Thử nghiệm tạo dữ liệu bằng Python Faker: Dữ liệu thực tế, có thể lặp lại và an toàn
Kiểm thử tốt cần dữ liệu tốt: đủ thực tế để tìm ra lỗi, đủ lặp lại để gỡ lỗi và không bao giờ sao chép từ khách hàng thực. Chúng tôi đã sử dụng thư viện Python Faker để tạo, chọn lọc, bản địa hóa và đo lường dữ liệu thử nghiệm và tìm thấy những chỗ thiếu sót.
- Việc tạo dữ liệu thử nghiệm tạo ra dữ liệu giả thực tế, do đó các thử nghiệm không phụ thuộc vào bản sao hồ sơ khách hàng thực.
- Seed trình tạo để mỗi lần kiểm tra giống nhau sẽ tạo ra cùng một dữ liệu.
- Faker tạo ra những giá trị điển hình, hợp lý; bạn phải tự thêm các trường hợp cạnh chẳng hạn như chuỗi trống, dấu nháy đơn và văn bản rất dài.
- Faker không ngẫu nhiên về mặt mật mã: không bao giờ sử dụng nó cho mật khẩu, mã thông báo hoặc bất kỳ thứ gì liên quan đến bảo mật.
Người thử nghiệm cần 500 khách hàng có đơn đặt hàng để kiểm tra màn hình báo cáo. Việc sao chép chúng từ quá trình sản xuất diễn ra nhanh chóng nhưng lại đưa tên thật, email và số điện thoại vào môi trường thử nghiệm, nhật ký và ảnh chụp màn hình, đây là rủi ro về quyền riêng tư và pháp lý. Việc nhập chúng bằng tay sẽ chậm và tạo ra “Người dùng thử nghiệm 1” thành “Người dùng thử nghiệm 500”, điều này ẩn giấu lỗi. Thử nghiệm việc tạo dữ liệu với một thư viện như Faker nằm ở giữa: thực tế, nhanh chóng và giả tạo.
Chúng tôi đã chạy mọi ví dụ với Faker 40.52 trên Python 3.13. Các giá trị bên dưới là từ quá trình chạy hạt giống của chúng tôi, vì vậy chúng có thể được tái tạo với cùng một phiên bản.
Tại sao dữ liệu thử nghiệm lại quan trọng
- Chủ nghĩa hiện thực tìm thấy các lỗi: tên dài, ký tự có dấu và các định dạng khác nhau phá mã mà “Người dùng thử nghiệm” không bao giờ chạm tới.
- Khả năng lặp lại cho phép gỡ lỗi: lỗi bạn không thể tái tạo là lỗi bạn không thể sửa.
- Sự cô lập giúp các bài kiểm tra trở nên đáng tin cậy: các bài kiểm tra chia sẻ và thay đổi cùng một bản ghi trở nên không ổn định.
- Quyền riêng tư là không thể thương lượng: dữ liệu cá nhân thực trong hệ thống kiểm tra thường vi phạm luật pháp và chính sách.
Các cách để lấy dữ liệu thử nghiệm
| Cách tiếp cận | Ưu điểm | Nhược điểm |
|---|---|---|
| Đồ đạc viết tay | Chính xác, dễ đọc, tuyệt vời cho các trường hợp biên | Chậm tạo về số lượng |
| Đã tạo (Faker và tương tự) | Nhanh chóng, thực tế, không có dữ liệu cá nhân | Bỏ lỡ các quy tắc kinh doanh và các trường hợp hiếm gặp |
| Bản sao sản xuất đeo mặt nạ | Phân phối thực tế và các mối quan hệ | Việc đắp mặt nạ phải kỹ lưỡng; vẫn nhạy cảm |
| Nền tảng dữ liệu tổng hợp | Bảo tồn số liệu thống kê và các mối quan hệ ở quy mô lớn | Chi phí và thiết lập |
Hầu hết các nhóm kết hợp chúng: các bản cố định viết tay nhỏ để kiểm tra chính xác, dữ liệu được tạo theo khối lượng và dữ liệu được che giấu cẩn thận chỉ khi cần phân phối thực tế.
Bắt đầu với Faker
pip install faker
from faker import Faker
fake = Faker("en_IN")
fake.name(), fake.email(), fake.city(), fake.phone_number()
Faker có các nhà cung cấp tên, địa chỉ, công ty, dữ liệu internet, ngày tháng, số, văn bản, tài chính, v.v., cùng với khả năng thêm của riêng bạn. Nó là Python thuần túy không có sự phụ thuộc vào hệ thống.
Seeding cho dữ liệu lặp lại
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
Với cùng một hạt giống, một trình tạo mới tạo ra cùng một tên. Tạo hạt giống cho mỗi bài kiểm tra hoặc phiên kiểm tra và ghi lại hạt giống để lỗi có thể được phát lại một cách chính xác. Lưu ý rằng các giá trị có thể thay đổi giữa các phiên bản Faker, vì vậy hãy ghim phiên bản đó vào yêu cầu của bạn nếu kiểm tra so sánh các giá trị được tạo chính xác. Tốt hơn hết, hãy viết các bài kiểm tra không phụ thuộc vào các giá trị giả cụ thể nào cả.
Cũng lưu ý rằng Faker đã sử dụng tên miền email example.net và example.org, được dành riêng cho tài liệu và thử nghiệm, vì vậy việc kiểm tra không bao giờ có thể vô tình gửi email cho người thật.
Ngôn ngữ
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
Các ngôn ngữ thay đổi tên, địa chỉ và định dạng cũng như một số tập lệnh chuyển đổi hoàn toàn. Họ có hai nòng bằng tiếng Đức, các ký tự tiếng Nhật và văn bản Devanagari chính xác là những thông tin đầu vào bộc lộ lỗi về độ dài trường, sắp xếp, tìm kiếm, tệp PDF và phông chữ. Nếu sản phẩm của bạn phục vụ nhiều khu vực, hãy tạo dữ liệu cho từng khu vực.
Giá trị duy nhất
emails = [f.unique.email() for _ in range(1000)]
len(set(emails)) # 1000
small.unique.random_int(1, 5) # called 6 times
# UniquenessException
Lệnh gọi Faker đơn giản có thể lặp lại các giá trị, điều này phá vỡ các thử nghiệm trên các cột có Ràng buộc ĐỘC ĐÁO ràng buộc. Proxy .unique đảm bảo không lặp lại; trong quá trình chạy của chúng tôi, 1.000 email đều khác biệt. Khi nhóm giá trị có thể cạn kiệt, chẳng hạn như khi yêu cầu sáu số duy nhất từ 1 đến 5, nó sẽ tăng UniquenessException thay vì lặp mãi mãi. Gọi fake.unique.clear() giữa các lần kiểm tra.
Xây dựng bản ghi tên miền
Faker tạo các trường; mã của bạn phải tôn trọng các quy tắc kinh doanh. Một chức năng nhà máy nhỏ kết hợp chúng:
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"}
Lưu ý rằng total được tính toán chứ không phải ngẫu nhiên nên bản ghi có tính nhất quán nội bộ. Các trường độc lập ngẫu nhiên tạo ra dữ liệu không thể xảy ra, chẳng hạn như ngày hoàn tiền trước ngày đặt hàng, điều này gây lãng phí thời gian để theo đuổi các lỗi không thể xảy ra. Các thư viện như Factory_boy và các công cụ dựa trên mô hình như chiến lược Giả thuyết được xây dựng từ lớp dữ liệu, giúp lưu giữ các quy tắc này ở một nơi.
Ốp Edge Faker sẽ không cung cấp cho bạn
Faker tạo ra những giá trị tiêu biểu. Lỗi tồn tại ở những loài không điển hình, vì vậy hãy giữ một danh sách viết tay và trộn nó vào:
edge_names = ["", " ", "O'Brien", "Zoë", "李小龙", "a" * 255,
"Robert'); DROP TABLE students;--", " padded "]
Các giá trị trống và chỉ có khoảng trắng, dấu nháy đơn, dấu trọng âm, tập lệnh không phải tiếng Latinh, độ dài tối đa và các chuỗi trông giống như xác thực bắt mã, thoát và hiển thị lỗi. Phân tích giá trị biên cho bạn biết giới hạn số nào cần thêm và thử nghiệm dựa trên thuộc tính tự động tạo ra các đầu vào khó xử.
Mẹo: Faker sử dụng mô-đun random tiêu chuẩn của Python, có thể dự đoán được theo thiết kế, đặc biệt là khi gieo hạt. Không bao giờ sử dụng nó để tạo mật khẩu thực, khóa API, mã thông báo hoặc mã một lần. Sử dụng mô-đun secrets cho mọi thứ liên quan đến bảo mật.
Dữ liệu sản xuất mặt nạ
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)
Đôi khi việc phân phối thực tế có ý nghĩa quan trọng, chẳng hạn như đối với các bài kiểm tra hoặc phân tích hiệu suất. Sau đó, các nhóm sao chép quá trình sản xuất và che giấu nó. Việc che giấu nhất quán, trong đó cùng một đầu vào luôn ánh xạ tới cùng một giá trị giả, giúp các phép nối giữa các bảng luôn hoạt động. Nhưng việc che giấu khó hơn vẻ ngoài của nó: ghi chú văn bản tự do, địa chỉ trong nhận xét và sự kết hợp của các trường vô hại vẫn có thể nhận dạng được mọi người. Một hàm băm đơn giản của một email cũng có thể được đảo ngược bằng cách đoán các địa chỉ phổ biến trừ khi khóa bí mật được thêm vào. Có sự tham gia của nhóm bảo mật hoặc quyền riêng tư của bạn và ưu tiên dữ liệu được tạo bất cứ khi nào nó đủ tốt.
Tốc độ và âm lượng
10,000 name + email rows: 1.79s
Faker có thể xử lý hàng nghìn bản ghi nhưng chậm lại ở mức hàng triệu. Đối với các tập dữ liệu hiệu suất lớn, hãy tạo một lần và sử dụng lại tệp, sử dụng các thư viện nhanh hơn như Mimesis, tạo bên trong cơ sở dữ liệu bằng SQL hoặc tải hàng loạt bằng các công cụ nhập của cơ sở dữ liệu. Hướng dẫn kiểm tra tải có trong hướng dẫn kiểm tra tải và mức độ căng thẳng của chúng tôi.
Sử dụng nó trong các bài kiểm tra
# 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()}
...
Cố định hạt giống cung cấp cho mọi thử nghiệm dữ liệu có thể dự đoán được và seed_instance giữ cho các thử nghiệm không ảnh hưởng lẫn nhau thông qua hạt giống chung được chia sẻ. pytest cũng cung cấp plugin Faker với chính Faker, cung cấp lịch thi đấu faker. Xem hướng dẫn về thiết bị cố định pytest của chúng tôi để biết phạm vi và cách dọn dẹp thiết bị cố định.
Các phương pháp hay nhất
- Không bao giờ sử dụng dữ liệu cá nhân thực trong môi trường thử nghiệm mà không có mặt nạ được phê duyệt.
- Máy tạo hạt giống và ghi nhật ký hạt giống cho mỗi lần chạy.
- Tạo dữ liệu tối thiểu mà mỗi bài kiểm tra cần, do chính bài kiểm tra tạo ra.
- Giữ các nội quy kinh doanh trong nhà máy để hồ sơ luôn có giá trị.
- Trộn vào danh sách các trường hợp biên được duy trì.
- Dọn sạch dữ liệu đã tạo hoặc chạy từng thử nghiệm trong một giao dịch được khôi phục.
Dữ liệu kiểm tra cho từng cấp độ kiểm tra
| cấp độ kiểm tra | Nguồn dữ liệu tốt | tại sao |
|---|---|---|
| Kiểm tra đơn vị | Các giá trị viết tay cộng với một số trường hợp đặc biệt | Chính xác, dễ đọc, nhanh chóng |
| Kiểm tra tích hợp và API | Các nhà máy hạt giống sử dụng Faker | Thực tế và có thể lặp lại, được tạo cho mỗi lần kiểm tra |
| Kiểm tra đầu cuối | Một tập dữ liệu cơ bản nhỏ, đã biết cùng với dữ liệu mà mỗi lần kiểm tra tạo ra | Điểm khởi đầu ổn định cho hành trình của người dùng |
| Kiểm tra hiệu suất | Bộ dữ liệu được tạo hoặc che giấu lớn | Khối lượng và phân phối thực tế |
| Thử nghiệm thăm dò | Dữ liệu được tạo ra đa dạng, lộn xộn trên các địa phương | Bề mặt hành vi bất ngờ |
Việc kết hợp nguồn dữ liệu với cấp độ kiểm tra giúp các bài kiểm tra nhanh trở nên đơn giản và các bài kiểm tra chậm trở nên thực tế. Cấp độ thấp hơn cần độ chính xác; cấp độ cao hơn cần sự đa dạng và khối lượng. Kim tự tháp kiểm tra giải thích cách các cấp độ này khớp với nhau.
Dù ở cấp độ nào, hãy yêu cầu mỗi bài kiểm tra chịu trách nhiệm về dữ liệu mà nó phụ thuộc vào. Một thử nghiệm âm thầm dựa vào bản ghi được tạo bởi một thử nghiệm khác hoặc còn sót lại từ tuần trước, cuối cùng sẽ thất bại vì những lý do không liên quan đến mã đang được thử nghiệm.
Lời kết
Faker biến dữ liệu thử nghiệm từ một công việc vặt thành một vài dòng mã: tên thực, email và địa chỉ bằng nhiều ngôn ngữ, có thể lặp lại bằng hạt giống và an toàn vì không có gì là thật. Tuy nhiên, nó tạo ra dữ liệu điển hình, vì vậy hãy thêm các trường hợp đặc biệt và quy tắc kinh doanh của riêng bạn lên trên, tránh xa các giá trị bảo mật và ưu tiên dữ liệu được tạo hơn các bản sao sản xuất bất cứ khi nào bạn có thể.
Câu hỏi thường gặp
Tạo dữ liệu thử nghiệm là gì?
Tạo dữ liệu nhân tạo nhưng thực tế để thử nghiệm, do đó, các thử nghiệm có sự đa dạng và khối lượng cần thiết mà không cần sử dụng thông tin khách hàng thực.
Làm cách nào để tôi nhận được cùng một dữ liệu Faker mỗi lần chạy?
Seed nó bằng Faker.seed(n) hoặc fake.seed_instance(n). Với cùng một hạt giống và phiên bản, nó tạo ra các giá trị giống nhau.
Làm cách nào để tránh các giá trị trùng lặp với Faker?
Sử dụng proxy duy nhất, như trong fake.unique.email(). Nó tăng Ngoại lệ duy nhất khi không còn giá trị mới nào và bạn có thể đặt lại nó bằng fake.unique.clear().
Faker có an toàn với mật khẩu hoặc token không?
Không. Faker sử dụng số giả ngẫu nhiên có thể dự đoán được. Sử dụng mô-đun bí mật của Python cho mọi giá trị nhạy cảm về bảo mật.
Tôi có nên sử dụng dữ liệu sản xuất để thử nghiệm không?
Tránh nó nếu có thể. Nếu việc phân phối thực tế là cần thiết, hãy sử dụng các bản sao được che dấu đúng cách đã được nhóm bảo mật hoặc quyền riêng tư của bạn phê duyệt.
Tiếp tục học hỏi
Cần trợ giúp về kiểm tra, WordPress hoặc SEO?
Chúng tôi giúp các nhóm phát triển phần mềm tốt hơn và phát triển trang web của họ. Hãy cho chúng tôi biết bạn đang làm gì và chúng tôi sẽ đề xuất bước tiếp theo rõ ràng.
Thêm hướng dẫn về thử nghiệm, AI và phát triển hiện đại
Bạn thích bài viết này? Chọn một chủ đề và chuyển ngay sang phần hướng dẫn mới nhất của chúng tôi.
Giải thích về chiến lược phân đoạn RAG: Cố định, chồng chéo, câu, đệ quy và tiêu đề, được đo lường
Các chiến lược phân đoạn RAG được so sánh trên một tài liệu với tiktoken 0.14: kích thước cố định, chồng chéo, đóng gói câu, phân tách đệ quy và phâ…
Đọc bài viết →Phát triển phần mềmGiải thích về tính tạm thời của API: Khóa tạm thời và các lần thử lại an toàn, đã được kiểm tra
Tính tạm thời của API được giải thích bằng máy chủ và máy khách Python mà chúng tôi đã chạy: phản hồi bị mất gây ra khoản phí gấp đôi mà không có kh…
Đọc bài viết →DevOpsGiải thích về Git Stash: Lưu, Áp dụng, Bật và Không theo dõi các tệp, đã được kiểm tra
Git stash được giải thích bằng các lệnh chúng tôi chạy trên Git 2.56: đẩy bằng tin nhắn, tệp không bị theo dõi, liệt kê và hiển thị, áp dụng so với …
Đọc bài viết →Kiểm thử phần mềmGiải thích về kiểm tra theo cặp: Cách tất cả các cặp cắt 216 bài kiểm tra xuống còn 13, đã được kiểm tra
Thử nghiệm theo cặp được giải thích bằng trình tạo mà chúng tôi đã chạy trong Python 3.13: một quá trình kiểm tra với 216 kết hợp được bao phủ bởi 1…
Đọc bài viết →Tự động hóa kiểm thửGiải thích về các thử nghiệm nhân đôi: Giả, Sơ khai, Gián điệp, Mock và Giả mạo, với Mã Python đã được thử nghiệm
Kiểm tra nhân đôi được giải thích bằng một ví dụ Python chạy trong pytest 9.2: giả, sơ khai, gián điệp, mô phỏng và giả mạo, khi nào nên sử dụng từn…
Đọc bài viết →Cơ sở dữ liệu & SQLGiải thích về SQL COALESCE: Mặc định, NULLIF, IFNULL so với ISNULL và Bẫy, đã kiểm tra
SQL COALESCE được giải thích bằng các truy vấn chúng tôi đã chạy trong SQLite 3.50: giá trị không null đầu tiên, chuỗi trống, NULL trong toán học, N…
Đọc bài viết →Cơ sở dữ liệu & SQLGiải thích về Tự tham gia SQL: Người quản lý nhân viên, So sánh cặp và hàng, đã được kiểm tra
Tính năng tự tham gia SQL được giải thích bằng các truy vấn chúng tôi đã chạy trong SQLite 3.50: nhân viên và người quản lý, kiếm được nhiều tiền hơ…
Đọc bài viết →Phát triển phần mềmGiải thích về toán tử lây lan JavaScript: Trải so với phần còn lại, Bản sao và vấn đề, đã được thử nghiệm
Toán tử trải rộng JavaScript được giải thích bằng mã chúng tôi chạy trên Nút 24: mảng, đối tượng, bản sao nông, tham số còn lại, giới hạn Math.max v…
Đọc bài viết →Phát triển phần mềmGiải thích về mô-đun Bộ sưu tập Python: Bộ đếm, defaultdict, deque và hơn thế nữa, đã được kiểm tra
Các bộ sưu tập Python được giải thích bằng mã chúng tôi chạy trên Python 3.13: Counter, defaultdict, deque, knowntuple, OrderedDict và ChainMap, cùn…
Đọc bài viết →Trí tuệ nhân tạoGiải thích về cửa sổ ngữ cảnh LLM: Mã thông báo, giới hạn và cách phù hợp hơn, được đo lường
Cửa sổ ngữ cảnh LLM được giải thích bằng số lượng mã thông báo mà chúng tôi đã đo bằng tiktoken: từ so với mã thông báo cho văn xuôi, mã và tiếng Hi…
Đọc bài viết →Phát triển phần mềmGiải thích về Webhooks: Cách chúng hoạt động và cách nhận chúng một cách an toàn
Webhooks đã giải thích với người nhận và người gửi mà chúng tôi đã chạy bằng Python: đẩy so với bỏ phiếu, chữ ký HMAC-SHA256, từ chối các yêu cầu bị…
Đọc bài viết →DevOpsGiải thích về Git Cherry-Pick: Sao chép cam kết bạn cần, một cách an toàn, đã được kiểm tra
Git Cherry-pick đã giải thích bằng các lệnh chúng tôi đã chạy trong Git 2.56: sao chép một hotfix vào một nhánh phát hành, các mã băm và id bản vá m…
Đọc bài viết →Tự động hóa kiểm thửGiải thích về thử nghiệm chụp nhanh: Cách thức hoạt động, khi nào nó giúp ích và khi nào nó gây tổn hại
Thử nghiệm ảnh chụp nhanh được giải thích bằng bản demo pytest và siro mà chúng tôi đã chạy: tạo ảnh chụp nhanh, đọc điểm khác biệt sau khi thay đổi…
Đọc bài viết →Kiểm thử phần mềmGiải thích về kiểm thử đột biến: Tại sao mức độ bao phủ 100% vẫn bỏ sót lỗi của chúng tôi
Thử nghiệm đột biến được giải thích bằng một công cụ đột biến nhỏ mà chúng tôi đã xây dựng và chạy: 14 đột biến, một bộ thử nghiệm có độ bao phủ dòn…
Đọc bài viết →Trí tuệ nhân tạoGiải thích về việc tiêm nhắc nhở: Cách các ứng dụng AI bị lừa và cách bảo vệ chúng
Giải thích về tính năng tiêm nhắc nhở dành cho người xây dựng: các cuộc tấn công trực tiếp và gián tiếp, lý do tại sao bộ lọc từ khóa không thành cô…
Đọc bài viết →DevOpsGiải thích về bản ghi DNS: A, AAAA, CNAME, MX, TXT và TTL với tra cứu thực
Bản ghi DNS được giải thích bằng các tra cứu mà chúng tôi đã chạy: cách thức hoạt động của độ phân giải, quy tắc A và AAAA, CNAME, MX và null MX, TX…
Đọc bài viết →DevOpsGiải thích về cờ tính năng: Phát hành an toàn, triển khai dần dần và vệ sinh cờ
Cờ tính năng được giải thích bằng mô phỏng triển khai mà chúng tôi đã chạy: loại cờ, triển khai phần trăm với hàm băm ổn định, khóa chuyển đổi, danh…
Đọc bài viết →Tự động hóa kiểm thửKiểm tra việc tạo dữ liệu với Python Faker: Dữ liệu thực tế, có thể lặp lại và an toàn
Kiểm tra việc tạo dữ liệu bằng Python Faker, chạy và đo lường: gieo hạt cho dữ liệu lặp lại, ngôn ngữ, giá trị duy nhất, bản ghi hình miền, trường h…
Đọc bài viết →Kiểm thử phần mềmGiải thích về kiểm tra Shift-Left: Tìm lỗi sớm hơn mà không làm chậm nhóm
Giải thích về thử nghiệm dịch chuyển sang trái: ý nghĩa của nó, tại sao các lỗi sớm lại rẻ hơn, các phương pháp thực hành từ đánh giá yêu cầu đến ki…
Đọc bài viết →Cơ sở dữ liệu & SQLGiải thích về các hàm chuỗi SQL: TRIM, SUBSTR, REPLACE, CONCAT và Data Cleanup
Các hàm chuỗi SQL được giải thích bằng các truy vấn mà chúng tôi đã chạy: nối và NULL, TRIM, UPPER và LOWER, SUBSTR và INSTR, REPLACE, phần đệm, độ …
Đọc bài viết →Cơ sở dữ liệu & SQLGiải thích về Trình kích hoạt SQL: TRƯỚC và SAU Trình kích hoạt, Nhật ký kiểm tra và cạm bẫy
Trình kích hoạt SQL được giải thích bằng các trình kích hoạt mà chúng tôi đã chạy: TRƯỚC so với SAU, CŨ và MỚI, nhật ký kiểm tra, xác thực, cập nhật…
Đọc bài viết →Phát triển phần mềmGiải thích về mô-đun JSON của Python: kết xuất, tải, loại tùy chỉnh và các lỗi phổ biến
Mô-đun Python JSON được giải thích bằng mã chúng tôi đã chạy: kết xuất và tải, tệp, chuyển đổi loại, ngày tháng và số thập phân, bộ mã hóa tùy chỉnh…
Đọc bài viết →Phát triển phần mềmMô-đun ES so với CommonJS: Cách nhập JavaScript hoạt động trong Node.js, đã được thử nghiệm
Các mô-đun ES và CommonJS được giải thích bằng mã chúng tôi chạy trong Node.js: cú pháp nhập và xuất, yêu cầu, liên kết trực tiếp, bộ nhớ đệm, chờ đ…
Đọc bài viết →Phát triển phần mềmGiải thích về Regex của Python: Các mẫu, Nhóm, Nhìn trước và Cạm bẫy, đã được thử nghiệm
Regex Python được giải thích bằng các mẫu mà chúng tôi đã chạy: tìm kiếm so với đối sánh, tìm tất cả, nhóm và nhóm được đặt tên, tham lam và lười bi…
Đọc bài viết →Trí tuệ nhân tạoGiải thích đầu ra có cấu trúc LLM: Nhận JSON đáng tin cậy từ các mô hình AI
Đầu ra có cấu trúc LLM được giải thích bằng quá trình xác thực mà chúng tôi đã chạy trong Pydantic: chế độ và lược đồ JSON, giải mã ràng buộc, cách …
Đọc bài viết →DevOpsGiải thích về Khóa SSH: Cách chúng hoạt động, ssh-keygen, Ed25519 và Thói quen an toàn
Khóa SSH được giải thích bằng các khóa chúng tôi đã tạo: khóa chung và khóa riêng, ssh-keygen, Ed25519 so với RSA, dấu vân tay, cụm mật khẩu, ssh-ag…
Đọc bài viết →DevOpsGiải thích về bộ nhớ đệm HTTP: Kiểm soát bộ đệm, ETag và phản hồi 304, bằng thử nghiệm trực tiếp
Bộ nhớ đệm HTTP được giải thích bằng một máy chủ nhỏ mà chúng tôi đã chạy: Chỉ thị Kiểm soát bộ đệm, tuổi tối đa, không có bộ đệm so với không lưu t…
Đọc bài viết →Tự động hóa kiểm thửGiải thích về kiểm tra hợp đồng API: Nắm bắt những thay đổi đột phá trước khi chúng xuất xưởng
Thử nghiệm hợp đồng API được giải thích bằng kiểm tra lược đồ mà chúng tôi đã chạy: hợp đồng là gì, hợp đồng hướng đến người tiêu dùng, Pact, OpenAP…
Đọc bài viết →Kiểm thử phần mềmGiải thích về thử nghiệm dựa trên rủi ro: Đánh giá rủi ro, xây dựng ma trận và kiểm tra những vấn đề quan trọng
Thử nghiệm dựa trên rủi ro được giải thích từng bước: xác định rủi ro, cho điểm khả năng và tác động, xây dựng ma trận rủi ro, ánh xạ rủi ro đến độ …
Đọc bài viết →Cơ sở dữ liệu & SQLGiải thích về các ràng buộc SQL: KHÔNG phải NULL, ĐỘC ĐÁO, KIỂM TRA và KHÓA NGOẠI TỆ, Đã được kiểm tra
Các ràng buộc SQL được giải thích bằng các thử nghiệm mà chúng tôi đã chạy: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY và FOREIGN KEY, các lỗ hổng NU…
Đọc bài viết →Cơ sở dữ liệu & SQLGiải thích về các hàm ngày trong SQL: Thêm, so sánh và nhóm các ngày mà không có lỗi
Các hàm ngày SQL được giải thích bằng các truy vấn chúng tôi đã chạy: thêm khoảng thời gian, bất ngờ cuối tháng, chênh lệch ngày, bẫy GIỮA, nhóm the…
Đọc bài viết →Phát triển phần mềmGiải thích về asyncio của Python: async, chờ đợi, thu thập và Nhóm tác vụ với thời gian thực
Python asyncio đã giải thích bằng mã mà chúng tôi đã tính thời gian: coroutines, chờ đợi, thu thập, Nhóm tác vụ, xử lý lỗi, hết thời gian chờ, hạn c…
Đọc bài viết →Phát triển phần mềmDebounce vs Throttle trong JavaScript: Cách chúng hoạt động, thời điểm sử dụng từng cái, đã được kiểm tra
Gỡ lỗi và điều tiết trong JavaScript được giải thích bằng thời gian chúng tôi đo được trong Node.js: cách mỗi hoạt động, cách triển khai đơn giản, l…
Đọc bài viết →Phát triển phần mềmGiải thích về Trình quản lý bối cảnh Python: Câu lệnh with, contextlib và Công dụng thực sự
Trình quản lý bối cảnh Python được giải thích bằng mã chúng tôi đã chạy: cách thức hoạt động, __enter__ và __exit__, contextlib.contextmanager, ngăn…
Đọc bài viết →Trí tuệ nhân tạoGiải thích về nhiệt độ LLM và Top-p: Cách các mô hình AI chọn từ tiếp theo của họ
Nhiệt độ LLM và top-p được giải thích bằng một mô phỏng mà chúng tôi đã chạy: xác suất được định hình lại như thế nào, top-p giữ những gì, cài đặt đ…
Đọc bài viết →DevOpsGiải thích về YAML: Cú pháp, Vấn đề ở Na Uy và các bẫy khác mà chúng tôi đã thử nghiệm
YAML đã giải thích bằng bài kiểm tra trình phân tích cú pháp: cú pháp cơ bản, danh sách và bản đồ, vấn đề ở Na Uy, các phiên bản chuyển thành số flo…
Đọc bài viết →DevOpsGiải thích về Cron Jobs: Cú pháp, lịch trình thực tế và những sai lầm khiến chúng gặp phải
Công việc định kỳ được giải thích bằng lịch trình mà chúng tôi đã xác minh: năm trường, toán tử, ví dụ thực tế, bẫy ngày trong tháng HOẶC ngày trong…
Đọc bài viết →Trí tuệ nhân tạoGiải thích về ảo giác AI: Tại sao các mô hình ngôn ngữ lại tạo nên mọi thứ và cách giảm thiểu nó
Ảo giác AI đã giải thích: chúng là gì, tại sao mô hình ngôn ngữ tạo ra chúng, các loại phổ biến, cách giảm thiểu chúng bằng cách căn cứ và nhắc nhở …
Đọc bài viết →DevOpsGiải thích về các biến môi trường: Tệp .env, bí mật và cấu hình được thực hiện đúng
Các biến môi trường được giải thích bằng các ví dụ Python mà chúng tôi đã chạy: đọc và thiết lập chúng, tại sao mọi giá trị đều là một chuỗi, tệp .e…
Đọc bài viết →Phát triển phần mềmGiải thích về giới hạn tỷ lệ API: Thuật toán, tiêu đề và xử lý lỗi 429
Giới hạn tốc độ API được giải thích bằng mô phỏng mà chúng tôi đã chạy: nhóm mã thông báo, cửa sổ cố định, cửa sổ trượt, 429 phản hồi, tiêu đề giới …
Đọc bài viết →Tự động hóa kiểm thửChế giễu bằng Python: unittest.mock, patch và những sai lầm khiến bài kiểm tra nói dối
Mô phỏng bằng Python với unittest.mock, đã được thử nghiệm: Mock và return_value, side_effect, vá lỗi nơi sử dụng tên, thông số kỹ thuật và thông số…
Đọc bài viết →Kiểm thử phần mềmGiải thích về phạm vi bảo hiểm của mã: Phạm vi tuyến so với chi nhánh và ý nghĩa thực sự 100%
Phạm vi bảo hiểm mã được giải thích bằng cách chạy phạm vi bảo hiểm thực tế: phạm vi bảo hiểm dòng, chi nhánh và điều kiện, đọc báo cáo, lý do tại s…
Đọc bài viết →Cơ sở dữ liệu & SQLDELETE vs TRUNCATE vs DROP trong SQL: Sự khác biệt, khôi phục và thời điểm sử dụng mỗi loại
DELETE vs TRUNCATE vs DROP được giải thích bằng SQL đã được thử nghiệm: mỗi loại loại bỏ, khôi phục, kích hoạt, đặt lại danh tính, tốc độ và Postgre…
Đọc bài viết →Cơ sở dữ liệu & SQLGiải thích về Chế độ xem SQL: Tạo, sử dụng và tránh những cạm bẫy, kèm theo ví dụ
Chế độ xem SQL được giải thích bằng các truy vấn chúng tôi đã chạy: tạo chế độ xem, kết quả trực tiếp, ẩn cột, hiệu suất, chế độ xem có thể cập nhật…
Đọc bài viết →Phát triển phần mềmGiao diện TypeScript so với loại: Sự khác biệt thực sự, được thử nghiệm bằng trình biên dịch
Giao diện TypeScript so với loại, được kiểm tra bằng trình biên dịch thực: cả hai có thể làm gì, chỉ một người có thể làm gì, hợp nhất khai báo, mở …
Đọc bài viết →Phát triển phần mềmGiải thích về Python *args và **kwargs: Hàm linh hoạt với ví dụ rõ ràng
Python *args và **kwargs được giải thích bằng mã chúng tôi đã chạy: đóng gói và giải nén, thứ tự tham số, đối số chỉ từ khóa và chỉ vị trí, trình tr…
Đọc bài viết →Phát triển phần mềmHàm Lambda của Python: Cú pháp, cách sử dụng thực tế và khi nào không nên sử dụng chúng
Các hàm lambda của Python được giải thích bằng mã chúng tôi đã chạy: cú pháp, sắp xếp bằng khóa, bản đồ và bộ lọc, các phần đóng, bẫy liên kết muộn …
Đọc bài viết →Trí tuệ nhân tạoĐại lý AI là gì? Cách chúng hoạt động, với vòng lặp tác nhân đơn giản, bạn có thể chạy
Tác nhân AI là gì? Hướng dẫn đơn giản về vòng lặp tác nhân, công cụ, bộ nhớ và lan can, với một vòng lặp Python nhỏ mà chúng tôi đã chạy, những rủi …
Đọc bài viết →DevOpsGiám sát và Khả năng quan sát: Sự khác biệt thực sự, với nhật ký, số liệu và dấu vết
Giải thích về giám sát và khả năng quan sát: lỗi đã biết và chưa biết, nhật ký, số liệu và dấu vết, hướng dẫn về sự cố thanh toán, tín hiệu vàng, Op…
Đọc bài viết →DevOpsDocker Volumes vs Bind Mounts: Duy trì dữ liệu vùng chứa đúng cách
Giải thích về khối lượng Docker và liên kết gắn kết: tại sao dữ liệu vùng chứa biến mất, khối lượng được đặt tên, liên kết gắn kết, tmpfs, ví dụ về …
Đọc bài viết →Tự động hóa kiểm thửTDD vs BDD: Key Differences, One Feature Built Both Ways and When to Use Each
TDD và BDD được giải thích bằng một tính năng giảm giá được xây dựng theo cả hai cách: tái cấu trúc màu đỏ-xanh với mã chúng tôi đã chạy, kịch bản C…
Đọc bài viết →Kiểm thử phần mềmKiểm tra chấp nhận của người dùng (UAT): Quy trình, danh sách kiểm tra và ví dụ thực tế
Giải thích về thử nghiệm chấp nhận của người dùng: ai chạy nó, nó khác với QA như thế nào, quy trình bảy bước, mẫu trường hợp thử nghiệm UAT, danh s…
Đọc bài viết →Cơ sở dữ liệu & SQLGiải thích về các giá trị NULL của SQL: IS NULL, COALESCE, NULLIF và những cái bẫy cần tránh
Các giá trị SQL NULL được giải thích bằng các truy vấn chúng tôi đã chạy: logic ba giá trị, IS NULL, COALESCE, NULLIF, cách tổng hợp, kết hợp và sắp…
Đọc bài viết →Cơ sở dữ liệu & SQLCâu lệnh SQL CASE WHEN: Cú pháp, ví dụ thực tế và các lỗi thường gặp
TRƯỜNG HỢP SQL KHI được giải thích bằng các truy vấn mà chúng tôi đã chạy: các biểu mẫu đơn giản và được tìm kiếm, thứ tự điều kiện, các thủ thuật S…
Đọc bài viết →Phát triển phần mềmJWT là gì? Mã thông báo Web JSON được giải thích bằng một ví dụ hoạt động
JWT là gì? Mã thông báo Web JSON đã giải thích: ba phần, mã thông báo được xây dựng và giả mạo trong mã chúng tôi đã chạy, JWT so với phiên, lưu trữ…
Đọc bài viết →Phát triển phần mềmGiải thích về vòng lặp sự kiện JavaScript: Ngăn xếp cuộc gọi, Microtask và bộ hẹn giờ kèm ví dụ
Vòng lặp sự kiện JavaScript được giải thích bằng mã chúng tôi đã chạy: ngăn xếp cuộc gọi, hàng đợi tác vụ và vi nhiệm, tại sao setTimeout 0 không di…
Đọc bài viết →Phát triển phần mềmGiải thích về trình tạo và năng suất của Python: Tiết kiệm bộ nhớ bằng các ví dụ thực tế
Trình tạo và lợi nhuận Python được giải thích bằng mã chúng tôi đã chạy: cách chúng tạm dừng và tiếp tục, đo mức tiết kiệm bộ nhớ, quy trình, chuỗi …
Đọc bài viết →Trí tuệ nhân tạoNhúng là gì? Giải thích sự tương đồng về vectơ và Cosine một cách đơn giản
nhúng là gì? Hướng dẫn bằng ngôn ngữ đơn giản về vectơ, độ tương tự cosine và tìm kiếm ngữ nghĩa, với một ví dụ nhỏ mà chúng tôi đã chạy, các cách s…
Đọc bài viết →DevOpsTriển khai Blue-Green và Canary: Sự khác biệt, sự đánh đổi và cách lựa chọn
Giải thích về triển khai Blue-green và Canary: cách hoạt động của từng loại, chi phí, rủi ro và khôi phục, nhóm người dùng ổn định mà chúng tôi đã t…
Đọc bài viết →Tự động hóa kiểm thửKiểm tra không ổn định: Nguyên nhân gây ra chúng và cách khắc phục chúng vĩnh viễn
Các thử nghiệm không ổn định được giải thích bằng các bản demo mà chúng tôi đã chạy: nguyên nhân chính, cách xác nhận và chẩn đoán nguyên nhân, cách…
Đọc bài viết →Kiểm thử phần mềmKiểm tra tải và kiểm tra căng thẳng: Sự khác biệt, số liệu và ví dụ về k6
Giải thích về thử nghiệm tải và thử nghiệm căng thẳng: mỗi thử nghiệm chứng minh điều gì, thử nghiệm tăng đột biến và ngâm, số liệu quan trọng, lý d…
Đọc bài viết →Kiểm thử phần mềmTrường hợp thử nghiệm và kịch bản thử nghiệm: Sự khác biệt chính, ví dụ và thời điểm sử dụng từng trường hợp
Giải thích trường hợp kiểm thử và kịch bản kiểm thử: định nghĩa rõ ràng, bảng cạnh nhau, một tính năng đặt lại mật khẩu được lấy từ các tình huống n…
Đọc bài viết →Cơ sở dữ liệu & SQLTối ưu hóa truy vấn SQL: Đọc kế hoạch thực thi và sửa các truy vấn chậm, có tính thời gian
Đã thử nghiệm tối ưu hóa truy vấn SQL trên một triệu hàng: đọc kế hoạch thực hiện, thêm chỉ mục phù hợp, sửa các bộ lọc không thể mở rộng, sử dụng c…
Đọc bài viết →Cơ sở dữ liệu & SQLSQL UNION và UNION ALL: Sự khác biệt, ví dụ và hiệu suất đã được kiểm tra
SQL UNION và UNION ALL được giải thích bằng các truy vấn chúng tôi đã chạy: trùng lặp, cả hai quy tắc đều tuân theo, lỗi dữ liệu thực, hiệu suất đượ…
Đọc bài viết →Phát triển phần mềmHướng dẫn API tìm nạp JavaScript: GET, POST, Xử lý lỗi và hết thời gian chờ
Hướng dẫn API tìm nạp JavaScript đã được thử nghiệm trên máy chủ cục bộ: GET và POST, tại sao 404 không gửi, trình trợ giúp có thể sử dụng lại, chuỗ…
Đọc bài viết →Phát triển phần mềmXử lý tệp Python: Đọc, ghi, CSV, JSON và pathlib kèm ví dụ
Việc xử lý tệp Python được giải thích bằng mã chúng tôi đã chạy: chế độ mở, với, đọc tệp lớn, CSV, JSON, pathlib, tệp nhị phân, ghi an toàn, xử lý l…
Đọc bài viết →Phát triển phần mềmCác lớp và đối tượng Python: Hướng dẫn OOP với các ví dụ thực tế
Các lớp và đối tượng Python được giải thích bằng mã mà chúng tôi đã chạy: __init__, các phương thức, thuộc tính lớp và phiên bản, tính kế thừa, thuộ…
Đọc bài viết →Trí tuệ nhân tạoMô hình ngôn ngữ lớn là gì? LLM hoạt động như thế nào, được giải thích mà không cường điệu hóa
Mô hình ngôn ngữ lớn là gì? LLM được giải thích bằng ngôn ngữ đơn giản: mã thông báo, phần nhúng, sự chú ý, đào tạo, cửa sổ nhiệt độ và ngữ cảnh, mộ…
Đọc bài viết →DevOpsCác lệnh Linux cho người mới bắt đầu: Hướng dẫn thiết bị đầu cuối cần thiết kèm ví dụ
Các lệnh Linux dành cho người mới bắt đầu, được nhóm theo tác vụ: điều hướng, tệp, xem nhật ký, grep, đường dẫn, quyền, quy trình và lưu trữ, cùng v…
Đọc bài viết →Tự động hóa kiểm thửSelenium vs Nhà viết kịch: Sự khác biệt chính, So sánh mã và nên chọn cái nào
Selenium và Playwright được so sánh: kiến trúc, chờ đợi, hỗ trợ trình duyệt và ngôn ngữ, gỡ lỗi, kiểm tra giống nhau ở cả hai công cụ, lời khuyên di…
Đọc bài viết →Kiểm thử phần mềmPhân vùng tương đương: Giải thích kỹ thuật thiết kế thử nghiệm bằng các ví dụ đã thực hiện
Giải thích về phân vùng tương đương: cách tìm các phân vùng hợp lệ và không hợp lệ, các ví dụ hoạt động theo độ tuổi, mật khẩu và phiếu giảm giá, cá…
Đọc bài viết →Kiểm thử phần mềmMức độ nghiêm trọng và mức độ ưu tiên trong kiểm thử phần mềm: Sự khác biệt, Ma trận và ví dụ thực tế
Giải thích về mức độ nghiêm trọng và mức độ ưu tiên trong kiểm thử phần mềm: định nghĩa rõ ràng, ma trận bốn chiều với các ví dụ, thang đo cấp độ, a…
Đọc bài viết →Cơ sở dữ liệu & SQLHướng dẫn về truy vấn con SQL: Các loại, truy vấn con tương quan và TỒN TẠI kèm ví dụ
Hướng dẫn về truy vấn con SQL với các truy vấn chúng tôi đã chạy: truy vấn con vô hướng, IN, FROM và SELECT, truy vấn con tương quan, EXISTS, bẫy và…
Đọc bài viết →Cơ sở dữ liệu & SQLGiải thích về giao dịch SQL và ACID: Các mức CAM KẾT, ROLLBACK và Cô lập
Các giao dịch SQL và ACID được giải thích bằng chuyển khoản ngân hàng mà chúng tôi đã thực hiện: CAM KẾT, ROLLBACK, điểm lưu trữ, khóa, mức cách ly,…
Đọc bài viết →Phát triển phần mềmBảng cheat lệnh Git: Các lệnh bạn thực sự sử dụng, kèm theo ví dụ
Một bảng ghi lệnh Git được nhóm theo nhiệm vụ: thiết lập, dàn dựng, nhánh, điều khiển từ xa, lưu trữ, lịch sử và hoàn tác các lỗi, với đầu ra từ kho…
Đọc bài viết →Phát triển phần mềmGiải thích về các lời hứa trong JavaScript: then, Catch, Promise.all và các lỗi thường gặp
Lời hứa JavaScript được giải thích bằng mã chúng tôi đã chạy: trạng thái, then và chuỗi bắt, xử lý lỗi, Promise.all, allSettled, chủng tộc và bất kỳ…
Đọc bài viết →Phát triển phần mềmHướng dẫn từ điển Python: Phương thức, ví dụ và mẫu chung
Hướng dẫn từ điển Python với mã chúng tôi đã chạy: tạo, đọc và cập nhật các ký tự, các phương thức chính, hợp nhất, hiểu, đếm và nhóm các mẫu cũng n…
Đọc bài viết →Trí tuệ nhân tạoRAG là gì? Giải thích về thế hệ tăng cường truy xuất bằng một ví dụ hoạt động
RAG là gì? Thế hệ tăng cường truy xuất được giải thích từng bước: lập chỉ mục, phân nhóm, nhúng, truy xuất, một ví dụ Python hoạt động nhỏ, đánh giá…
Đọc bài viết →DevOpsHướng dẫn về Terraform cho người mới bắt đầu: Cơ sở hạ tầng dưới dạng mã từ tệp đầu tiên đến mô-đun
Hướng dẫn về Terraform dành cho người mới bắt đầu: bắt đầu không cần tài khoản đám mây, tìm hiểu về init, lập kế hoạch và áp dụng, sau đó là các biế…
Đọc bài viết →DevOpsDocker vs Kubernetes: Key Differences, How They Work Together and Which You Need
Docker vs Kubernetes giải thích: mỗi cái làm gì, cùng một ứng dụng chạy với cả hai, so sánh Docker Compose và Swarm, sự thay đổi của dockershim và c…
Đọc bài viết →Tự động hóa kiểm thửHướng dẫn Pytest cho người mới bắt đầu: Đồ đạc, tham số hóa và ví dụ thực tế
Hướng dẫn về pytest dành cho người mới bắt đầu với các bài kiểm tra chúng tôi đã chạy trên pytest 9.2: xác nhận, đồ đạc, tham số, conftest, điểm đán…
Đọc bài viết →Kiểm thử phần mềmVòng đời kiểm thử phần mềm (STLC): 6 giai đoạn, tiêu chí đầu vào và đầu ra, ví dụ
Vòng đời kiểm thử phần mềm giải thích: sáu giai đoạn STLC với tiêu chí đầu vào và đầu ra, sản phẩm phân phối, ví dụ về tính năng đăng nhập hoạt động…
Đọc bài viết →Phát triển phần mềmGit merge vs rebase: khác biệt, ví dụ và khi nào dùng cái nào
Git merge vs rebase được giải thích bằng đầu ra log thực tế, bảng so sánh, quy tắc vàng của rebase và quy trình làm việc nhóm an toàn.
Đọc bài viết →Phát triển phần mềmList comprehension trong Python: cú pháp, ví dụ và khi nào nên tránh
List comprehension trong Python: cú pháp, lọc dữ liệu, if-else, vòng lặp lồng nhau, thời gian đo thực tế và khi nào vòng lặp for thông thường tốt hơn.
Đọc bài viết →Cơ sở dữ liệu & SQLGiải thích SQL JOIN kèm ví dụ (Inner, Left, Right, Full)
Hiểu SQL JOIN từng bước với bảng và truy vấn mẫu: INNER, LEFT, RIGHT, FULL, CROSS và SELF, cùng lỗi thường gặp và mẹo hiệu năng.
Đọc bài viết →