- テスト データの生成では現実的な偽データが作成されるため、テストは実際の顧客記録のコピーに依存しません。
- ジェネレーターを シードすることで、同じテストで毎回同じデータが生成されます。
- Faker は、もっともらしい典型的な値を生成します。空の文字列、アポストロフィ、非常に長いテキストなどのエッジ ケースを自分で追加する必要があります。
- Faker は暗号的にランダムではありません。パスワード、トークン、またはセキュリティ関連のものには決して使用しないでください。
テスターがレポート画面をチェックするには、注文のある 500 人の顧客が必要です。本番環境からコピーするのは簡単ですが、実名、電子メール、電話番号がテスト環境、ログ、スクリーンショットに記録されるため、プライバシーと法的リスクが生じます。これらを手で入力すると時間がかかり、「テスト ユーザー 1」から「テスト ユーザー 500」が生成され、バグが隠れてしまいます。 Faker のようなライブラリを使用した テスト データ生成は、現実的、高速、偽物の中間に位置します。
すべての例は、Python 3.13 上の Faker 40.52 で実行しました。以下の値はシードされた実行からのものであるため、同じバージョンで再現可能です。
テストデータが重要な理由
- 現実主義はバグを発見します: 長い名前、アクセント付き文字、さまざまな形式は、「テスト ユーザー」が決して触れないコードを壊します。
- 再現性によりデバッグが可能になります: 再現できない障害は、修正できない障害です。
- 分離によりテストの信頼性が維持されます:同じレコードを共有して変更するテストは不安定になります。
- プライバシーは交渉の余地のないものです: テスト システム内の実際の個人データは、多くの場合、法律やポリシーに違反します。
テストデータを取得する方法
| アプローチ | 長所 | 短所 |
|---|---|---|
| 手書きの備品 | 正確で読みやすく、エッジケースに最適 | 大量の作成が遅い |
| 生成済み (Faker など) | 高速、現実的、個人データなし | ビジネスルールやまれなエッジケースを見逃している |
| マスクされた本番コピー | 実際の分布と関係 | マスキングは徹底する必要があります。まだ敏感です |
| 合成データプラットフォーム | 大規模な統計と関係を維持する | コストとセットアップ |
ほとんどのチームはこれらを組み合わせています。つまり、正確なチェックのための小さな手書きのフィクスチャー、ボリュームのために生成されたデータ、そして現実的な分布が不可欠な場合にのみ慎重にマスクされたデータです。
Faker を始める
pip install faker
from faker import Faker
fake = Faker("en_IN")
fake.name(), fake.email(), fake.city(), fake.phone_number()
Faker には、名前、住所、会社、インターネット データ、日付、数値、テキスト、財務などのプロバイダーがあり、さらに独自のプロバイダーを追加する機能もあります。これはシステム依存性のない純粋な Python です。
反復可能なデータのシード処理
Faker.seed(42)
# Aryan Maharaj | udantdewan@example.net | Bongaigaon | +9196001xxxxx
# Oni Kannan | zmall@example.org | Bhusawal | 042351xxxxx
# Caleb Sharaf | radhakrishnanfarhan@example.net | Tadipatri | 093103xxxxx
# (phone numbers shortened here: generated numbers can match real ones)
Faker.seed(42); fake2 = Faker("en_IN")
fake2.name() # Aryan Maharaj
同じシードを使用して、新しいジェネレーターは同じ名を生成しました。すべてのテストまたはテスト セッションをシードし、シードをログに記録することで、失敗を正確に再現できます。値は Faker のバージョン間で異なる可能性があるため、テストで生成された値を正確に比較する場合は、要件にバージョンを固定してください。さらに良いのは、特定の偽の値にまったく依存しないテストを作成することです。
Faker が example.net と example.org の電子メール ドメインを使用していたことにも注目してください。これらは文書化とテスト用に予約されているため、テストで誤って実際の人物に電子メールを送信することは決してありません。
ロケール
en_US: Ryan Gallagher | Davidmouth
de_DE: Karsten Wieloch-Bolnbach | Cloppenburg
ja_JP: 木村 陽一 | 八丈島八丈町
hi_IN: मोहना रोद्रिगुएस | अनन्तपुर
ロケールは名前、アドレス、形式を変更し、スクリプトを完全に切り替えるものもあります。ドイツの二重バレルの姓、日本語の文字、デヴァナーガリー文字は、まさにフィールド長、並べ替え、検索、PDF、フォントのバグを露呈する入力です。製品が複数の地域にサービスを提供している場合は、それぞれの地域に対してデータを生成します。
固有の値
emails = [f.unique.email() for _ in range(1000)]
len(set(emails)) # 1000
small.unique.random_int(1, 5) # called 6 times
# UniquenessException
Plain Faker 呼び出しでは値を繰り返す可能性があるため、UNIQUE 制約 を持つ列のテストが中断されます。 .unique プロキシは反復がないことを保証します。私たちの実行では、1,000 件の電子メールはすべて別個のものでした。 1 から 5 までの 6 つの一意の数値を要求する場合など、可能な値のプールがなくなると、永久にループするのではなく UniquenessException が返されます。テストの合間に fake.unique.clear() を呼び出します。
ドメインレコードの構築
Faker はフィールドを生成します。コードはビジネス ルールを尊重する必要があります。小規模ファクトリー関数はこれらを組み合わせたものです。
def make_order(f):
qty = f.random_int(1, 5)
price = f.pyint(10, 2000)
return {"order_id": f.uuid4(), "customer": f.name(), "qty": qty,
"unit_price": price, "total": qty * price,
"status": f.random_element(["paid", "pending", "refunded"]),
"placed_at": f.date_time_between("-30d", "now").isoformat(timespec="seconds")}
# {"order_id": "0c5c7fd0-...", "customer": "Girindra Pau", "qty": 3,
# "unit_price": 1951, "total": 5853, "status": "refunded", "placed_at": "2026-10-14T18:01:02"}
total はランダムではなく計算されるため、レコードは内部的に一貫していることに注意してください。ランダムな独立したフィールドでは、注文日より前の返金日など、あり得ないデータが生成され、起こり得ないバグを追跡するのに時間が無駄になります。 Factory_boy などのライブラリや、データクラス から構築された仮説戦略などのモデルベースのツールは、これらのルールを 1 か所に保管するのに役立ちます。
Faker が提供しないエッジケース
Faker は典型的な値を生成します。バグは特殊なものにも生息しているため、手書きのリストを作成し、それを混ぜ合わせてください。
edge_names = ["", " ", "O'Brien", "Zoë", "李小龙", "a" * 255,
"Robert'); DROP TABLE students;--", " padded "]
空および空白のみの値、アポストロフィ、アクセント、非ラテン文字、最大長およびコードに見える文字列は、検証、エスケープ、および表示のバグをキャッチします。 境界値分析は追加すべき数値制限を示し、プロパティベースのテストは厄介な入力を自動的に生成します。
ヒント: Faker は Python の標準 random モジュールを使用しますが、これは特にシード時に設計上予測可能です。実際のパスワード、API キー、トークン、またはワンタイム コードを生成するためにこれを使用しないでください。セキュリティ関連の場合は secrets モジュールを使用してください。
本番データのマスキング
def mask_email(e):
h = hashlib.sha256(e.encode()).hexdigest()[:8]
return f"user_{h}@example.test"
mask_email("asha.rao@gmail.com") # user_fbb1af74@example.test (same input, same output)
パフォーマンス テストや分析などでは、現実的な分布が重要になる場合があります。次に、チームはプロダクションをコピーしてマスクします。同じ入力が常に同じ偽の値にマップされる一貫したマスキングにより、テーブル間の結合が機能し続けます。しかし、マスキングは見た目よりも難しく、自由記述のメモ、コメント内のアドレス、無害なフィールドの組み合わせでも個人を特定できる可能性があります。電子メールの単純なハッシュは、秘密キーが追加されない限り、共通のアドレスを推測することによって元に戻すこともできます。セキュリティ チームまたはプライバシー チームに参加して、十分なデータが得られる場合は生成されたデータを優先します。
スピードとボリューム
10,000 name + email rows: 1.79s
Faker は数千件のレコードには問題ありませんが、数百万件になると速度が低下します。大規模なパフォーマンス データセットの場合は、一度生成してファイルを再利用するか、Mimesis などの高速ライブラリを使用するか、SQL を使用してデータベース内に生成するか、データベースのインポート ツールを使用して一括読み込みします。負荷テストのガイダンスは、負荷対ストレス テスト ガイドに記載されています。
テストでの使用
# conftest.py (illustration, not run for this article)
import pytest
from faker import Faker
@pytest.fixture
def fake():
f = Faker("en_IN")
f.seed_instance(1234)
return f
def test_signup(fake):
user = {"name": fake.name(), "email": fake.unique.email()}
...
シードされたフィクスチャは、すべてのテストに予測可能なデータを提供し、seed_instance 共有のグローバル シードを通じてテストが相互に影響を与えないようにします。 pytest には Faker 自体とともに Faker プラグインも同梱されており、faker フィクスチャを提供します。フィクスチャのスコープとクリーンアップについては、pytest フィクスチャ ガイドを参照してください。
ベストプラクティス
- 承認されたマスキングなしで、テスト環境では実際の個人データを決して使用しないでください。
- シード ジェネレーターと実行ごとのシードのログを記録します。
- テスト自体によって作成される、各テストに必要な最小限のデータを生成します。
- 記録が常に有効になるように工場内でビジネス ルールを維持します。
- 維持されているエッジケースのリストを混ぜ合わせます。
- 生成されたデータをクリーンアップするか、ロールバックされたトランザクションで各テストを実行します。
各テストレベルのテストデータ
| テストレベル | 優れたデータソース | なぜ |
|---|---|---|
| 単体テスト | 手書きの値といくつかの特殊なケース | 正確、読みやすく、速い |
| 統合とAPIのテスト | Fakerを使用したシード工場 | 現実的で再現性があり、テストごとに作成されます |
| エンドツーエンドのテスト | 小規模な既知のベースライン データセットと各テストで作成されるデータ | ユーザージャーニーの安定した出発点 |
| 性能試験 | 大規模な生成またはマスクされたデータセット | 現実的なボリュームと分布 |
| 探索的テスト | ロケール間で生成されるさまざまで乱雑なデータ | 予期せぬ動作が表面化する |
データ ソースをテスト レベルに一致させることで、高速なテストはシンプルに、低速なテストは現実的なものに保たれます。低レベルでは精度が必要です。より高いレベルには多様性とボリュームが必要です。 テスト ピラミッドは、これらのレベルがどのように組み合わされるかを説明しています。
レベルに関係なく、各テストが依存するデータに対して責任を負うようにします。別のテストによって作成されたレコード、または先週から残ったレコードに密かに依存するテストは、テスト対象のコードとは関係のない理由で最終的に失敗します。
まとめ
Faker は、面倒なテスト データを数行のコードに変換します。つまり、多くの言語で現実的な名前、電子メール、アドレスが得られ、シードで再現可能で、本物ではないため安全です。ただし、典型的なデータが生成されるため、独自のエッジ ケースとビジネス ルールを最上位に追加し、セキュリティ上の価値から遠ざけ、可能な限り本番環境のコピーよりも生成されたデータを優先します。
よくある質問
テストデータ生成とは何ですか?
人工的だが現実的なテスト用データを作成することで、実際の顧客情報を使用せずにテストに必要な多様性と量を実現します。
実行するたびに同じ Faker データを取得するにはどうすればよいですか?
Faker.seed(n) または fake.seed_instance(n) を使用してシードします。同じシードとバージョンでは、同じ値が生成されます。
Faker で値の重複を避けるにはどうすればよいですか?
fake.unique.email() のように、一意のプロキシを使用します。新しい値が残っていない場合は UniquenessException が発生しますが、fake.unique.clear() でリセットできます。
Faker はパスワードやトークンに対して安全ですか?
いいえ、Faker は予測可能な疑似乱数を使用します。セキュリティが重要な値には Python の Secret モジュールを使用します。
テストには実稼働データを使用する必要がありますか?
可能な限り避けてください。現実的な配布が不可欠な場合は、プライバシー チームまたはセキュリティ チームによって承認された、適切にマスクされたコピーを使用してください。
学び続ける
テスト、WordPress、または SEO についてサポートが必要ですか?
私たちは、チームがより優れたソフトウェアを出荷し、サイトを成長させるのを支援します。あなたが取り組んでいることを教えてください。明確な次のステップを提案します。
詳しいガイドはこちら テスト、AI、最新の開発
この記事は気に入りましたか?トピックを選択して、最新のチュートリアルに直接アクセスしてください。
RAG チャンキング戦略の説明: 固定、オーバーラップ、センテンス、再帰および見出し、測定
tiktoken 0.14 を使用した 1 つのドキュメントでの RAG チャンク戦略の比較: 固定サイズ、オーバーラップ、センテンス パッキング、再帰的分割、見出しベースのチャンク、分割ファクト、孤立見出し、ストレージ コストの測定。
記事を読む →ソフトウェア開発API 冪等性の説明: 冪等性キーと安全な再試行、テスト済み
API 冪等性は、私たちが実行した Python サーバーとクライアントで説明されました。応答が失われたため、キーなしでは二重請求、キーありでは単一請求が発生し、さらにキーの再利用、同時再試行、ストレージ ルールが発生しました。
記事を読む →DevOpsGit Stash の説明: 保存、適用、ポップ、および追跡されていないファイルのテスト済み
Git stash について、Git 2.56 で実行したコマンドを使用して説明しました。メッセージ付きのプッシュ、追跡されていないファイル、リストと表示、適用とポップ、インデックスの保持、競合、スタッシュ ブランチ、ドロップとクリアです。
記事を読む →ソフトウェアテストペアごとのテストの説明: オールペアによって 216 個のテストが 13 個に削減される方法 (テスト済み)
ペアワイズ テストについては、Python 3.13 で実行したジェネレーターで説明しました。13 のテストでカバーされる 216 の組み合わせのチェックアウト、検証済みのカバレッジ、より大きな例、およびペアワイズで見逃される可能性がある 3 方向のバグです。
記事を読む →テスト自動化テストダブルの説明: ダミー、スタブ、スパイ、モック、フェイク、テスト済みの Python コード
テスト ダブルについて、pytest 9.2 で実行される Python の例 (ダミー、スタブ、スパイ、モック、フェイク)、それぞれをいつ使用するか、状態と動作のチェック、およびプレーン モックが隠したバグを autospec がどのようにキャッチするかを説明します。
記事を読む →データベースとSQLSQL COALESCE の説明: デフォルト、NULLIF、IFNULL と ISNULL およびトラップ、テスト済み
SQL COALESCE では、SQLite 3.50 で実行したクエリ、つまり最初の非 null 値、空の文字列、数学における NULL、ゼロ除算の NULLIF、集計、LEFT JOIN ギャップ、IFNULL と ISNULL について説明しました。
記事を読む →データベースとSQLSQL 自己結合の説明: 従業員とマネージャー、ペアと行の比較、テスト済み
SQL 自己結合については、SQLite 3.50 で実行したクエリで説明しました。従業員とマネージャー、マネージャー以上の収入、一意のペア、日々の変化、2 ホップ チェーン、インデックス作成です。
記事を読む →ソフトウェア開発JavaScript スプレッド演算子の説明: スプレッドと残り、コピーと落とし穴、テスト済み
JavaScript スプレッド演算子については、ノード 24 で実行したコード (配列、オブジェクト、浅いコピー、残りのパラメーター、Math.max 制限、reduce のパフォーマンス トラップ) で説明しました。
記事を読む →ソフトウェア開発Python コレクション モジュールの説明: Counter、defaultdict、deque など、テスト済み
Python コレクションは、Python 3.13 で実行したコード (Counter、defaultdict、deque、namedtuple、OrderedDict、ChainMap) を使用して説明されています。さらに、list と deque のタイミングとチートシートも含まれています。
記事を読む →人工知能LLM コンテキスト ウィンドウの説明: トークン、制限、およびさらに適合させる方法、測定
LLM コンテキスト ウィンドウは、tiktoken を使用して測定したトークン数で説明されています。散文、コード、ヒンディー語の単語とトークン、入出力の予算、チャット履歴のトリミング、RAG のチャンク化とコストです。
記事を読む →ソフトウェア開発Webhook の説明: Webhook の仕組みと安全に受信する方法
Webhook について、Python で実行した受信側と送信側で説明しました。プッシュとポーリング、HMAC-SHA256 署名、改ざんおよび再実行されたリクエストの拒否、バックオフによる再試行、冪等性、およびテストのヒントです。
記事を読む →DevOpsGit Cherry-Pick の説明: 必要なコミットを安全にコピーし、テスト済み
Git チェリーピックでは、Git 2.56 で実行したコマンド、つまりリリース ブランチへのホットフィックスのコピー、新しいハッシュとパッチ ID、-x、-n、コミット範囲、競合、–abort、–skip、およびその後のマージについて説明しました。
記事を読む →テスト自動化スナップショット テストの説明: 仕組み、役立つ場合と問題となる場合
スナップショットのテストについては、私たちが実行した pytest と syrupy のデモで説明しました。スナップショットの作成、コード変更後の diff の読み取り、タイムスタンプのマスク、安全な更新、スナップショットが役立つ場合と有害な場合について説明しました。
記事を読む →ソフトウェアテスト突然変異テストの説明: 100% のカバー率でもバグを見逃す理由
ミューテーション テストについては、私たちが構築して実行した小さなミューテーション ツールで説明しました。14 個のミュータント、79% のスコアを獲得した 100% のライン カバレッジのテスト スイート、100% に達した境界テスト、さらにツール、コスト、CI ヒントです。
記事を読む →人工知能プロンプト インジェクションの説明: AI アプリがどのように騙されるのか、そしてどのように防御するのか
ビルダー向けに説明されたプロンプト インジェクション: 直接攻撃と間接攻撃、キーワード フィルターが失敗する理由 (テストでは 4 つのうち 1 つがブロックされました)、最小権限、ツール許可リスト、出力チェックなどの多層防御。
記事を読む →DevOpsDNS レコードの説明: A、AAAA、CNAME、MX、TXT、TTL と実際のルックアップ
DNS レコードは、実行したルックアップで説明されています。解決の仕組み、A と AAAA、CNAME ルール、MX と null MX、SPF と検証のための TXT、NS、TTL とキャッシュ、安全な DNS 変更です。
記事を読む →DevOps機能フラグの説明: 安全なリリース、段階的なロールアウト、およびフラグの衛生状態
私たちが実行したロールアウト シミュレーションで説明された機能フラグ: フラグの種類、安定したハッシュを使用したパーセンテージ ロールアウト、キル スイッチ、許可リスト、両方のパスのテスト、フラグの負債とベスト プラクティス。
記事を読む →テスト自動化Python Faker を使用したテストデータ生成: 現実的で再現性のある安全なデータ
Python Faker でデータ生成をテストし、実行して測定します。再現可能なデータ、ロケール、一意の値、ドメイン形状のレコード、Faker がミスするエッジ ケースのシード、本番データと速度のマスキング。
記事を読む →ソフトウェアテストシフトレフト テストの説明: チームの作業を遅らせることなくバグを早期に発見する
シフトレフト テストについて説明しました。その意味、初期不良の方が安い理由、要件レビューから CI チェックまでの実践、テスターの役割の変化、シフトライト、メトリクス、展開計画について説明します。
記事を読む →データベースとSQLSQL 文字列関数の説明: TRIM、SUBSTR、REPLACE、CONCAT、およびデータ クリーンアップ
SQL 文字列関数を実行したクエリとともに説明しました。連結と NULL、TRIM、UPPER と LOWER、SUBSTR と INSTR、REPLACE、パディング、Unicode 長さ、乱雑なデータのクリーニング、方言の違いなどです。
記事を読む →データベースとSQLSQL トリガーの説明: BEFORE トリガーと AFTER トリガー、監査ログ、および落とし穴
SQL トリガーについて、実行したトリガーを使用して説明します: BEFORE と AFTER、OLD と NEW、監査ログ、検証、ストック更新、WHEN 条件、ロールバック、方言の違い、およびそれらを回避するタイミング。
記事を読む →ソフトウェア開発Python JSON モジュールの説明: ダンプ、ロード、カスタム タイプ、および一般的なエラー
Python JSON モジュールでは、ダンプとロード、ファイル、型変換、日付と小数点、カスタム エンコーダー、object_hook、float 精度、解析エラー、JSON 行など、実行したコードを使用して説明しました。
記事を読む →ソフトウェア開発ES モジュールと CommonJS: Node.js での JavaScript インポートの動作 (テスト済み)
ES モジュールと CommonJS について、Node.js で実行したコード (インポートおよびエクスポート構文、require、ライブ バインディング、キャッシュ、トップレベルの待機、動的インポート、ファイル拡張子、相互運用) を使用して説明しました。
記事を読む →ソフトウェア開発Python 正規表現の説明: パターン、グループ、先読みと落とし穴、テスト済み
Python 正規表現は、検索と一致、findall、グループと名前付きグループ、貪欲と遅延、サブ、先読み、フラグ、Unicode のサプライズ、壊滅的なバックトラッキングなど、実行したパターンで説明しました。
記事を読む →人工知能LLM 構造化出力の説明: AI モデルから信頼性の高い JSON を取得する
LLM 構造化出力は、Pydantic で実行した検証とともに説明されています。JSON モードとスキーマ、制約付きデコード、モデル出力が中断される方法、再試行ループ、セマンティック チェックです。
記事を読む →DevOpsSSH キーの説明: 仕組み、ssh-keygen、Ed25519、および安全な習慣
SSH キーについて、私たちが生成したキーとともに説明しました: 公開キーと秘密キー、ssh-keygen、Ed25519 と RSA、指紋、パスフレーズ、ssh-agent、authorized_keys、構成ファイル、GitHub、およびキーの衛生状態。
記事を読む →DevOpsHTTP キャッシュの説明: ライブ テストによるキャッシュ制御、ETag、および 304 レスポンス
HTTP キャッシュについて、私たちが実行した小規模サーバーで説明しました。キャッシュ制御ディレクティブ、最大有効期間、キャッシュなしとストアなし、ETag の再検証と 304 応答、CDN、キャッシュ無効化とヘッダーのテストです。
記事を読む →テスト自動化API コントラクトのテストの説明: 重大な変更を出荷前に把握する
API contract testing explained with a schema check we ran: what a contract is, consumer-driven contracts, Pact, OpenAPI, which changes break consume…
記事を読む →ソフトウェアテストリスクベースのテストの説明: リスクをスコアリングし、マトリックスを構築し、重要なものをテストする
リスクベースのテストについて段階的に説明します。リスクの特定、可能性と影響のスコアリング、リスク マトリックスの構築、テストの深さへのリスクのマッピング、実際の例とよくある間違いです。
記事を読む →データベースとSQLSQL 制約の説明: NOT NULL、UNIQUE、CHECK、および FOREIGN KEY、テスト済み
SQL 制約について、実行したテストで説明しました。NOT NULL、UNIQUE、CHECK、DEFAULT、PRIMARY、FOREIGN KEY、NULL の抜け穴、SQLite の外部キー設定、名前付け制約とそれらのテストです。
記事を読む →データベースとSQLSQL 日付関数の説明: バグのない日付の追加、比較、グループ化
SQL の日付関数を、実行したクエリで説明しました。間隔の追加、月末のサプライズ、日付の違い、BETWEEN トラップ、日別のグループ化、タイム ゾーン、インデックス、方言の違いなどです。
記事を読む →ソフトウェア開発Python asyncio の説明: リアル タイミングでの async、await、gather、および TaskGroup
Python asyncio は、コルーチン、await、gather、TaskGroup、エラー処理、タイムアウト、同時実行の制限、パフォーマンスを損なうブロッキングコールの間違いなど、時間を測定したコードで説明しました。
記事を読む →ソフトウェア開発JavaScript におけるデバウンスとスロットル: それぞれの仕組み、いつ使用するか、テスト済み
JavaScript でのデバウンスとスロットルについて、Node.js で測定したタイミングを使用して説明します。それぞれの仕組み、単純な実装、先頭と末尾の呼び出し、実際の使用例とテストです。
記事を読む →ソフトウェア開発Python コンテキスト マネージャーの説明: with ステートメント、contextlib、および実際の使用法
Python コンテキスト マネージャーは、実行したコードを使用して説明しました。仕組み、__enter__ と __exit__、contextlib.contextmanager、suppress、ExitStack、データベース トランザクション、およびよくある間違いについて説明しました。
記事を読む →人工知能LLM 温度と Top-p の説明: AI モデルが次の単語を選択する方法
LLM 温度と top-p は、私たちが実行したシミュレーションで説明しました。確率がどのように再形成されるか、top-p が保持するもの、タスク別の推奨設定、決定論、AI 機能のテストです。
記事を読む →DevOpsYAML の説明: 構文、ノルウェー問題、テストしたその他の罠
YAML は、基本構文、リストとマップ、ノルウェー問題、浮動小数点数に変換されるバージョン、8 進郵便番号、60 進数、アンカー、複数行テキスト、安全な読み込みなどのパーサー テストで説明されています。
記事を読む →DevOpsCron ジョブの説明: 構文、実際のスケジュール、およびそれらを壊す間違い
Cron ジョブは、検証したスケジュールとともに説明されています。5 つのフィールド、演算子、実際の例、月日または曜日のトラップ、環境の問題、ロギング、重複、タイム ゾーンです。
記事を読む →人工知能AI 幻覚の説明: 言語モデルが物事をでっち上げる理由とそれを軽減する方法
AI 幻覚について説明しました。幻覚とは何か、言語モデルが幻覚を生成する理由、一般的な種類、グラウンディングとプロンプトで幻覚を軽減する方法、そして私たちが実行した簡単なチェックです。
記事を読む →DevOps環境変数の説明: .env ファイル、シークレット、および設定が正しく行われている
実行した Python の例を使用して環境変数について説明します。環境変数の読み取りと設定、すべての値が文字列である理由、.env ファイル、プロセスの継承、シークレット、検証について説明します。
記事を読む →ソフトウェア開発API レート制限の説明: アルゴリズム、ヘッダー、および 429 エラーの処理
API レート制限については、実行したシミュレーションで説明します。トークン バケット、固定ウィンドウ、スライディング ウィンドウ、429 応答、レート制限ヘッダー、バックオフによる再試行、およびテスト制限です。
記事を読む →テスト自動化Python でのモッキング:unittest.mock、patch、およびテストを嘘にする間違い
Python でのunittest.mockによるモック、テスト済み: モックとreturn_value、side_effect、名前が使用されている場所のパッチ、仕様と自動仕様、日付のモック、およびよくある間違い。
記事を読む →ソフトウェアテストコードカバレッジの説明: 回線カバレッジとブランチカバレッジ、および 100% の実際の意味
実際のcoverage.pyの実行でコードカバレッジを説明: 行、分岐、条件のカバレッジ、レポートの読み取り、100%のカバレッジでもバグを見逃す可能性がある理由、および賢明なターゲット。
記事を読む →データベースとSQLSQL における DELETE、TRUNCATE、DROP: 違い、ロールバック、およびそれぞれをいつ使用するか
DELETE、TRUNCATE、DROP について、テスト済み SQL を使用して説明します。それぞれの削除内容、ロールバック、トリガー、ID リセット、速度、PostgreSQL、MySQL、SQL Server、SQLite の違いについて説明します。
記事を読む →データベースとSQLSQL ビューの説明: 作成、使用、落とし穴の回避、例を示します
SQL ビューについて、実行したクエリとともに説明しました。ビューの作成、ライブ結果、列の非表示、パフォーマンス、更新可能なビューと具体化されたビュー、壊れた依存関係、ベスト プラクティスについて説明します。
記事を読む →ソフトウェア開発TypeScript インターフェイスと型: 実際の違い、コンパイラでテスト
TypeScript インターフェイスと型、実際のコンパイラでチェック: 両方でできること、片方だけでできること、宣言のマージ、拡張と交差、および従うべき簡単なルール。
記事を読む →ソフトウェア開発Python *args と **kwargs の説明: 柔軟な関数と明確な例
Python の *args と **kwargs について、実行したコードで説明しました。パッキングとアンパッキング、パラメーターの順序、キーワードのみの引数と位置のみの引数、デコレーター、一般的なエラーです。
記事を読む →ソフトウェア開発Python Lambda 関数: 構文、実際の用途、および使用すべきでない場合
Python のラムダ関数について、実行したコードとともに説明します。構文、キーによるソート、マップとフィルター、クロージャー、遅延バインディング トラップ、通常の def がより適切な選択である場合。
記事を読む →人工知能AIエージェントとは何ですか?シンプルなエージェント ループを実行できる仕組み
AIエージェントとは何ですか?エージェント ループ、ツール、メモリ、ガードレール、実行した小さな Python ループ、実際のリスク、およびシンプルなチャットボットがより良い選択である場合についてのわかりやすいガイドです。
記事を読む →DevOpsモニタリングと可観測性: ログ、メトリクス、トレースによる本当の違い
モニタリングと可観測性について説明: 既知および未知の障害、ログ、メトリクスとトレース、チェックアウト インシデントのウォークスルー、ゴールデン シグナル、OpenTelemetry、および便利なアラート。
記事を読む →DevOpsDocker ボリュームとバインド マウント: コンテナ データを正しい方法で保持する
Docker ボリュームとバインド マウントについて説明します。コンテナ データが消える理由、名前付きボリューム、バインド マウント、tmpfs、Compose の例、バックアップ、アクセス許可、およびそれぞれをいつ使用するかについて説明します。
記事を読む →テスト自動化TDD と BDD: 主な違い、1 つの機能が両方の方法で構築され、それぞれをいつ使用するか
TDD と BDD は、両方の方法で構築された 1 つの割引機能で説明されています。実行したコードによるレッド-グリーン-リファクタリング、Given-When-Then シナリオ、ツール、トレードオフ、およびそれぞれをいつ使用するかです。
記事を読む →ソフトウェアテストユーザー受け入れテスト (UAT): プロセス、チェックリスト、および実際の例
ユーザー受け入れテストの説明: 誰が実行するか、QA との違い、7 段階のプロセス、UAT テスト ケース テンプレート、チェックリスト、サインオフ基準、およびよくある間違い。
記事を読む →データベースとSQLSQL NULL 値の説明: IS NULL、COALESCE、NULLIF、および回避すべきトラップ
SQL の NULL 値について、実行したクエリで説明しました。3 つの値のロジック、IS NULL、COALESCE、NULLIF、集計、結合、並べ替えでの NULL の扱い方、およびそれが密かに引き起こすバグです。
記事を読む →データベースとSQLSQL CASE WHEN ステートメント: 構文、実際の例、およびよくある間違い
SQL CASE WHEN では、単純な検索フォーム、条件順序、SUM を使用したピボット、COUNT トリック、カスタム並べ替え、更新、回避すべき NULL トラップなど、実行したクエリを使用して説明しました。
記事を読む →ソフトウェア開発JWTとは何ですか? JSON Web トークンを実際の例で説明する
JWTとは何ですか? JSON Web トークンについて説明しました。3 つの部分、実行したコード内で構築および改ざんされたトークン、JWT とセッション、ストレージ、リフレッシュ トークン、およびセキュリティ上の間違いです。
記事を読む →ソフトウェア開発JavaScript イベントループの説明: コールスタック、マイクロタスク、タイマーと例
JavaScript イベント ループについて、実行したコードで説明しました。コール スタック、タスク キュー、マイクロタスク キュー、setTimeout 0 が即時ではない理由、ブロッキング、スターベーション、およびインタビュー クイズです。
記事を読む →ソフトウェア開発Python ジェネレーターと収量の説明: 実際の例でメモリを節約する
Python ジェネレーターと Yield について、実行したコードを使用して説明します。一時停止と再開の方法、メモリ節約の測定、パイプライン、無限シーケンス、Yield from、send、および一般的なトラップについて説明します。
記事を読む →人工知能埋め込みとは何ですか?ベクトルとコサインの類似度を簡単に説明
埋め込みとは何ですか?ベクトル、コサイン類似度、セマンティック検索に関する平易なガイド。私たちが実行した小さな例、一般的な使用法、モデルの選択、既知の制限が含まれています。
記事を読む →DevOpsBlue-Green デプロイメントと Canary デプロイメント: 違い、トレードオフ、および選択方法
ブルー グリーン デプロイメントとカナリア デプロイメントについて説明: それぞれの仕組み、コスト、リスクとロールバック、テストした安定したユーザー バケット化、データベース移行、ローリング アップデート、および選択方法。
記事を読む →テスト自動化不安定なテスト: 問題の原因とそれを永久に修正する方法
不安定なテストについては、私たちが実行したデモを使用して説明しました。主な原因、確認および診断する方法、タイミングの適切な修正、共有された状態と日付、隔離プロセスなどです。
記事を読む →ソフトウェアテスト負荷テストとストレス テスト: 違い、メトリクス、および k6 の例
ロード テストとストレス テストについて説明します。それぞれが何を証明するか、スパイク テストとソーク テスト、重要な指標、平均値が誤解を招く理由、K6 の例、テストの計画方法について説明します。
記事を読む →ソフトウェアテストテスト ケースとテスト シナリオ: 主な違い、例、およびそれぞれをいつ使用するか
テスト ケースとテスト シナリオの説明: 明確な定義、並べて表、シナリオからケースへの 1 つのパスワード リセット機能、テンプレート、およびそれぞれをいつ使用するか。
記事を読む →データベースとSQLSQL クエリの最適化: 実行プランを読み取り、タイミングを考慮して遅いクエリを修正
SQL クエリの最適化は 100 万行でテストされています。実行プランの読み取り、適切なインデックスの追加、検索対象外のフィルターの修正、複合インデックスとキーセットのページネーションの使用。
記事を読む →データベースとSQLSQL UNION と UNION ALL: 違い、例、テストされたパフォーマンス
SQL UNION と UNION ALL について、実行したクエリで説明しました。重複、両方に従うルール、実際のデータのバグ、測定されたパフォーマンス、INTERSECT と EXCEPT、およびそれぞれをいつ使用するかについて説明します。
記事を読む →ソフトウェア開発JavaScript Fetch API チュートリアル: GET、POST、エラー処理、タイムアウト
ローカル サーバーに対してテストされた JavaScript Fetch API チュートリアル: GET と POST、404 がスローされない理由、再利用可能なヘルパー、クエリ文字列、タイムアウト、CORS、およびよくある間違い。
記事を読む →ソフトウェア開発Python ファイル処理: 読み取り、書き込み、CSV、JSON、パスライブラリと例
Python のファイル処理について、実行したコードで説明します。オープン モード、大きいファイルの読み取り、CSV、JSON、パスライブラリ、バイナリ ファイル、安全な書き込み、エラー処理、およびよくある間違いについて説明します。
記事を読む →ソフトウェア開発Python のクラスとオブジェクト: 実際の例を含む OOP チュートリアル
Python のクラスとオブジェクトについて、実行したコードとともに説明します: __init__、メソッド、クラスとインスタンスの属性、継承、プロパティ、ダンダー メソッド、データクラス、およびよくある間違い。
記事を読む →人工知能大規模言語モデルとは何ですか? LLM の仕組みを誇大広告なしで説明
大規模言語モデルとは何ですか? LLM は、トークン、エンベディング、アテンション、トレーニング、温度およびコンテキスト ウィンドウ、小さな次の単語のデモ、実際の制限など、平易な言葉で説明されています。
記事を読む →DevOps初心者のための Linux コマンド: 例を含む基本ターミナル ガイド
初心者向けの Linux コマンド。ナビゲーション、ファイル、ログの表示、grep、パイプ、権限、プロセス、アーカイブなどのタスク別にグループ化されており、実用的なログ分析の例も含まれています。
記事を読む →テスト自動化Selenium と Playwright: 主な違い、コードの比較、どちらを選択するか
Selenium と Playwright の比較: アーキテクチャ、待機、ブラウザと言語のサポート、デバッグ、両方のツールでの同じテスト、移行のアドバイスと選択方法。
記事を読む →ソフトウェアテスト等価性分割: テスト設計手法を実際の例で説明
等価性パーティション化について説明しました。有効なパーティションと無効なパーティションを見つける方法、年齢、パスワード、クーポンに関する実際の例、実行したテスト、境界と組み合わせる理由。
記事を読む →ソフトウェアテストソフトウェアテストにおける重大度と優先度: 相違点、マトリックス、および実際の例
ソフトウェア テストにおける重大度と優先度について説明します。明確な定義、例を含む 4 方向のマトリックス、レベル スケール、それぞれの設定者、バグ トリアージの実行方法。
記事を読む →データベースとSQLSQL サブクエリのチュートリアル: 型、相関サブクエリ、および EXISTS と例
実行したクエリを含む SQL サブクエリのチュートリアル: スカラー、IN、FROM、SELECT サブクエリ、相関サブクエリ、EXISTS、NOT IN NULL トラップ、サブクエリ対 JOIN 対 CTE。
記事を読む →データベースとSQLSQL トランザクションと ACID の説明: COMMIT、ROLLBACK、分離レベル
SQL トランザクションと ACID について、実行した銀行振込で説明しました。COMMIT、ROLLBACK、セーブポイント、ロック、分離レベル、ダーティ リード、デッドロック、ベスト プラクティスについて説明します。
記事を読む →ソフトウェア開発Git コマンドのチートシート: 実際に使用するコマンドと例
実際のデモ リポジトリからの出力を含む、タスク別にグループ化された Git コマンド チート シート (セットアップ、ステージング、ブランチ、リモート、スタッシュ、履歴、間違いの取り消し)。
記事を読む →ソフトウェア開発JavaScript Promise の説明: then、catch、Promise.all、およびよくある間違い
JavaScript の Promise を、実行したコードで説明します。ステート、then および catch チェーン、エラー処理、Promise.all、allSettled、race および any、イベント ループ、およびよくある間違いです。
記事を読む →ソフトウェア開発Python 辞書チュートリアル: メソッド、例、一般的なパターン
私たちが実行したコードを含む Python 辞書チュートリアル: 辞書の作成、読み取り、更新、主要なメソッド、マージ、内包表記、パターンのカウントとグループ化、およびよくある間違い。
記事を読む →人工知能RAGとは何ですか?検索拡張生成を実際の例で説明する
RAGとは何ですか?検索拡張生成について、インデックス作成、チャンク化、埋め込み、検索、実際に動作する小さな Python の例、評価、一般的な失敗など、ステップごとに説明します。
記事を読む →DevOps初心者向け Terraform チュートリアル: 最初のファイルからモジュールまでのコードとしてのインフラストラクチャ
初心者向けの Terraform チュートリアル: クラウド アカウントなしで開始し、初期化、計画、適用を学び、次に変数、出力、状態、モジュール、安全なチーム ワークフローを学びます。
記事を読む →DevOpsDocker と Kubernetes: 主な違い、連携方法、どちらが必要か
Docker と Kubernetes について説明しました。それぞれの機能、同じアプリを両方で実行すること、Docker Compose と Swarm の比較、dockershim の変更、必要なものを決定する方法などです。
記事を読む →テスト自動化初心者向けの Pytest チュートリアル: フィクスチャ、パラメータ化、実際の例
pytest 9.2 で実行したテストを含む初心者向けの pytest チュートリアル: アサーション、フィクスチャ、parametrize、conftest、マーカー、tmp_path、monkeypatch、便利なフラグ、CI。
記事を読む →ソフトウェアテストソフトウェア テスト ライフ サイクル (STLC): 6 つのフェーズ、開始基準と終了基準、例
ソフトウェア テストのライフ サイクルについては、開始基準と終了基準を含む 6 つの STLC フェーズ、成果物、実際に動作するログイン機能の例、STLC と SDLC、およびアジャイルにおける STLC について説明しました。
記事を読む →ソフトウェア開発Git mergeとrebaseの違い:例と使い分け
Git mergeとrebaseの違いを、実際のログ出力、比較表、rebaseの黄金律、安全なチームワークフローで解説します。
記事を読む →ソフトウェア開発Pythonのリスト内包表記:構文・例・使うべきでない場面
Pythonのリスト内包表記を解説:構文、フィルタ、if-else、ネストしたループ、実測した処理時間、そして通常のforループの方が良い場面。
記事を読む →データベースとSQLSQL JOINを例で解説(Inner・Left・Right・Full)
サンプルのテーブルとクエリでSQL JOINを順に解説。INNER、LEFT、RIGHT、FULL、CROSS、SELFに加え、よくある間違いとパフォーマンスのコツも紹介します。
記事を読む →