Explicación de la parametrización de pytest: 7 patrones con ejemplos probados
pytest parametrize ejecuta una función de prueba con muchos conjuntos de entradas, por lo que escribe la lógica una vez y agrega casos como datos. Aprenda 7 patrones prácticos, desde una lista básica de casos hasta identificaciones legibles, fallas esperadas y accesorios indirectos, todos ejecutados con pytest 9.2.
- pytest parametrize usa
@pytest.mark.parametrize("args", [cases])para ejecutar una prueba una vez por caso. - Cada caso se convierte en su propia prueba con su propio pase o fracaso, por lo que una mala entrada nunca oculta las demás.
- Dar casos legibles
ids; entonces-k zerosejecuta solo ese caso. - Nuestro archivo de 7 patrones recopiló 22 pruebas de 6 funciones: 20 aprobadas, 1 omitida y 1 falla esperada, en 0,24 segundos.
Copiar y pegar una prueba cinco veces para verificar cinco entradas es una escritura lenta y dolorosa de mantener. Un bucle dentro de una prueba es peor: el primer fallo detiene el bucle y oculta el resto. pytest parametrize resuelve ambos problemas. Todo lo siguiente se ejecutó con pytest 9.2.0 en Python 3.13.6 y los resultados se copian de esa ejecución. ¿Nuevo en pytest? Comience con nuestro tutorial de pytest.
¿Por qué parametrizar las pruebas?
- Menos código: la lógica de prueba se escribe una vez.
- Borrar fallas: cada caso se informa por separado con su entrada en el nombre.
- Fácil crecimiento: un nuevo caso límite es una línea más de datos.
- Mejor diseño: se combina naturalmente con partición de equivalencia y análisis de valores límite, donde se prueba un valor de cada clase o ventaja.
1. Una lista básica de casos.
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
El primer argumento nombra los parámetros como una cadena separada por comas. La segunda es una lista de tuplas, una por caso, en el mismo orden. pytest generó cinco pruebas a partir de esta función:
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]
Cuando deliberadamente rompimos una expectativa, la línea de falla nombró la entrada exacta: FAILED test_param.py::test_email[demo@localhost-True]. Los otros cuatro aún pasaron e informaron normalmente.
2. Identificaciones legibles
Los identificadores predeterminados se crean a partir de los valores, lo que se vuelve feo para cadenas, objetos o números largos. Pase ids para nombrar los casos usted mismo:
@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
Las pruebas aparecen como test_add[positive], test_add[zeros] y test_add[negative]. Las buenas identificaciones se leen como una especificación en informes de prueba y registros de CI.
3. Decoradores apilables para combinaciones.
@pytest.mark.parametrize("x", [1, 2])
@pytest.mark.parametrize("y", ["a", "b", "c"])
def test_grid(x, y):
assert x and y
Los decoradores apilados producen todas las combinaciones: 2 × 3 = 6 pruebas, de test_grid[a-1] a test_grid[c-2]. Esto es útil para cuadrículas pequeñas como navegador × configuración regional, pero se multiplica rápidamente. Para muchos parámetros, elija combinaciones deliberadamente; consulte nuestra guía de pruebas por pares.
4. pytest.param: identificadores y marcas por caso
@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
Envolver un caso en pytest.param le permite adjuntar una identificación y marcas solo a ese caso. Aquí “letras” es una falla esperada que debe generar ValueError, y “cadena flotante” se omite con una razón. En nuestra carrera aparecieron como x y s en la línea de progreso. Con strict=True, un xfail que pasa inesperadamente se reporta como una falla, por lo que los errores conocidos no pueden corregirse por accidente sin que nadie se dé cuenta.
Consejo: use xfail con un número de ticket en el motivo de los errores conocidos y vuelva el caso a la normalidad cuando se solucione el error. Mantiene la suite verde sin ocultar el problema.
5. Parametrización indirecta con accesorios.
A veces es necesario configurar el valor antes de que la prueba pueda usarlo, como crear un usuario con un rol. Con indirect, pytest pasa cada valor a un dispositivo primero:
@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
El dispositivo lee el valor sin procesar de request.param y devuelve el objeto construido. Enumerar solo ["user"] como medio indirecto allowed todavía llega directamente. Esto mantiene una costosa instalación en las luminarias, donde corresponde; consulte nuestra guía de accesorios pytest.
6. Casos de una lista de diccionarios.
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 puede ser una función que genere un nombre a partir de cada caso; el nuestro produjo test_cart[qty1] y test_cart[qty3]. La misma idea le permite cargar casos desde un archivo JSON o CSV en el momento de la importación, lo que se adapta a los datos que los evaluadores mantienen fuera del código. Nuestra guía de generación de datos de prueba muestra cómo crear dichos datos.
7. Ejecutar solo algunos casos
$ pytest -q -k "zeros or admin"
2 passed, 20 deselected in 0.10s
Debido a que los identificadores pasan a formar parte del nombre de la prueba, -k puede seleccionar casos individuales. También puede copiar una identificación de nodo completa, como "test_param.py::test_add[zeros]", de un informe de fallas y ejecutar solo ese caso durante la depuración.
Dos patrones más: archivos y clases.
Cargar casos desde un archivo JSON
[{"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"]
Los evaluadores o analistas ahora pueden agregar casos sin tocar Python. Cada objeto JSON todavía se convierte en su propia prueba con nombre, como test_shipping_from_file[boundary-500]. Lea el archivo con un encoding="utf-8" explícito para que los nombres con acentos o símbolos se carguen igual en todas las máquinas.
Parametrizar toda una clase
@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
Un decorador de la clase se aplica a todos los métodos de prueba que contiene, por lo que dos métodos × dos monedas dieron cuatro pruebas. Junto con la prueba basada en archivos, este módulo adicional recopiló 7 pruebas y las 7 pasaron en 0,12 segundos.
Nuestra carrera completa
$ pytest -q
................xs.... [100%]
20 passed, 1 skipped, 1 xfailed in 0.24s
$ pytest --collect-only -q
22 tests collected in 0.01s
Seis funciones de prueba produjeron 22 pruebas. Esa proporción es el verdadero beneficio: amplia cobertura con muy poco código. Utilice --collect-only para comprobar que sus casos se expandan de la manera esperada antes de ejecutarlos.
parametrizar vs alternativas
| Enfoque | Lo mejor para | Desventaja |
|---|---|---|
| Pruebas de copiar y pegar | Dos casos muy diferentes | Código duplicado |
| Bucle dentro de una prueba | Nada, realmente | El primer fracaso esconde el resto. |
@pytest.mark.parametrize |
Casos de ejemplo conocidos | Debes elegir los casos. |
| Luminaria parametrizada | Ejecutar muchas pruebas contra varias configuraciones | Menos visible que un decorador. |
| Hipótesis | Generando cientos de entradas automáticamente | Biblioteca adicional y aprendizaje. |
Cuando desee que pytest invente casos por usted, consulte pruebas basadas en propiedades con Hipótesis.
Consejos para pruebas parametrizadas mantenibles
- Un comportamiento por prueba. Parametriza las entradas que deberían comportarse de la misma manera. Si las entradas válidas e inválidas necesitan afirmaciones diferentes, escriba dos pruebas, cada una con su propia lista de casos.
- Nombra los casos por intención.
boundary-500le dice al revisor por qué existe el caso;case3no lo hace. - Mantenga los datos cerca de la prueba a menos que los no programadores los mantengan; luego muévalo a JSON o CSV como se muestra arriba.
- Cubra los bordes deliberadamente. Los valores vacíos, cero, números negativos, el límite exacto y un valor más allá generalmente encuentran más errores que diez valores ordinarios.
- Leer la salida de CI por ID. Una falla como
test_email[demo@localhost-True]ya le indica la entrada, por lo que puede reproducirla localmente pegando la ID del nodo después depytest. - Observa el recuento. Si
--collect-onlymuestra cientos de casos, comprueba si unos pocos bien elegidos darían la misma confianza en menos tiempo.
Errores comunes
- No coincide el nombre: los nombres en la cadena deben coincidir exactamente con los argumentos de la función, o habrá errores de pytest en la recopilación.
- Valores únicos como tuplas: para un parámetro, pase una lista simple como
[1, 2, 3], no tuplas. - Datos compartidos mutables: si una prueba cambia un dictado de la lista de casos, las pruebas posteriores verán el cambio. Cópialo primero.
- Lógica en la prueba:
if expected:las ramas dentro de una prueba parametrizada generalmente significan que necesitas dos pruebas. - Explosión combinatoria: apilar cuatro decoradores de cinco valores cada uno crea 625 pruebas. Pode deliberadamente.
Conclusión
pytest parametrize convierte las pruebas repetitivas en pruebas limpias y basadas en datos. Comience con una lista simple de tuplas, agregue identificadores legibles, use pytest.param para omisiones y fallas conocidas, y mueva la configuración a accesorios indirectos. Verifique la expansión con --collect-only y su suite crecerá agregando datos en lugar de código.
Preguntas frecuentes
¿Qué hace pytest.mark.parametrize?
Ejecuta la misma función de prueba una vez para cada conjunto de argumentos que proporcione e informa cada ejecución como una prueba independiente con su propio resultado.
¿Cómo le doy nombres legibles a las pruebas parametrizadas?
Pase identificadores como una lista de cadenas o una función, o ajuste cada caso en pytest.param con el identificador establecido. La identificación aparece entre paréntesis después del nombre de la prueba.
¿Cómo puedo omitir o fallar un caso parametrizado?
Envuelva ese caso en pytest.param y agregue marcas, por ejemplo marks=pytest.mark.skip(reason=…) o marks=pytest.mark.xfail(raises=ValueError).
¿Qué es la parametrización indirecta en pytest?
Con indirecto, cada valor se envía a un dispositivo del mismo nombre, que lo lee desde request.param y puede realizar la configuración antes de devolver el objeto que recibe la prueba.
¿Puedo parametrizar con múltiples decoradores?
Sí. El apilamiento de decoradores parametrizados ejecuta cada combinación de valores, por lo que dos valores y tres valores producen seis pruebas.
sigue aprendiendo
¿Necesitas ayuda con pruebas, WordPress o SEO?
Ayudamos a los equipos a enviar mejor software y hacer crecer sus sitios. Cuéntenos en qué está trabajando y le sugeriremos un siguiente paso claro.
Más guías sobre testing, IA y desarrollo moderno
¿Te gustó este artículo? Elige un tema y salta directo a nuestros tutoriales más recientes.
Explicación de BM25: cómo la búsqueda por palabras clave clasifica los resultados, con código Python y búsqueda híbrida
BM25 explicó con una implementación pura de Python que ejecutamos: la fórmula, IDF, saturación de términos, los parámetros k1 y b, por qué supera el…
Leer artículo →Desarrollo de softwareMétodos HTTP explicados: GET, POST, PUT, PATCH, DELETE, probados en un servidor en vivo
Métodos HTTP explicados con un pequeño servidor que ejecutamos: GET, POST, PUT, PATCH, DELETE, HEAD y OPTIONS, seguro vs idempotente, PUT vs PATCH, …
Leer artículo →DevOpsExplicación de Git Bisect: encuentre la confirmación que rompió su código, de forma manual o automática
Git bisect explicado con un repositorio probado: encuentre la única confirmación incorrecta entre 41 de cada 5 ejecuciones de prueba, automatice con…
Leer artículo →Automatización de pruebasExplicación de los marcadores de pytest: marcas personalizadas, filtros skip, skipif, xfail y -m
Los marcadores de pytest se explican con una suite probada: registre marcas personalizadas, ejecute solo pruebas de humo con -m, combine filtros con…
Leer artículo →Pruebas de softwarePruebas positivas versus negativas: diferencias, 24 casos de prueba reales y una lista de verificación
Pruebas positivas versus negativas explicadas con un formulario de registro real: 6 casos de prueba positivos y 18 negativos ejecutados en pytest, e…
Leer artículo →Bases de datos y SQLORDEN SQL POR Varias columnas: ASC, DESC, NULLS LAST, Caso y Orden personalizado
SQL ORDER BY con múltiples columnas explicadas con consultas probadas: ASC y DESC mixtos, desempates, NULLS FIRST y LAST, clasificación que no disti…
Leer artículo →Bases de datos y SQLTotal acumulado de SQL: SUM OVER, totales por grupo, sumas móviles y trampa RANGE
Cómo calcular un total acumulado de SQL con SUM() OVER: totales por grupo, sumas acumuladas diarias, sumas móviles, porcentaje del total, la trampa …
Leer artículo →Desarrollo de softwareMatriz de clasificación de JavaScript: números, objetos, cadenas y por qué 10 viene antes que 5
Cómo ordenar correctamente una matriz en JavaScript: números con una función de comparación, objetos por uno o más campos, cadenas con localeCompare…
Leer artículo →Desarrollo de softwareMétodos de cadenas de Python: hoja de referencia, ejemplos reales y la trampa strip()
Métodos de cadena de Python con ejemplos probados: dividir, unir, eliminar, reemplazar, buscar, comenzar con, is-methods, casefold, particionar y tr…
Leer artículo →Inteligencia artificialExplicación de la similitud del coseno: fórmula, ejemplo resuelto y código Python
La similitud del coseno se explica de manera simple: la fórmula, un ejemplo trabajado a mano, código Python y NumPy puro, distancia coseno versus di…
Leer artículo →Desarrollo de softwareExplicación de la codificación UTF-8: cómo el texto se convierte en bytes y cómo corregir el texto confuso
La codificación UTF-8 se explica con ejemplos a nivel de bytes que ejecutamos en Python: cómo los caracteres se vuelven de 1 a 4 bytes, por qué un c…
Leer artículo →Automatización de pruebasExplicación de la parametrización de pytest: 7 patrones con ejemplos probados
pytest parametrize explicado con 7 patrones probados: casos básicos, identificadores legibles, decoradores apilados, pytest.param con xfail y skip, …
Leer artículo →Pruebas de softwareNueva prueba versus prueba de regresión: 8 diferencias clave con un ejemplo real de corrección de errores
Repetición de pruebas versus pruebas de regresión explicadas con una ejecución de corrección de errores real en pytest: la nueva prueba confirmó la …
Leer artículo →Bases de datos y SQLEliminar filas duplicadas en SQL: 5 métodos seguros, probados paso a paso
Cómo eliminar filas duplicadas en SQL de forma segura: encuéntrelas, obtenga una vista previa de ellas y luego elimínelas con ROW_NUMBER, MIN(id), E…
Leer artículo →Bases de datos y SQLSQL RANK vs DENSE_RANK vs ROW_NUMBER: diferencias con ejemplos probados
SQL RANK vs DENSE_RANK vs ROW_NUMBER en una tabla: cómo cada uno maneja los empates, los N principales por grupo, la segunda trampa salarial más alt…
Leer artículo →Desarrollo de softwareEncadenamiento opcional de JavaScript (?.) Explicado: 8 ejemplos, ?? Valores predeterminados y trampas
El encadenamiento opcional de JavaScript detiene los errores "No se pueden leer las propiedades de un definido". 8 ejemplos probados para propiedade…
Leer artículo →Desarrollo de softwarePython enumerate() explicado: 7 ejemplos, inicio=1 y errores a evitar
Python enumerate() te proporciona el índice y el valor en un bucle limpio. 7 ejemplos probados, el truco start=1, diccionarios, archivos, números rá…
Leer artículo →Inteligencia artificialExplicación de las estrategias de fragmentación de RAG: fija, superpuesta, de oración, recursiva y de títulos, medida
Estrategias de fragmentación de RAG comparadas en un documento con tiktoken 0.14: tamaño fijo, superposición, empaquetado de oraciones, división rec…
Leer artículo →Desarrollo de softwareExplicación de la idempotencia de API: claves de idempotencia y reintentos seguros, probados
La idempotencia de API se explicó con un servidor y cliente Python que ejecutamos: una respuesta perdida provocó un cargo doble sin una clave y un c…
Leer artículo →DevOpsExplicación de Git Stash: guardar, aplicar, extraer y archivos sin seguimiento, probado
Git stash se explica con comandos que ejecutamos en Git 2.56: enviar con un mensaje, archivos sin seguimiento, enumerar y mostrar, aplicar frente a …
Leer artículo →Pruebas de softwareExplicación de las pruebas por pares: cómo todos los pares reducen 216 pruebas a 13, probadas
Pruebas por pares explicadas con un generador que ejecutamos en Python 3.13: una comprobación con 216 combinaciones cubiertas por 13 pruebas, cobert…
Leer artículo →Automatización de pruebasExplicación de los dobles de prueba: ficticio, stub, espía, simulado y falso, con código Python probado
Los dobles de prueba se explican con un ejemplo de Python ejecutado en pytest 9.2: ficticio, stub, spy, simulado y falso, cuándo usar cada uno, veri…
Leer artículo →Bases de datos y SQLSQL COALESCE explicado: valores predeterminados, NULLIF, IFNULL vs ISNULL y trampas, probados
SQL COALESCE se explica con consultas que ejecutamos en SQLite 3.50: primeros valores no nulos, cadenas vacías, NULL en matemáticas, NULLIF para div…
Leer artículo →Bases de datos y SQLExplicación de la autounión de SQL: empleado-gerente, comparaciones de pares y filas, probado
La autounión de SQL se explica con consultas que ejecutamos en SQLite 3.50: empleado y gerente, ganando más que el gerente, pares únicos, cambios di…
Leer artículo →Desarrollo de softwareExplicación del operador de extensión de JavaScript: extensión frente a reposo, copias y errores, probado
El operador de extensión de JavaScript explicado con el código que ejecutamos en el Nodo 24: matrices, objetos, copias superficiales, parámetros de …
Leer artículo →Desarrollo de softwareFunciones de Python explicadas: lru_cache, parcial, reducir, envolturas y más, probadas
Las funciones de Python se explican con el código que ejecutamos en Python 3.13: lru_cache y cache, parcial, reducir, envolturas, cached_property, s…
Leer artículo →Desarrollo de softwareExplicación del módulo de colecciones de Python: contador, defaultdict, deque y más, probado
Colecciones de Python explicadas con el código que ejecutamos en Python 3.13: Counter, defaultdict, deque, namedtuple, OrderedDict y ChainMap, ademá…
Leer artículo →Inteligencia artificialExplicación de la ventana de contexto de LLM: tokens, límites y cómo ajustar más, medidos
La ventana de contexto de LLM se explica con recuentos de tokens que medimos usando tiktoken: palabras frente a tokens para prosa, código e hindi, p…
Leer artículo →Desarrollo de softwareExplicación de los webhooks: cómo funcionan y cómo recibirlos de forma segura
Webhooks explicados con un receptor y un remitente que ejecutamos en Python: push vs polling, firmas HMAC-SHA256, rechazo de solicitudes manipuladas…
Leer artículo →DevOpsExplicación de Git Cherry-Pick: copie la confirmación que necesita, de forma segura y probada
Git cherry-pick explicado con comandos que ejecutamos en Git 2.56: copiar una revisión a una rama de lanzamiento, nuevos hashes e ID de parche, -x, …
Leer artículo →Automatización de pruebasExplicación de las pruebas instantáneas: cómo funciona, cuándo ayuda y cuándo duele
Las pruebas de instantáneas se explican con una demostración de pytest y jarabe que ejecutamos: crear instantáneas, leer la diferencia después de un…
Leer artículo →Pruebas de softwareExplicación de las pruebas de mutación: por qué la cobertura del 100% aún no detectó nuestro error
Las pruebas de mutación se explican con una pequeña herramienta de mutación que construimos y ejecutamos: 14 mutantes, un conjunto de pruebas con un…
Leer artículo →Bases de datos y SQLFunciones SQL JSON explicadas: consultar, actualizar e indexar JSON en SQL, probado
Funciones SQL JSON explicadas con consultas que ejecutamos en SQLite 3.50: json_extract, los operadores -> y ->>, json_each, json_set, json…
Leer artículo →Bases de datos y SQLExplicación del pivote SQL: convierta filas en columnas con CASE, FILTER y PIVOT
Pivote de SQL explicado con consultas que ejecutamos en SQLite 3.50: agregación condicional con CASE y SUM, FILTER, NULL vs zero, totales, columnas …
Leer artículo →Inteligencia artificialExplicación de la inyección rápida: cómo se engaña a las aplicaciones de inteligencia artificial y cómo defenderlas
Inyección rápida explicada para los constructores: ataques directos e indirectos, por qué fallan los filtros de palabras clave (nuestra prueba bloqu…
Leer artículo →DevOpsRegistros DNS explicados: A, AAAA, CNAME, MX, TXT y TTL con búsquedas reales
Los registros DNS se explican con las búsquedas que realizamos: cómo funciona la resolución, A y AAAA, reglas CNAME, MX y MX nulo, TXT para SPF y ve…
Leer artículo →DevOpsExplicación de las banderas de funciones: lanzamientos seguros, implementaciones graduales e higiene de las banderas
Indicadores de características explicados con una simulación de implementación que ejecutamos: tipos de indicadores, porcentajes de implementación c…
Leer artículo →Automatización de pruebasGeneración de datos de prueba con Python Faker: datos realistas, repetibles y seguros
Pruebe la generación de datos con Python Faker, ejecute y mida: siembra de datos repetibles, configuraciones regionales, valores únicos, registros e…
Leer artículo →Pruebas de softwareExplicación de las pruebas de cambio a la izquierda: encuentre errores antes sin ralentizar al equipo
Se explicaron las pruebas de desplazamiento a la izquierda: qué significa, por qué los defectos tempranos son más baratos, prácticas desde revisione…
Leer artículo →Bases de datos y SQLFunciones de cadenas SQL explicadas: TRIM, SUBSTR, REPLACE, CONCAT y limpieza de datos
Funciones de cadena SQL explicadas con consultas que ejecutamos: concatenación y NULL, TRIM, UPPER e LOWER, SUBSTR e INSTR, REPLACE, relleno, longit…
Leer artículo →Bases de datos y SQLExplicación de los activadores de SQL: ANTES y DESPUÉS de los activadores, registros de auditoría y errores
Los disparadores de SQL se explican con los disparadores que ejecutamos: ANTES versus DESPUÉS, ANTIGUOS y NUEVOS, registros de auditoría, validación…
Leer artículo →Desarrollo de softwareMódulo Python JSON explicado: volcados, cargas, tipos personalizados y errores comunes
El módulo Python JSON explicado con el código que ejecutamos: volcados y cargas, archivos, conversiones de tipos, fechas y decimales, codificadores …
Leer artículo →Desarrollo de softwareMódulos ES frente a CommonJS: cómo funcionan las importaciones de JavaScript en Node.js, probado
Los módulos ES frente a CommonJS se explican con el código que ejecutamos en Node.js: sintaxis de importación y exportación, requisitos, enlaces en …
Leer artículo →Desarrollo de softwarePython Regex explicado: patrones, grupos, anticipaciones y obstáculos, probados
La expresión regular de Python se explica con los patrones que ejecutamos: búsqueda versus coincidencia, búsqueda, grupos y grupos con nombre, codic…
Leer artículo →Inteligencia artificialExplicación del resultado estructurado de LLM: obtención de JSON confiable a partir de modelos de IA
La salida estructurada de LLM se explica con la validación que ejecutamos en Pydantic: modo y esquemas JSON, decodificación restringida, las formas …
Leer artículo →DevOpsExplicación de las claves SSH: cómo funcionan, ssh-keygen, Ed25519 y hábitos seguros
Claves SSH explicadas con las claves que generamos: claves públicas versus privadas, ssh-keygen, Ed25519 versus RSA, huellas digitales, frases de co…
Leer artículo →DevOpsExplicación del almacenamiento en caché HTTP: control de caché, ETag y respuestas 304, con una prueba en vivo
El almacenamiento en caché HTTP se explica con un pequeño servidor que ejecutamos: directivas Cache-Control, edad máxima, sin caché versus sin almac…
Leer artículo →Automatización de pruebasExplicación de las pruebas de contrato API: detecte los cambios importantes antes de enviarlos
Las pruebas de contratos API se explican con una verificación de esquema que ejecutamos: qué es un contrato, contratos impulsados por el consumidor,…
Leer artículo →Pruebas de softwareExplicación de las pruebas basadas en riesgos: calificar los riesgos, crear una matriz y probar lo que importa
Pruebas basadas en riesgos explicadas paso a paso: identificación de riesgos, puntuación de probabilidad e impacto, creación de una matriz de riesgo…
Leer artículo →Bases de datos y SQLExplicación de las restricciones de SQL: NOT NULL, UNIQUE, CHECK y FOREIGN KEY, probado
Las restricciones de SQL se explican con las pruebas que ejecutamos: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY y FOREIGN KEY, las lagunas NULL, la c…
Leer artículo →Bases de datos y SQLFunciones de fecha SQL explicadas: agregar, comparar y agrupar fechas sin errores
Funciones de fecha SQL explicadas con consultas que ejecutamos: agregar intervalos, sorpresas de fin de mes, diferencias de fechas, trampa ENTRE, ag…
Leer artículo →Desarrollo de softwareExplicación de Python asyncio: asíncrono, espera, recopilación y grupo de tareas con tiempos reales
Python asyncio se explica con el código que cronometramos: corrutinas, espera, recopilación, grupo de tareas, manejo de errores, tiempos de espera, …
Leer artículo →Desarrollo de softwareDebounce vs Throttle en JavaScript: cómo funcionan, cuándo usar cada uno, probado
Antirrebote versus aceleración en JavaScript explicado con tiempos que medimos en Node.js: cómo funciona cada uno, implementaciones simples, llamada…
Leer artículo →Desarrollo de softwareExplicación de los administradores de contexto de Python: declaración with, contextlib y usos reales
Los administradores de contexto de Python explicaron con el código que ejecutamos: cómo funciona, __enter__ y __exit__, contextlib.contextmanager, s…
Leer artículo →Inteligencia artificialLLM Temperature y Top-p explicados: cómo los modelos de IA eligen su siguiente palabra
La temperatura de LLM y top-p se explican con una simulación que ejecutamos: cómo se remodelan las probabilidades, qué mantiene topp, configuracione…
Leer artículo →DevOpsYAML explicado: sintaxis, el problema de Noruega y otras trampas que probamos
YAML explicó con una prueba de analizador: sintaxis básica, listas y mapas, el problema de Noruega, versiones que se convierten en flotantes, código…
Leer artículo →DevOpsCron Jobs explicados: sintaxis, cronogramas reales y los errores que los rompen
Los trabajos cron explicados con cronogramas que verificamos: los cinco campos, operadores, ejemplos reales, la trampa del día del mes O del día de …
Leer artículo →Inteligencia artificialExplicación de las alucinaciones de la IA: por qué los modelos de lenguaje inventan cosas y cómo reducirlas
Se explicaron las alucinaciones de la IA: qué son, por qué los modelos de lenguaje las producen, tipos comunes, cómo reducirlas con conexión a tierr…
Leer artículo →DevOpsExplicación de las variables de entorno: archivos .env, secretos y configuración bien hechos
Variables de entorno explicadas con ejemplos de Python que ejecutamos: leerlas y configurarlas, por qué cada valor es una cadena, archivos .env, her…
Leer artículo →Desarrollo de softwareExplicación de la limitación de velocidad de API: algoritmos, encabezados y manejo de errores 429
La limitación de la tasa de API se explica con una simulación que ejecutamos: depósito de tokens, ventana fija, ventana deslizante, 429 respuestas, …
Leer artículo →Automatización de pruebasBurlarse en Python: unittest.mock, patch y los errores que hacen que las pruebas mientan
Burlarse en Python con unittest.mock, probado: Mock y return_value, side_effect, parches donde se usa un nombre, especificación y autospec, fechas d…
Leer artículo →Pruebas de softwareExplicación de la cobertura del código: cobertura de línea versus sucursal y lo que realmente significa 100%
Cobertura del código explicada con una ejecución real de cobertura.py: cobertura de línea, rama y condición, lectura de un informe, por qué una cobe…
Leer artículo →Bases de datos y SQLDELETE vs TRUNCATE vs DROP en SQL: diferencias, reversión y cuándo usar cada uno
DELETE vs TRUNCATE vs DROP explicado con SQL probado: qué elimina cada uno, reversión, activadores, restablecimiento de identidad, velocidad y en qu…
Leer artículo →Bases de datos y SQLVistas SQL explicadas: cree, use y evite los errores, con ejemplos
Vistas SQL explicadas con consultas que ejecutamos: creación de una vista, resultados en vivo, ocultación de columnas, rendimiento, vistas actualiza…
Leer artículo →Desarrollo de softwareInterfaz TypeScript versus tipo: diferencias reales, probadas con el compilador
Interfaz TypeScript versus tipo, verificado con el compilador real: qué pueden hacer ambos, qué puede hacer solo uno, fusión de declaraciones, exten…
Leer artículo →Desarrollo de softwarePython *args y **kwargs explicados: funciones flexibles con ejemplos claros
Python *args y **kwargs explicados con el código que ejecutamos: empaquetado y desempaquetado, orden de parámetros, argumentos solo de palabras clav…
Leer artículo →Desarrollo de softwareFunciones Lambda de Python: sintaxis, usos reales y cuándo no utilizarlas
Funciones lambda de Python explicadas con el código que ejecutamos: sintaxis, clasificación con clave, mapa y filtro, cierres, trampa de enlace tard…
Leer artículo →Inteligencia artificial¿Qué son los agentes de IA? Cómo funcionan, con un bucle de agente simple que puedes ejecutar
¿Qué son los agentes de IA? Una guía sencilla sobre el bucle del agente, las herramientas, la memoria y las barreras de seguridad, con un pequeño bu…
Leer artículo →DevOpsMonitoreo versus observabilidad: la verdadera diferencia, con registros, métricas y seguimientos
Explicación del monitoreo versus observabilidad: fallas conocidas y desconocidas, registros, métricas y seguimientos, un recorrido por incidentes de…
Leer artículo →DevOpsDocker Volumes versus Bind Mounts: persistir los datos del contenedor de la manera correcta
Se explican los volúmenes de Docker frente a los montajes de enlace: por qué desaparecen los datos del contenedor, volúmenes con nombre, montajes de…
Leer artículo →Automatización de pruebasTDD vs BDD: diferencias clave, una función creada en ambos sentidos y cuándo usar cada una
TDD vs BDD explicado con una característica de descuento construida en ambos sentidos: refactor rojo-verde con el código que ejecutamos, escenarios …
Leer artículo →Pruebas de softwarePruebas de Aceptación de Usuario (UAT): Proceso, Lista de Verificación y Ejemplos Reales
Explicación de las pruebas de aceptación del usuario: quién las ejecuta, en qué se diferencia del control de calidad, un proceso de siete pasos, una…
Leer artículo →Bases de datos y SQLValores NULL de SQL explicados: IS NULL, COALESCE, NULLIF y las trampas que se deben evitar
Los valores NULL de SQL se explican con las consultas que ejecutamos: lógica de tres valores, IS NULL, COALESCE, NULLIF, cómo los agregados, las uni…
Leer artículo →Bases de datos y SQLDeclaración SQL CASE WHEN: sintaxis, ejemplos reales y errores comunes
CASO SQL CUANDO se explicó con las consultas que ejecutamos: formularios simples y buscados, orden de condiciones, pivotes con SUMA, trucos COUNT, c…
Leer artículo →Desarrollo de software¿Qué es JWT? Tokens web JSON explicados con un ejemplo práctico
¿Qué es JWT? JSON Web Tokens explicó: las tres partes, un token creado y manipulado en el código que ejecutamos, JWT vs sesiones, almacenamiento, to…
Leer artículo →Desarrollo de softwareExplicación del bucle de eventos de JavaScript: pila de llamadas, microtareas y temporizadores con ejemplos
El bucle de eventos de JavaScript explicado con el código que ejecutamos: pila de llamadas, colas de tareas y microtareas, por qué setTimeout 0 no e…
Leer artículo →Desarrollo de softwareExplicación de los generadores y el rendimiento de Python: ahorre memoria con ejemplos reales
Los generadores de Python y el rendimiento se explican con el código que ejecutamos: cómo se pausan y reanudan, midieron el ahorro de memoria, canal…
Leer artículo →Inteligencia artificial¿Qué son las incrustaciones? Los vectores y la similitud del coseno se explican de forma sencilla
¿Qué son las incrustaciones? Una guía en lenguaje sencillo sobre vectores, similitud de cosenos y búsqueda semántica, con un pequeño ejemplo que eje…
Leer artículo →DevOpsImplementación azul-verde versus implementación canaria: diferencias, compensaciones y cómo elegir
Explicación de la implementación azul-verde versus canaria: cómo funciona cada uno, costo, riesgo y reversión, agrupación estable de usuarios que pr…
Leer artículo →Automatización de pruebasPruebas inestables: qué las causa y cómo solucionarlas para siempre
Pruebas inestables explicadas con demostraciones que realizamos: las causas principales, cómo confirmar y diagnosticar una, correcciones adecuadas p…
Leer artículo →Pruebas de softwarePruebas de carga frente a pruebas de estrés: diferencias, métricas y ejemplos de k6
Explicación de las pruebas de carga frente a las pruebas de estrés: qué prueba cada una, pruebas de picos y de absorción, las métricas que importan,…
Leer artículo →Pruebas de softwareCaso de prueba frente a escenario de prueba: diferencias clave, ejemplos y cuándo utilizar cada uno
Caso de prueba versus escenario de prueba explicado: definiciones claras, una tabla en paralelo, una función de restablecimiento de contraseña tomad…
Leer artículo →Bases de datos y SQLOptimización de consultas SQL: lea planes de ejecución y corrija consultas lentas, con tiempos
Optimización de consultas SQL probada en un millón de filas: lea planes de ejecución, agregue los índices correctos, corrija filtros no sargables, u…
Leer artículo →Bases de datos y SQLSQL UNION vs UNION ALL: diferencias, ejemplos y rendimiento probado
SQL UNION vs UNION ALL explicado con consultas que ejecutamos: duplicados, las reglas que siguen ambos, un error de datos real, rendimiento medido, …
Leer artículo →Desarrollo de softwareTutorial de JavaScript Fetch API: GET, POST, manejo de errores y tiempos de espera
Un tutorial de JavaScript Fetch API probado en un servidor local: GET y POST, por qué 404 no arroja, un asistente reutilizable, cadenas de consulta,…
Leer artículo →Desarrollo de softwareManejo de archivos Python: lectura, escritura, CSV, JSON y pathlib con ejemplos
El manejo de archivos Python se explica con el código que ejecutamos: modos abiertos, lectura de archivos grandes, CSV, JSON, pathlib, archivos bina…
Leer artículo →Desarrollo de softwareClases y objetos de Python: tutorial de programación orientada a objetos con ejemplos reales
Clases y objetos de Python explicados con el código que ejecutamos: __init__, métodos, atributos de clase versus instancia, herencia, propiedades, m…
Leer artículo →Inteligencia artificial¿Qué es un modelo de lenguaje grande? Cómo funcionan los LLM, explicados sin exageraciones
¿Qué es un modelo de lenguaje grande? Los LLM explicados en lenguaje sencillo: tokens, incrustaciones, atención, entrenamiento, ventanas de temperat…
Leer artículo →DevOpsComandos de Linux para principiantes: la guía esencial de terminal con ejemplos
Comandos de Linux para principiantes, agrupados por tarea: navegación, archivos, visualización de registros, grep, canalizaciones, permisos, proceso…
Leer artículo →Automatización de pruebasSelenium vs Playwright: diferencias clave, comparación de códigos y cuál elegir
Comparación de Selenium vs Playwright: arquitectura, espera, soporte de navegador e idioma, depuración, la misma prueba en ambas herramientas, conse…
Leer artículo →Pruebas de softwarePartición de equivalencia: técnica de diseño de pruebas explicada con ejemplos resueltos
Explicación de la partición de equivalencia: cómo encontrar particiones válidas e inválidas, ejemplos prácticos para edades, contraseñas y cupones, …
Leer artículo →Pruebas de softwareSeveridad vs Prioridad en Pruebas de Software: Diferencias, Matriz y Ejemplos Reales
Explicación de gravedad versus prioridad en las pruebas de software: definiciones claras, una matriz de cuatro vías con ejemplos, escalas de niveles…
Leer artículo →Bases de datos y SQLTutorial de subconsultas SQL: tipos, subconsultas correlacionadas y EXISTENCIAS con ejemplos
Un tutorial de subconsultas SQL con consultas que ejecutamos: subconsultas escalares, IN, FROM y SELECT, subconsultas correlacionadas, EXISTS, la tr…
Leer artículo →Bases de datos y SQLTransacciones SQL y ACID explicados: COMMIT, ROLLBACK y niveles de aislamiento
Transacciones SQL y ACID explicadas con una transferencia bancaria que ejecutamos: COMMIT, ROLLBACK, puntos de guardado, bloqueos, niveles de aislam…
Leer artículo →Desarrollo de softwareHoja de trucos de comandos de Git: los comandos que realmente usas, con ejemplos
Una hoja de referencia de comandos de Git agrupada por tarea: configuración, preparación, ramas, controles remotos, almacenamiento, historial y desh…
Leer artículo →Desarrollo de softwareExplicación de las promesas de JavaScript: luego, captura, Promise.all y errores comunes
Las promesas de JavaScript se explican con el código que ejecutamos: estados, luego y cadenas de captura, manejo de errores, Promise.all, allSettled…
Leer artículo →Desarrollo de softwareTutorial del diccionario Python: métodos, ejemplos y patrones comunes
Un tutorial de diccionario de Python con el código que ejecutamos: crear, leer y actualizar dictados, métodos clave, fusión, comprensión, patrones d…
Leer artículo →Inteligencia artificial¿Qué es el RAG? Generación de recuperación aumentada explicada con un ejemplo práctico
¿Qué es RAG? Generación de recuperación aumentada explicada paso a paso: indexación, fragmentación, incrustaciones, recuperación, un pequeño ejemplo…
Leer artículo →DevOpsTutorial de Terraform para principiantes: infraestructura como código desde el primer archivo hasta los módulos
Un tutorial de Terraform para principiantes: comience sin una cuenta en la nube, aprenda init, planifique y aplique, luego variables, resultados, es…
Leer artículo →DevOpsDocker vs Kubernetes: diferencias clave, cómo funcionan juntos y cuál necesita
Docker vs Kubernetes explicó: qué hace cada uno, la misma aplicación se ejecuta con ambos, se comparan Docker Compose y Swarm, los Dockershim cambia…
Leer artículo →Automatización de pruebasTutorial de Pytest para principiantes: accesorios, parametrización y ejemplos reales
Un tutorial de pytest para principiantes con pruebas que ejecutamos en pytest 9.2: afirmaciones, accesorios, parametrización, conftest, marcadores, …
Leer artículo →Pruebas de softwareCiclo de vida de pruebas de software (STLC): 6 fases, criterios de entrada y salida, ejemplo
Se explicó el ciclo de vida de las pruebas de software: seis fases de STLC con criterios de entrada y salida, entregables, un ejemplo de función de …
Leer artículo →Desarrollo de softwareGit merge vs rebase: diferencias, ejemplos y cuándo usar cada uno
Git merge vs rebase explicado con salida real del log, una tabla comparativa, la regla de oro del rebase y un flujo de trabajo seguro para equipos.
Leer artículo →Desarrollo de softwareList comprehension en Python: sintaxis, ejemplos y cuándo evitarla
List comprehension en Python explicada: sintaxis, filtros, if-else, bucles anidados, tiempos medidos y cuándo es mejor un bucle for normal.
Leer artículo →