Test het genereren van gegevens met Python Faker: realistische, herhaalbare en veilige gegevens

  1. Home
  2. Blog
  3. Testautomatisering

Testautomatisering

Test het genereren van gegevens met Python Faker: Realistische, herhaalbare en veilige gegevens

Goede tests hebben goede gegevens nodig: realistisch genoeg om bugs te vinden, herhaalbaar genoeg om fouten op te sporen en nooit gekopieerd van echte klanten. We hebben de Python Faker-bibliotheek gebruikt om testgegevens te genereren, seeden, lokaliseren en meten, en hebben ontdekt waar deze tekortschieten.

11 min leestijd
Test datageneratie met Python Faker: realistische, herhaalbare en veilige data

Belangrijkste punten

  • Het genereren van testgegevens zorgt voor realistische nepgegevens, zodat tests niet afhankelijk zijn van kopieën van echte klantgegevens.
  • Zaak de generator zodat dezelfde test elke keer dezelfde gegevens oplevert.
  • Faker produceert plausibele, typische waarden; je moet zelf randgevallen toevoegen, zoals lege tekenreeksen, apostrofs en zeer lange tekst.
  • Faker is niet cryptografisch willekeurig: gebruik het nooit voor wachtwoorden, tokens of andere beveiligingsgerelateerde zaken.

Een tester heeft 500 klanten nodig met opdrachten om een ​​rapportagescherm te controleren. Het kopiëren ervan uit de productie gaat snel, maar het plaatst echte namen, e-mailadressen en telefoonnummers in testomgevingen, logs en schermafbeeldingen, wat een privacy- en juridisch risico inhoudt. Met de hand typen gaat langzaam en levert “Testgebruiker 1” tot “Testgebruiker 500” op, waardoor bugs worden verborgen. Test het genereren van gegevens met een bibliotheek als Faker zit daar tussenin: realistisch, snel en nep.

We hebben elk voorbeeld uitgevoerd met Faker 40.52 op Python 3.13. De onderstaande waarden zijn afkomstig van onze geplaatste run en zijn dus reproduceerbaar met dezelfde versie.

Waarom testgegevens belangrijk zijn

  • Realisme vindt bugs: lange namen, tekens met accenten en gevarieerde formaten breken code die ‘Testgebruiker’ nooit aanraakt.
  • Herhaalbaarheid maakt foutopsporing mogelijk: een fout die u niet kunt reproduceren, is een fout die u niet kunt herstellen.
  • Isolatie zorgt ervoor dat tests betrouwbaar blijven: tests die dezelfde records delen en wijzigen, worden onstabiel.
  • Over privacy valt niet te onderhandelen: echte persoonlijke gegevens in testsystemen zijn vaak een schending van de wet en het beleid.

Manieren om testgegevens te verkrijgen

Benadering Pluspunten Nadelen
Handgeschreven armaturen Exact, leesbaar, ideaal voor randgevallen Langzaam in volume te creëren
Gegenereerd (faker en vergelijkbaar) Snel, realistisch, geen persoonlijke gegevens Mist bedrijfsregels en zeldzame randgevallen
Gemaskerde productiekopie Echte distributies en relaties Het maskeren moet grondig zijn; nog steeds gevoelig
Synthetische dataplatforms Bewaar statistieken en relaties op schaal Kosten en opstelling

De meeste teams combineren ze: kleine handgeschreven programma’s voor exacte controles, gegenereerde gegevens voor volume en zorgvuldig gemaskeerde gegevens alleen als realistische verdelingen essentieel zijn.

Aan de slag met Faker

pip install faker

from faker import Faker
fake = Faker("en_IN")
fake.name(), fake.email(), fake.city(), fake.phone_number()

Faker heeft providers voor namen, adressen, bedrijven, internetgegevens, datums, cijfers, tekst, financiën en meer, plus de mogelijkheid om uw eigen gegevens toe te voegen. Het is pure Python zonder systeemafhankelijkheden.

Zaaien voor herhaalbare gegevens

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

Met hetzelfde zaad produceerde een nieuwe generator dezelfde voornaam. Seed elke test of testsessie en log de Seed, zodat een fout exact kan worden herhaald. Houd er rekening mee dat waarden kunnen veranderen tussen Faker-versies, dus zet de versie vast in uw vereisten als tests exact gegenereerde waarden vergelijken. Beter nog, schrijf tests die helemaal niet afhankelijk zijn van specifieke nepwaarden.

Merk ook op dat Faker example.net en example.org e-maildomeinen gebruikte, die gereserveerd zijn voor documentatie en testen, zodat een test nooit per ongeluk een echt persoon kan e-mailen.

Landinstellingen

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

Landinstellingen veranderen namen, adressen en formaten, en sommige wisselen volledig van script. Een Duitse achternaam met dubbele loop, Japanse karakters en Devanagari-tekst zijn precies de invoer die fouten blootlegt in veldlengtes, sortering, zoeken, pdf’s en lettertypen. Als uw product meerdere regio’s bedient, genereer dan voor elke regio gegevens.

Unieke waarden

emails = [f.unique.email() for _ in range(1000)]
len(set(emails))   # 1000

small.unique.random_int(1, 5)  # called 6 times
# UniquenessException

Met gewone Faker-aanroepen kunnen waarden worden herhaald, waardoor tests op kolommen met UNIEKE beperkingen worden verbroken. De .unique proxy garandeert geen herhalingen; in onze run waren 1.000 e-mails allemaal verschillend. Wanneer de verzameling mogelijke waarden opraakt, zoals bij het vragen om zes unieke getallen tussen 1 en 5, wordt UniquenessException verhoogd in plaats van voor altijd in een lus te blijven. Bel fake.unique.clear() tussen tests door.

Domeinrecords opbouwen

Faker genereert velden; uw code moet de bedrijfsregels respecteren. Een kleine fabrieksfunctie combineert ze:

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"}

Houd er rekening mee dat total wordt berekend en niet willekeurig, zodat de record intern consistent is. Willekeurige, onafhankelijke velden produceren onmogelijke gegevens, zoals een terugbetalingsdatum vóór de besteldatum, waardoor tijd wordt verspild aan het zoeken naar bugs die niet kunnen voorkomen. Bibliotheken zoals factory_boy en op modellen gebaseerde tools zoals Hypothesis-strategieën die zijn opgebouwd uit dataclasses helpen deze regels op één plek te houden.

Randgevallen Faker zal je niet geven

Faker produceert typische waarden. Bugs leven in atypische bugs, dus houd een handgeschreven lijst bij en meng deze erin:

edge_names = ["", " ", "O'Brien", "Zoë", "李小龙", "a" * 255,
              "Robert'); DROP TABLE students;--", "  padded  "]

Lege waarden en waarden met alleen witruimte, apostrofs, accenten, niet-Latijnse scripts, maximale lengtes en tekenreeksen die lijken op validatie van codevangsten, escapes en weergavefouten. Grenswaardeanalyse vertelt je welke numerieke limieten je moet toevoegen, en op eigenschappen gebaseerde tests genereren automatisch lastige invoer.

Tip: Faker gebruikt de standaardmodule random van Python, die qua ontwerp voorspelbaar is, vooral wanneer deze is geplaatst. Gebruik het nooit om echte wachtwoorden, API-sleutels, tokens of eenmalige codes te genereren. Gebruik de module secrets voor alles wat met beveiliging te maken heeft.

Maskeren van productiegegevens

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)

Soms zijn realistische distributies van belang, bijvoorbeeld voor prestatietests of analyses. Vervolgens kopiëren teams de productie en maskeren deze. Consistente maskering, waarbij dezelfde invoer altijd wordt toegewezen aan dezelfde nepwaarde, zorgt ervoor dat joins tussen tabellen blijven werken. Maar maskeren is moeilijker dan het lijkt: vrije-tekstaantekeningen, adressen in opmerkingen en combinaties van onschadelijke velden kunnen nog steeds mensen identificeren. Een eenvoudige hash van een e-mail kan ook worden teruggedraaid door algemene adressen te raden, tenzij er een geheime sleutel wordt toegevoegd. Betrek uw beveiligings- of privacyteam erbij en geef de voorkeur aan gegenereerde gegevens wanneer deze goed genoeg zijn.

Snelheid en volume

10,000 name + email rows: 1.79s

Faker is prima voor duizenden records, maar vertraagt bij miljoenen. Voor grote prestatiegegevenssets kunt u het bestand één keer genereren en opnieuw gebruiken, snellere bibliotheken zoals Mimesis gebruiken, binnen de database genereren met SQL, of bulksgewijs laden met de importtools van de database. Richtlijnen voor belastingtests vindt u in onze gids voor belasting versus stresstests.

Gebruik het in tests

# 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()}
    ...

Een geplaatste armatuur geeft elke test voorspelbare gegevens, en seed_instance zorgt ervoor dat tests elkaar niet beïnvloeden via een gedeelde mondiale kiem. pytest levert ook een Faker-plug-in met Faker zelf, die een faker-fixture biedt. Bekijk onze pytest-armaturengids voor de scopes en het opruimen van de armaturen.

Beste praktijken

  • Gebruik nooit echte persoonlijke gegevens in testomgevingen zonder goedgekeurde maskering.
  • Zaadgeneratoren en log het zaad voor elke run.
  • Genereer de minimale gegevens die elke test nodig heeft, gecreëerd door de test zelf.
  • Houd bedrijfsregels in fabrieken aan, zodat de gegevens altijd geldig zijn.
  • Voeg een bijgehouden lijst met randgevallen toe.
  • Ruim de gegenereerde gegevens op of voer elke test uit in een teruggedraaide transactie.

Testgegevens voor elk testniveau

Testniveau Goede gegevensbron Waarom
Eenheidstests Handgeschreven waarden plus een paar randgevallen Exact, leesbaar, snel
Integratie- en API-tests Gezaaide fabrieken met behulp van Faker Realistisch en herhaalbaar, gemaakt per test
End-to-end-testen Een kleine, bekende basisgegevensset plus gegevens die elke test creëert Stabiel startpunt voor gebruikerstrajecten
Prestatietests Grote gegenereerde of gemaskeerde datasets Realistisch volume en distributie
Verkennende testen Gevarieerde, rommelige gegenereerde gegevens op verschillende locaties Brengt onverwacht gedrag aan het licht

Door de gegevensbron af te stemmen op het testniveau blijven snelle tests eenvoudig en langzame tests realistisch. Lagere niveaus vereisen precisie; hogere niveaus hebben variatie en volume nodig. In de testpiramide wordt uitgelegd hoe deze niveaus in elkaar passen.

Wat het niveau ook is, zorg ervoor dat elke test verantwoordelijk is voor de gegevens waarvan hij afhankelijk is. Een test die stilletjes vertrouwt op een record dat door een andere test is gemaakt, of die is overgebleven van vorige week, zal uiteindelijk mislukken om redenen die niets te maken hebben met de te testen code.

Tot slot

Faker verandert testgegevens van een klusje in een paar regels code: realistische namen, e-mails en adressen in vele talen, herhaalbaar met een zaadje en veilig omdat niets echt is. Het produceert echter typische gegevens, dus voeg daar uw eigen edge cases en bedrijfsregels aan toe, houd het weg van beveiligingswaarden en geef, waar mogelijk, de voorkeur aan gegenereerde gegevens boven kopieën van productie.

Veelgestelde vragen

Wat is het genereren van testgegevens?

Het creëren van kunstmatige maar realistische testgegevens, zodat tests de variatie en het volume hebben dat ze nodig hebben zonder echte klantinformatie te gebruiken.

Hoe krijg ik bij elke run dezelfde Faker-gegevens?

Seed het met Faker.seed(n) of fake.seed_instance(n). Met hetzelfde zaad en dezelfde versie produceert het dezelfde waarden.

Hoe voorkom ik dubbele waarden met Faker?

Gebruik de unieke proxy, zoals in fake.unique.email(). Het verhoogt UniquenessException wanneer er geen nieuwe waarden meer over zijn, en u kunt het opnieuw instellen met fake.unique.clear().

Is Faker veilig voor wachtwoorden of tokens?

Nee. Faker gebruikt voorspelbare pseudo-willekeurige getallen. Gebruik de geheimenmodule van Python voor elke beveiligingsgevoelige waarde.

Moet ik productiegegevens gebruiken voor testen?

Vermijd het waar mogelijk. Als realistische distributies essentieel zijn, gebruik dan correct gemaskeerde kopieën die zijn goedgekeurd door uw privacy- of beveiligingsteam.

Blijf leren

Werk met Stack Quora

Hulp nodig met testen, WordPress of SEO?

We helpen teams betere software te leveren en hun sites te laten groeien. Vertel ons waar u mee bezig bent en wij stellen een duidelijke volgende stap voor.

Blijf lezen

Meer handleidingen over testen, AI en moderne ontwikkeling

Genoten van dit artikel? Kies een onderwerp en ga direct naar onze nieuwste tutorials.

Kunstmatige intelligentie

RAG-chunkingstrategieën uitgelegd: vast, overlap, zin, recursief en koppen, gemeten

RAG-chunkingstrategieën vergeleken op één document met tiktoken 0.14: vaste grootte, overlap, zinsverpakking, recursieve splitsing en op kop gebasee…

Lees artikel →
Softwareontwikkeling

API-identiteit uitgelegd: Idempotentiesleutels en veilige nieuwe pogingen, getest

API-idempotentie uitgelegd met een Python-server en -client die we hebben uitgevoerd: een verloren reactie veroorzaakte een dubbele afschrijving zon…

Lees artikel →
DevOps

Git Stash uitgelegd: bestanden opslaan, toepassen, pop-uppen en niet-bijgehouden, getest

Git stash uitgelegd met commando's die we uitvoerden op Git 2.56: push met een bericht, niet-bijgehouden bestanden, lijst en show, apply vs pop, beh…

Lees artikel →
Softwaretesten

Paarsgewijze testen uitgelegd: hoe All-Pairs 216 tests terugbrengt naar 13, getest

Paarsgewijs testen uitgelegd met een generator die we in Python 3.13 draaiden: een checkout met 216 combinaties gedekt door 13 tests, geverifieerde …

Lees artikel →
Testautomatisering

Testdubbels uitgelegd: Dummy, Stub, Spy, Mock en Fake, met geteste Python-code

Testdubbels uitgelegd met één Python-voorbeeld uitgevoerd in pytest 9.2: dummy, stub, spion, mock en fake, wanneer je ze moet gebruiken, status- ver…

Lees artikel →
Databases & SQL

SQL COALESCE uitgelegd: standaardwaarden, NULLIF, IFNULL versus ISNULL en traps, getest

SQL COALESCE uitgelegd met query's die we in SQLite 3.50 uitvoerden: eerste niet-null-waarden, lege tekenreeksen, NULL in wiskunde, NULLIF voor dele…

Lees artikel →
Databases & SQL

SQL Self Join uitgelegd: medewerker-manager, paren- en rijvergelijkingen, getest

SQL self-join uitgelegd met vragen die we in SQLite 3.50 uitvoerden: werknemer en manager, meer verdienen dan de manager, unieke paren, dagelijkse v…

Lees artikel →
Softwareontwikkeling

JavaScript Spread Operator uitgelegd: Spread versus rest, kopieën en valkuilen, getest

De JavaScript-spreadoperator legde uit met code die we op knooppunt 24 uitvoerden: arrays, objecten, ondiepe kopieën, restparameters, de Math.max-li…

Lees artikel →
Softwareontwikkeling

Python Collections-module uitgelegd: Counter, defaultdict, deque en meer, getest

Python-collecties uitgelegd met code die we draaiden op Python 3.13: Counter, defaultdict, deque, genaamdtuple, OrderedDict en ChainMap, plus een li…

Lees artikel →
Kunstmatige intelligentie

LLM-contextvenster uitgelegd: tokens, limieten en hoe u meer kunt passen, gemeten

Het LLM-contextvenster uitgelegd met tokenaantallen die we hebben gemeten met tiktoken: woorden versus tokens voor proza, code en Hindi, input- en o…

Lees artikel →
Softwareontwikkeling

Webhooks uitgelegd: hoe ze werken en hoe u ze veilig kunt ontvangen

Webhooks uitgelegd met een ontvanger en afzender die we in Python draaiden: push versus polling, HMAC-SHA256-handtekeningen, het weigeren van geknoe…

Lees artikel →
DevOps

Git Cherry-Pick uitgelegd: kopieer de commit die je nodig hebt, veilig, getest

Git cherry-pick uitgelegd met commando's die we in Git 2.56 uitvoerden: een hotfix kopiëren naar een release branch, nieuwe hashes en patch-ids, -x,…

Lees artikel →
Testautomatisering

Momentopnametesten uitgelegd: hoe het werkt, wanneer het helpt en wanneer het pijn doet

Snapshot-testen uitgelegd met een pytest- en stroperige demo die we hebben uitgevoerd: snapshots maken, de diff lezen na een codewijziging, tijdstem…

Lees artikel →
Softwaretesten

Mutatietesten uitgelegd: waarom 100% dekking onze bug nog steeds heeft gemist

Mutatietesten uitgelegd met een kleine mutatietool die we hebben gebouwd en uitgevoerd: 14 mutanten, een testsuite met 100% lijndekking die 79% scoo…

Lees artikel →
Kunstmatige intelligentie

Snelle injectie uitgelegd: hoe AI-apps worden misleid en hoe u ze kunt verdedigen

Snelle injectie uitgelegd voor bouwers: directe en indirecte aanvallen, waarom zoekwoordfilters falen (onze test blokkeerde 1 van de 4) en gelaagde …

Lees artikel →
DevOps

DNS-records uitgelegd: A, AAAA, CNAME, MX, TXT en TTL met echte zoekopdrachten

DNS-records uitgelegd met zoekopdrachten die we hebben uitgevoerd: hoe resolutie werkt, A en AAAA, CNAME-regels, MX en null MX, TXT voor SPF en veri…

Lees artikel →
DevOps

Functievlaggen uitgelegd: veilige releases, geleidelijke implementatie en vlaghygiëne

Functievlaggen uitgelegd aan de hand van een uitrolsimulatie die we hebben uitgevoerd: vlagtypen, percentage-uitrol met stabiele hashing, kill-schak…

Lees artikel →
Testautomatisering

Test het genereren van gegevens met Python Faker: realistische, herhaalbare en veilige gegevens

Test het genereren van gegevens met Python Faker, voer het uit en meet het: seeden voor herhaalbare gegevens, landinstellingen, unieke waarden, dome…

Lees artikel →
Softwaretesten

Shift-Left-testen uitgelegd: vind bugs eerder zonder het team te vertragen

Shift-left-testen uitgelegd: wat het betekent, waarom vroege defecten goedkoper zijn, praktijken van vereistenbeoordelingen tot CI-controles, de ver…

Lees artikel →
Databases & SQL

SQL String-functies uitgelegd: TRIM, SUBSTR, REPLACE, CONCAT en gegevensopschoning

SQL-tekenreeksfuncties uitgelegd met query's die we hebben uitgevoerd: concatenatie en NULL, TRIM, UPPER en LOWER, SUBSTR en INSTR, REPLACE, opvulli…

Lees artikel →
Databases & SQL

SQL-triggers uitgelegd: VOOR en NA triggers, auditlogboeken en valkuilen

SQL-triggers uitgelegd met triggers die we hebben uitgevoerd: VOOR versus NA, OUD en NIEUW, auditlogboeken, validatie, voorraadupdates, WANNEER-voor…

Lees artikel →
Softwareontwikkeling

Python JSON-module uitgelegd: dumps, ladingen, aangepaste typen en veelvoorkomende fouten

De Python JSON-module uitgelegd met code die we hebben uitgevoerd: dumps en laadt, bestanden, typeconversies, datums en decimalen, aangepaste encode…

Lees artikel →
Softwareontwikkeling

ES-modules versus CommonJS: hoe JavaScript-import werkt in Node.js, getest

ES-modules versus CommonJS uitgelegd met code die we in Node.js hebben uitgevoerd: syntaxis importeren en exporteren, vereisen, live bindingen, cach…

Lees artikel →
Softwareontwikkeling

Python Regex uitgelegd: patronen, groepen, vooruitblik en valkuilen, getest

Python-regex uitgelegd met patronen die we hebben uitgevoerd: zoeken versus match, findall, groepen en benoemde groepen, hebzuchtig versus lui, sub,…

Lees artikel →
Kunstmatige intelligentie

LLM Gestructureerde uitvoer uitgelegd: betrouwbare JSON verkrijgen uit AI-modellen

Gestructureerde LLM-uitvoer uitgelegd met validatie die we in Pydantic hebben uitgevoerd: JSON-modus en -schema's, beperkte decodering, de manieren …

Lees artikel →
DevOps

SSH-sleutels uitgelegd: hoe ze werken, ssh-keygen, Ed25519 en veilige gewoonten

SSH-sleutels uitgelegd met sleutels die we hebben gegenereerd: openbare versus privésleutels, ssh-keygen, Ed25519 versus RSA, vingerafdrukken, wacht…

Lees artikel →
DevOps

HTTP-caching uitgelegd: cachecontrole, ETag en 304 reacties, met een live test

HTTP-caching uitgelegd met een kleine server die we draaiden: Cache-Control-richtlijnen, max-age, no-cache vs no-store, ETag-hervalidatie en 304-rea…

Lees artikel →
Testautomatisering

API-contracttesten uitgelegd: ontdek belangrijke wijzigingen voordat ze worden verzonden

Het testen van API-contracten uitgelegd met een schemacontrole die we hebben uitgevoerd: wat een contract is, consumentgestuurde contracten, Pact, O…

Lees artikel →
Softwaretesten

Risicogebaseerd testen uitgelegd: scoor risico's, bouw een matrix en test wat belangrijk is

Risicogebaseerd testen stap voor stap uitgelegd: risico's identificeren, waarschijnlijkheid en impact scoren, een risicomatrix opbouwen, risico's in…

Lees artikel →
Databases & SQL

SQL-beperkingen uitgelegd: NIET NULL, UNIEK, CHECK en FOREIGN KEY, getest

SQL-beperkingen uitgelegd met tests die we hebben uitgevoerd: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY en FOREIGN KEY, de NULL-mazen in de wet, de …

Lees artikel →
Databases & SQL

SQL-datumfuncties uitgelegd: datums toevoegen, vergelijken en groeperen zonder bugs

SQL-datumfuncties uitgelegd met query's die we hebben uitgevoerd: intervallen toevoegen, verrassingen aan het einde van de maand, datumverschillen, …

Lees artikel →
Softwareontwikkeling

Python asyncio uitgelegd: async, wachten, verzamelen en TaskGroup met echte timing

Python asyncio uitgelegd met code die we hebben getimed: coroutines, wachten, verzamelen, TaskGroup, foutafhandeling, time-outs, het beperken van ge…

Lees artikel →
Softwareontwikkeling

Debounce versus Throttle in JavaScript: hoe ze werken, wanneer ze moeten worden gebruikt, getest

Debounce versus gas geven in JavaScript uitgelegd met timings die we hebben gemeten in Node.js: hoe elk werkt, eenvoudige implementaties, leidende e…

Lees artikel →
Softwareontwikkeling

Python-contextmanagers uitgelegd: de with-verklaring, contextlib en echt gebruik

Python-contextmanagers uitgelegd met code die we hebben uitgevoerd: hoe met werken, __enter__ en __exit__, contextlib.contextmanager, suppress, Exit…

Lees artikel →
Kunstmatige intelligentie

LLM Temperatuur en Top-p uitgelegd: hoe AI-modellen hun volgende woord kiezen

LLM-temperatuur en top-p uitgelegd met een simulatie die we hebben uitgevoerd: hoe kansen worden hervormd, wat top-p behoudt, aanbevolen instellinge…

Lees artikel →
DevOps

YAML uitgelegd: syntaxis, het Noorwegen-probleem en andere valkuilen die we hebben getest

YAML legde uit met een parsertest: basissyntaxis, lijsten en kaarten, het Noorwegen-probleem, versies die in floats veranderen, octale postcodes, se…

Lees artikel →
DevOps

Cron Jobs uitgelegd: syntaxis, echte schema's en de fouten die deze breken

Cron-taken uitgelegd met schema's die we hebben geverifieerd: de vijf velden, operators, echte voorbeelden, de dag-van-maand OF dag-van-week-valkuil…

Lees artikel →
Kunstmatige intelligentie

AI-hallucinaties uitgelegd: waarom taalmodellen dingen verzinnen en hoe ze te verminderen

AI-hallucinaties uitgelegd: wat ze zijn, waarom taalmodellen ze produceren, veelvoorkomende typen, hoe je ze kunt verminderen met aarding en aanwijz…

Lees artikel →
DevOps

Omgevingsvariabelen uitgelegd: .env-bestanden, geheimen en configuratie goed gedaan

Omgevingsvariabelen uitgelegd met Python-voorbeelden die we hebben uitgevoerd: ze lezen en instellen, waarom elke waarde een string is, .env-bestand…

Lees artikel →
Softwareontwikkeling

API-snelheidsbeperking uitgelegd: algoritmen, headers en afhandeling van 429-fouten

API-snelheidsbeperking uitgelegd met een simulatie die we hebben uitgevoerd: token-bucket, vast venster, schuifvenster, 429 reacties, headers van sn…

Lees artikel →
Testautomatisering

Spotten in Python: unittest.mock, patch en de fouten die tests doen liegen

Spotten in Python met unittest.mock, getest: Mock en return_value, side_effect, patchen waar een naam wordt gebruikt, spec en autospec, spotdatums e…

Lees artikel →
Softwaretesten

Codedekking uitgelegd: lijn versus filiaaldekking en wat 100% werkelijk betekent

Codedekking uitgelegd met een echte dekking.py-run: dekking van lijnen, vertakkingen en condities, een rapport lezen, waarom 100% dekking nog steeds…

Lees artikel →
Databases & SQL

DELETE versus TRUNCATE versus DROP in SQL: verschillen, terugdraaien en wanneer elk te gebruiken

DELETE versus TRUNCATE versus DROP uitgelegd met geteste SQL: wat elk verwijdert, terugdraaien, triggers, identiteitsreset, snelheid en hoe PostgreS…

Lees artikel →
Databases & SQL

SQL-weergaven uitgelegd: creëer, gebruik en vermijd de valkuilen, met voorbeelden

SQL-weergaven uitgelegd met query's die we hebben uitgevoerd: een weergave maken, live resultaten, kolommen verbergen, prestaties, bijwerkbare en ge…

Lees artikel →
Softwareontwikkeling

TypeScript-interface versus type: echte verschillen, getest met de compiler

TypeScript-interface versus type, gecontroleerd met de echte compiler: wat beide kunnen doen, wat slechts één kan doen, samenvoegen van declaraties,…

Lees artikel →
Softwareontwikkeling

Python *args en **kwargs uitgelegd: flexibele functies met duidelijke voorbeelden

Python *args en **kwargs uitgelegd met code die we hebben uitgevoerd: in- en uitpakken, parametervolgorde, argumenten die alleen trefwoorden en posi…

Lees artikel →
Softwareontwikkeling

Python Lambda-functies: syntaxis, echt gebruik en wanneer u ze niet moet gebruiken

Python lambda-functies uitgelegd met code die we hebben uitgevoerd: syntaxis, sorteren met sleutel, kaart en filter, sluitingen, de laat-bindende va…

Lees artikel →
Kunstmatige intelligentie

Wat zijn AI-agenten? Hoe ze werken, met een eenvoudige agentloop die u kunt uitvoeren

Wat zijn AI-agenten? Een duidelijke gids voor de agentenlus, tools, geheugen en vangrails, met een kleine Python-lus die we hebben uitgevoerd, echte…

Lees artikel →
DevOps

Monitoring versus waarneembaarheid: het echte verschil, met logboeken, statistieken en sporen

Monitoring versus waarneembaarheid uitgelegd: bekende en onbekende fouten, logboeken, statistieken en sporen, een walkthrough voor afrekenincidenten…

Lees artikel →
DevOps

Docker-volumes versus bindingsmounts: bewaar containergegevens op de juiste manier

Docker-volumes versus bind-mounts uitgelegd: waarom containergegevens verdwijnen, benoemde volumes, bind-mounts, tmpfs, Compose-voorbeelden, back-up…

Lees artikel →
Testautomatisering

TDD versus BDD: belangrijkste verschillen, één functie die op beide manieren is gebouwd en wanneer deze moet worden gebruikt

TDD versus BDD uitgelegd met één kortingsfunctie die in beide richtingen is gebouwd: rood-groen-refactor met code die we hebben uitgevoerd, gegeven-…

Lees artikel →
Softwaretesten

Gebruikersacceptatietesten (UAT): proces, checklist en echte voorbeelden

Gebruikersacceptatietesten uitgelegd: wie voert het uit, hoe het verschilt van QA, een proces in zeven stappen, een UAT-testcase-sjabloon, een check…

Lees artikel →
Databases & SQL

SQL NULL-waarden uitgelegd: IS NULL, COALESCE, NULLIF en de te vermijden vallen

SQL NULL-waarden uitgelegd met query's die we hebben uitgevoerd: logica met drie waarden, IS NULL, COALESCE, NULLIF, hoe aggregaten, joins en sorter…

Lees artikel →
Databases & SQL

SQL CASE WHEN-instructie: syntaxis, echte voorbeelden en veelvoorkomende fouten

SQL CASE WHEN uitgelegd met vragen die we hebben uitgevoerd: eenvoudige en doorzochte formulieren, volgorde van de voorwaarden, draaipunten met SUM,…

Lees artikel →
Softwareontwikkeling

Wat is JWT? JSON-webtokens uitgelegd met een werkend voorbeeld

Wat is JWT? JSON Web Tokens uitgelegd: de drie delen, een token gebouwd en waarmee is geknoeid in de code die we hebben uitgevoerd, JWT versus sessi…

Lees artikel →
Softwareontwikkeling

JavaScript-gebeurtenislus uitgelegd: call-stack, microtaken en timers met voorbeelden

De JavaScript-gebeurtenislus uitgelegd met code die we hebben uitgevoerd: call-stack, taak- en microtask-wachtrijen, waarom setTimeout 0 niet onmidd…

Lees artikel →
Softwareontwikkeling

Python-generatoren en opbrengst uitgelegd: bespaar geheugen met echte voorbeelden

Python-generatoren en opbrengst uitgelegd met code die we hebben uitgevoerd: hoe ze pauzeren en hervatten, gemeten geheugenbesparingen, pijplijnen, …

Lees artikel →
Kunstmatige intelligentie

Wat zijn inbeddingen? Vectoren en cosinusovereenkomst eenvoudig uitgelegd

Wat zijn insluitingen? Een gids in duidelijke taal over vectoren, cosinusovereenkomst en semantisch zoeken, met een klein voorbeeld dat we hebben ui…

Lees artikel →
DevOps

Implementatie van blauwgroen versus kanarie: verschillen, afwegingen en hoe te kiezen

Blauw-groen versus kanarie-implementatie uitgelegd: hoe elk werkt, kosten, risico's en terugdraaien, stabiele gebruikersbucket die we hebben getest,…

Lees artikel →
Testautomatisering

Schilferige tests: wat de oorzaak ervan is en hoe u ze voorgoed kunt oplossen

Zwakke tests uitgelegd met demo's die we hebben uitgevoerd: de belangrijkste oorzaken, hoe je er een kunt bevestigen en diagnosticeren, goede oploss…

Lees artikel →
Softwaretesten

Belastingtesten versus stresstesten: verschillen, statistieken en k6-voorbeelden

Belastingtesten versus stresstesten uitgelegd: wat elk bewijst, piek- en soak-tests, de statistieken die er toe doen, waarom gemiddelden misleiden, …

Lees artikel →
Softwaretesten

Testcase versus testscenario: belangrijkste verschillen, voorbeelden en wanneer deze te gebruiken

Testcase versus testscenario uitgelegd: duidelijke definities, een tabel naast elkaar, één functie voor het opnieuw instellen van wachtwoorden, over…

Lees artikel →
Databases & SQL

Optimalisatie van SQL-query's: lees uitvoeringsplannen en repareer langzame query's, met timing

Optimalisatie van SQL-query's getest op een miljoen rijen: lees uitvoeringsplannen, voeg de juiste indexen toe, repareer niet-sargeerbare filters, g…

Lees artikel →
Databases & SQL

SQL UNION versus UNION ALL: verschillen, voorbeelden en geteste prestaties

SQL UNION versus UNION ALL uitgelegd met de query's die we hebben uitgevoerd: duplicaten, de regels volgen beide, een echte databug, gemeten prestat…

Lees artikel →
Softwareontwikkeling

JavaScript Fetch API-tutorial: GET, POST, foutafhandeling en time-outs

Een JavaScript Fetch API-tutorial getest tegen een lokale server: GET en POST, waarom 404 niet gooit, een herbruikbare helper, queryreeksen, time-ou…

Lees artikel →
Softwareontwikkeling

Python-bestandsverwerking: lezen, schrijven, CSV, JSON en pathlib met voorbeelden

Het verwerken van Python-bestanden uitgelegd met code die we hebben uitgevoerd: open modi, met het lezen van grote bestanden, CSV, JSON, pathlib, bi…

Lees artikel →
Softwareontwikkeling

Python-klassen en -objecten: OOP-zelfstudie met echte voorbeelden

Python-klassen en -objecten uitgelegd met code die we hebben uitgevoerd: __init__, methoden, klasse versus instantie-attributen, overerving, eigensc…

Lees artikel →
Kunstmatige intelligentie

Wat is een groot taalmodel? Hoe LLM's werken, uitgelegd zonder de hype

Wat is een groot taalmodel? LLM's uitgelegd in duidelijke taal: tokens, inbedding, aandacht, training, temperatuur- en contextvensters, een kleine d…

Lees artikel →
DevOps

Linux-opdrachten voor beginners: de essentiële terminalgids met voorbeelden

Linux-opdrachten voor beginners, gegroepeerd op taak: navigatie, bestanden, logboeken bekijken, grep, pipelines, machtigingen, processen en archieve…

Lees artikel →
Testautomatisering

Selenium versus toneelschrijver: belangrijkste verschillen, code vergeleken en welke te kiezen

Selenium versus Playwright vergeleken: architectuur, wachten, browser- en taalondersteuning, debuggen, dezelfde test in beide tools, migratieadvies …

Lees artikel →
Softwaretesten

Equivalentiepartitionering: testontwerptechniek uitgelegd met uitgewerkte voorbeelden

Equivalentiepartitionering uitgelegd: hoe je geldige en ongeldige partities kunt vinden, uitgewerkte voorbeelden voor leeftijden, wachtwoorden en ko…

Lees artikel →
Softwaretesten

Ernst versus prioriteit bij het testen van software: verschillen, matrix en echte voorbeelden

Ernst versus prioriteit bij het testen van software uitgelegd: duidelijke definities, een vierwegmatrix met voorbeelden, niveauschalen, wie deze bep…

Lees artikel →
Databases & SQL

Tutorial voor SQL-subquery's: typen, gecorreleerde subquery's en BESTAAN met voorbeelden

Een SQL-subquery-tutorial met query's die we hebben uitgevoerd: scalaire, IN-, FROM- en SELECT-subquery's, gecorreleerde subquery's, EXISTS, de NOT …

Lees artikel →
Databases & SQL

SQL-transacties en ACID uitgelegd: COMMIT-, ROLLBACK- en isolatieniveaus

SQL-transacties en ACID uitgelegd met een bankoverschrijving die we hebben uitgevoerd: COMMIT, ROLLBACK, savepoints, locks, isolatieniveaus, dirty r…

Lees artikel →
Softwareontwikkeling

Git Commands Cheat Sheet: de commando's die je daadwerkelijk gebruikt, met voorbeelden

Een spiekbriefje voor Git-opdrachten, gegroepeerd op taak: setup, staging, branches, remotes, stash, geschiedenis en fouten ongedaan maken, met uitv…

Lees artikel →
Softwareontwikkeling

JavaScript-beloften uitgelegd: vervolgens catch, Promise.all en veelvoorkomende fouten

JavaScript-beloften uitgelegd met code die we hebben uitgevoerd: staten, dan en catch-ketens, foutafhandeling, Promise.all, allSettled, race en wat …

Lees artikel →
Softwareontwikkeling

Zelfstudie Python-woordenboek: methoden, voorbeelden en veelvoorkomende patronen

Een Python-woordenboektutorial met code die we hebben uitgevoerd: dictaten, sleutelmethoden, samenvoeg-, begrips-, tel- en groeperingspatronen en ve…

Lees artikel →
Kunstmatige intelligentie

Wat is RAG? Retrieval-Augmented Generation uitgelegd met een werkend voorbeeld

Wat is RAG? Retrieval-augmented generatie stap voor stap uitgelegd: indexeren, chunken, insluiten, ophalen, een klein werkend Python-voorbeeld, eval…

Lees artikel →
DevOps

Terraform-zelfstudie voor beginners: infrastructuur als code van het eerste bestand tot modules

Een Terraform-tutorial voor beginners: begin zonder cloudaccount, leer init, plan en pas toe, vervolgens variabelen, outputs, status, modules en een…

Lees artikel →
DevOps

Docker versus Kubernetes: belangrijkste verschillen, hoe ze samenwerken en welke u nodig heeft

Docker vs Kubernetes legde uit: wat elk doet, dezelfde app draait met beide, Docker Compose en Swarm vergeleken, de dockershim veranderen en hoe je …

Lees artikel →
Testautomatisering

Pytest-tutorial voor beginners: armaturen, parametriseren en echte voorbeelden

Een pytest-tutorial voor beginners met tests die we hebben uitgevoerd op pytest 9.2: beweringen, armaturen, parametrize, conftest, markers, tmp_path…

Lees artikel →
Softwaretesten

Levenscyclus van softwaretests (STLC): 6 fasen, in- en uitgangscriteria, voorbeeld

De levenscyclus van softwaretesten uitgelegd: zes STLC-fasen met in- en uitstapcriteria, deliverables, een voorbeeld van een uitgewerkte inlogfuncti…

Lees artikel →
Softwareontwikkeling

Git merge vs rebase: verschillen, voorbeelden en wanneer je wat gebruikt

Git merge vs rebase uitgelegd met echte logoutput, een vergelijkingstabel, de gouden regel van rebase en een veilige teamwerkwijze.

Lees artikel →
Softwareontwikkeling

Python list comprehension: syntaxis, voorbeelden en wanneer je het vermijdt

Python list comprehension uitgelegd: syntaxis, filteren, if-else, geneste lussen, gemeten tijden en wanneer een gewone for-lus beter is.

Lees artikel →
Databases & SQL

SQL JOIN uitgelegd met voorbeelden (Inner, Left, Right, Full)

Begrijp SQL joins stap voor stap met voorbeeldtabellen en queries: INNER, LEFT, RIGHT, FULL, CROSS en SELF, plus veelgemaakte fouten en prestatietips.

Lees artikel →