Dienst abweichen kann. Halten Sie ihn also klein und testen Sie ihn gelegentlich mit der Realität. In-Memory-SQLite anstelle einer Produktionsdatenbank ist eine häufige Fälschung.
Mock: überprüft Interaktionen
Manchmal ist der einzige beobachtbare Effekt ein Aufruf an ein anderes System. Mit einem Mock können Sie mit den genauen Argumenten behaupten, dass der Anruf stattgefunden hat:
from unittest.mock import Mock
def test_mock_verifies_interaction():
payments = Mock()
payments.charge.return_value = True
mailer = Mock()
co = Checkout(StubRates(), payments, mailer, DummyLogger())
co.place("B2", 10, "INR", "demo@example.com")
payments.charge.assert_called_once_with("B2", 830.0, "INR")
mailer.send.assert_called_once()
Streng genommen definiert Meszaros einen Mock als ein Objekt, das seine Erwartungen im Voraus kennt und während des Aufrufs versagt. Pythons unittest.mock.Mock ist technisch gesehen eher ein Spion, da man es im Nachhinein überprüft, aber in der Praxis spielt es die Scheinrolle. Mocks eignen sich am besten für Grenzen, die Sie nicht besitzen, z. B. eine externe API, bei der der Aufruf selbst die Voraussetzung ist.
Wenn Spott lügt: Autospec
Eine Ebene Mock akzeptiert jedes Attribut und alle Argumente. Diese Flexibilität verbirgt Fehler. Um dies zu beweisen, haben wir zwei Tests durchgeführt:
def test_plain_mock_hides_typo():
mailer = Mock()
mailer.sned("x", "y") # typo is silently accepted
assert mailer.sned.called
def test_autospec_catches_typo():
mailer = create_autospec(SpyMailer, instance=True)
with pytest.raises(AttributeError):
mailer.sned("x", "y")
def test_autospec_catches_wrong_signature():
mailer = create_autospec(SpyMailer, instance=True)
with pytest.raises(TypeError):
mailer.send("only-one-arg")
...... [100%]
6 passed in 0.52s
Der schlichte Mock zeichnete freudig einen Aufruf einer Methode auf, die nicht existiert. Wenn der Produktionscode diesen Tippfehler hätte, würde der Test trotzdem bestehen. create_autospec kopiert die Methoden und Signaturen der echten Klasse, sodass AttributeError wegen des Tippfehlers und TypeError wegen des fehlenden Arguments ausgelöst wurde. Verwenden Sie standardmäßig Autospec oder Mock(spec=RealClass).
Testdoppel im Vergleich
| Typ | Gibt Daten zurück? | Zeichnet Anrufe auf? | Hat Logik? | Sie behaupten weiter |
|---|---|---|---|---|
| Dummy | Nein | Nein | Nein | Nichts |
| Stub | Ja, behoben | Nein | Nein | Das Ergebnis des zu testenden Codes |
| Spion | Optional | Ja | Nein | Aufgezeichnete Anrufe, nach der Schauspielerei |
| Schein | Optional | Ja | Nein | Erwartete Anrufe und Argumente |
| Fälschung | Ja, berechnet | Manchmal | Ja, vereinfacht | Resultierender Zustand |
Welches Testdoppel sollten Sie verwenden?
- Wird die Abhängigkeit auf diesem Pfad nicht verwendet? Verwenden Sie einen Dummy.
- Müssen Sie nur kontrollieren, was zurückgegeben wird? Verwenden Sie einen Stub.
- Ist der Anruf selbst das Ergebnis, beispielsweise das Versenden einer E-Mail oder das Veröffentlichen einer Veranstaltung? Verwenden Sie einen Spion oder einen Spott.
- Benötigen viele Tests realistisches Verhalten, wie etwa das Speichern und Lesen von Daten? Erstellen Sie eine Fälschung.
- Ist es bereits billig, schnell und deterministisch? Verwenden Sie das reale Objekt. Doppel sind ein Kostenfaktor, kein Ziel.
Eine nützliche Regel: Bevorzugen Sie Zustandsprüfungen gegenüber Interaktionsprüfungen. Tests, die Ergebnisse bestätigen, überleben das Refactoring; Tests, die bei jedem internen Anruf aktiviert werden, werden unterbrochen, wenn sich die Implementierung ändert. Unser Leitfaden für Unit- und Integrationstests erklärt, wo stattdessen echte Abhängigkeiten hingehören.
Häufige Fehler
- Verspotten Sie, was Sie besitzen. Das Ersetzen Ihrer eigenen einfachen Klassen durch Mocks koppelt Tests an Interna. Systemgrenzen verspotten.
- Überspezifizierte Mocks. Die Behauptung jedes Aufrufs und Arguments macht Tests brüchig. Machen Sie nur geltend, was für die Anforderung von Bedeutung ist.
- Nicht spezifizierte Mocks. Wie unser Test gezeigt hat, akzeptiert ein einfacher Mock Tippfehler. Fügen Sie immer eine Spezifikation hinzu.
- Fälschungen ohne eigene Tests. Eine fehlerhafte Fälschung macht jeden Test, der sie verwendet, falsch. Führen Sie einen gemeinsamen Vertragstest sowohl mit gefälschten als auch mit echten Implementierungen durch, wie in unserem API-Vertragstestleitfaden beschrieben.
- Überall verdoppelt. Wenn jeder Mitarbeiter ersetzt wird, beweist der Test sehr wenig. Balance mit Integrationstests gemäß der Testpyramide.
Fazit
Testdoppel sind sowohl ein Vokabular als auch eine Technik. Mit den Worten „Tarife streichen, Mailer ausspionieren, Zahlungen fälschen“ sagt man einem Teamkollegen genau, was ein Test überprüft. Verwenden Sie Stubs und Fakes für den Status, Spione und Mocks für wichtige Interaktionen, Dummies für ungenutzte Slots und spezifizieren Sie Ihre Mocks immer. In Pytest sind Spielpaarungen ein ordentliches Zuhause für diese Doubles; Weitere Informationen finden Sie in unserem Pytest-Fixture-Leitfaden.
Häufige Fragen
Was ist der Unterschied zwischen einem Mock und einem Stub?
Ein Stub liefert feste Antworten, damit der Test die Ergebnisse überprüfen kann. Ein Mock zeichnet Aufrufe auf oder erwartet sie, damit der Test überprüfen kann, ob die richtige Interaktion mit den richtigen Argumenten stattgefunden hat.
Was ist eine Fälschung beim Testen?
Ein Fake ist eine leichtgewichtige, funktionierende Implementierung einer Abhängigkeit, etwa eines In-Memory-Repositorys oder eines Zahlungsdienstes, die sich realistisch verhält, aber für die Produktion ungeeignete Abkürzungen akzeptiert.
Was ist ein Testspion?
Ein Spion ist ein Stub, der auch aufzeichnet, wie er genannt wurde. Nach der Ausführung des Codes überprüft der Test die aufgezeichneten Anrufe mit normalen Behauptungen.
Warum create_autospec anstelle von Mock verwenden?
Ein einfacher Mock akzeptiert jeden Methodennamen und alle Argumente, sodass Tippfehler unbemerkt passieren. create_autospec kopiert die Schnittstelle der echten Klasse und löst Fehler aufgrund fehlender Methoden oder falscher Signaturen aus.
Soll ich in Unit-Tests alles verspotten?
Nein. Ersetzen Sie langsame, nicht deterministische oder externe Abhängigkeiten, sondern verwenden Sie reale Objekte, wo sie günstig und zuverlässig sind. Zu viele Duplikate machen Tests brüchig und weniger aussagekräftig.
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 →