SQL для тестировщика

Стратегии партицирования базы данных: горизонтальное и вертикальное разделение #почитать Партиционирование (или секционирование) — это метод разделения одной большой таблицы базы данных на более мелкие, управляемые логические части (партиции) для повышения производительности запросов, упрощения администрирования и управления большими объемами данных, например, по диапазонам дат, списков или хэшам. Это позволяет системе обращаться только к нужным разделам, а не ко всей таблице, ускоряет отчеты, архивацию и другие операции, а также можно перемещать неактивные данные на медленные носители. ✅Читать статью

Как ускорить SQL-запрос в миллион раз без изменения кода #почитать Однажды при мониторинге мы обратили внимание на запрос, который занимал первое место по длительности: 40+ секунд на выполнение при 657 вызовах за день. Причина состояла в том, что из-за неточной статистики распределения данных выбирался неподходящий индекс. В статье расскажем о том, как с помощью параметра STATMULTIPLIER в СУБД Tantor Postgres этот проблемный запрос удалось ускорить примерно в миллион раз — до 0.042 миллисекунды, — просто повысив точность статистики без изменения кода или структуры базы данных. ✅Читать статью

SQL HowTo: ускоряем запрос в 32 раза #почитать Не читайте, пока хотите решить задачу самостоятельно. ✅Читать статью

Ускорение планирования JOIN’ов — до 16 раз быстрее #почитать Если раньше алгоритм сравнения частых значений (MCV) работал за O(N²), и при target=10k само планирование запроса могло занимать десятки миллисекунд, то теперь вместо квадратичного перебора будет использоваться хеш-таблица, а это снижает сложность до O(N). Изменение особенно оценят те, кто работает с неравномерными данными и поднимает default_statistics_target выше 1000. ✅Читать статью

Как ИИ помогает проектировать базы данных #почитать Многие кто уже успел попробовать Cursor и подобные инструменты, восхищаются как ИИ способен писать код. ✅Читать статью

И снова про алгоритмы и структуры данных #почитать За годы разработки приходит понимание, что происходит в тех или иных сервисах, когда они тормозят, лагают, выдают «неожидаемое» поведение. В данной статье хочу рассмотреть проблему неправильного использования алгоритмов и архитектурных решений с бытовой, общечеловеческой стороны. ✅Читать статью

🟢Подборка полезностей для тестировщиков 🐞 Июнь 💡 Теория ▫️Руководство по имитаторам для тестировщиков ▫️Бюджетное тестирование облачных приложений: Testcontainers и LocalStack ▫️Какие задачи в тестировании пора отдать ИИ, чтобы получить результат, а не новые проблемы ▫️От вебинаров до биллинга: что нужно тестировать в EdTech ▫️6 ошибок в метриках дефектов, из-за которых QA теряет контроль над качеством ▫️Аудит нагрузочного тестирования: пять этапов реального проекта ▫️Тестирование UX для мобильных приложений: чек‑лист без софта и магии ▫️Дорогие автотесты: когда автоматизация тестирования начинает вредить бизнесу ▫️Playwright, Selenium, Cypress, WebdriverIO: что реально известно о скорости в 2026 году (и как намерить свои цифры) ▫️Что перестаёт работать в тестировании, когда приходит LLM ▫️4 антипаттерна CI‑автоматизации, из‑за которых команда делает работу за ботов ⛏ Практика ▪️Как начать тестировать внутренние покупки (In-App Purchases) на Android ▪️Как мы создали новый тестовый фреймворк, адаптируемый к росту проектов ▪️Путь нагрузочного тестирования или почему я создал свой софт по нагрузке ▪️Группировка ошибок вручную и автоматически, или чем тестировщику занять своё время ▪️Как правильно писать WebSocket API автотесты на Python ▪️Как мы тестировали Tarantool Database на 640 инстансов ▪️Процессы vs инструменты: как Авито Sales строит QA с нулевыми сдвигами сроков ▪️Как мы тестируем Tantor Postgres для 1С — от нагрузочных тестов до оптимизаций планировщика ▪️Как мы превратили Swagger из документации в двигатель API-автотестов ▪️Retry в Go автотестах: как перестать бояться flaky-тестов ▪️Генерация автотестов с ИИ: почему первый PR растянулся на две недели и что изменилось после анализа фреймворка ▪️Кейс обучения QA-персонала: развитие навыков оценки задач и контроль качества через метрики ▪️Мы дали ИИ написать код и тесты: что обнаружило мутационное тестирование 💼 Карьера ▫️Сокращения в российском IT продолжаются – Мы создали автоиндикатор найма, который покажет окончание кризиса ▫️SDET как эволюция QA, или почему автотестов больше недостаточно ▫️Ломаем автопилот: как я перестал тестировать механически ▫️Работодатели давно играют в волков. Просто теперь соискатели научились отвечать ▫️IT-пузырь лопнул: почему одни айтишники не могут найти работу, а других всё равно не хватает 📺 Посмотреть 📺Where to Learn AI Testing and Testing with AI ⏱️45 минут 📺Превращаем Ready for testing в действительно Ready ⏱️15 минут 📺Как выстроить архитектуру взаимодействия QA со всеми ⏱️40 минут 🍷 Отдохнуть ▫️Археология автотестирования: SUnit, прародитель JUnit ▫️Что такое парадокс изогнутой трубы — и почему интуиция нас подводит ▫️Как одна операция из линейной алгебры захватила мир ИИ ▫️Манипуляция ответами нейронок — как сеошники убивают интернет 🚀 Вакансии QA Разоблачай иллюзии

PostgreSQL Antipatterns: отказ от агрегатных функций = кратное ускорение #почитать

Иногда в архиве нашего сервиса анализа планов запросов к PostgreSQL встречаются примеры не очень эффективных, мягко говоря, запросов. Сегодня на примере одного из них, вызванного простой бизнес-задачей, посмотрим, как отказ от использования агрегатных функций может ускорить запрос в разы.

✅Читать статью

Как организовать тестовую среду, сохраняя покой владельца данных #почитать

Хочу поделиться опытом с коллегами - как мы решили одну из наболевших проблем нашей команды разработки – отсутствие полноты данных для тестирования реализованного функционала в условиях ограниченного доступа к реальным данным компании. Если вы работаете с персональными данными, то наверняка сталкивались с такой проблемой.

✅Читать статью

Разбираемся в функциональных зависимостях БД #почитать Возможно вас, как и меня, первое знакомство с функциональными зависимостями в базах данных повергло в легкий ступор. Длинные определения, которые не давались даже после третьего прочтения, излишняя абстрактность, когда на простые и понятные примеры поскупились, и прочее прелести «научного» подхода к объяснению сложных тем. Пора раз и навсегда разобраться во всем этом. Тем не менее, я постараюсь не упускать детали и, где это уместно, углубиться в тему с головой. Без претензии на академичность, но с претензией на ясность. ✅Читать статью

ACID-свойства транзакций в SQL #почитать Для чего существуют принципы ACID? Можно ответить по бумажке, сказать, что это нужно для того, чтобы каждая транзакция обрабатывалась надежно, данные оставались в безопасности и системы работали предсказуемо. Все это в свою очередь должно гарантировать целостность данных. Но что это вообще такое и на что влияет? А ответ очень простой. Обеспечивая целостность данных, мы предупреждаем ситуации, когда, к примеру, деньги со счета списались, но получателю так и не пришли. Или заказ оформился, а складские остатки не обновились. ✅Читать статью

🟢Подборка полезностей для тестировщиков 🐞 31 мая 💡 Теория ▫️Новости тестирования за февраль-май 2026 ▫️Как оценивать ИИ‑агентов в проде: нижняя планка, трассы и кодовые проверки ▫️Peer testing на основе Закона Линуса ▫️Испытание временем — как тестировать цифровой двойник, если физического объекта ещё не существует ▫️Вы неправильно тестируете асинхронный код: тест проходит раньше, чем выполняется проверка ▫️Не просто «ручное тестирование»: ценные навыки тестировщиков ▫️5 ловушек теории вероятностей в IT ▫️5 распространенных ошибок новичка в E2E-тестах ⛏ Практика ▪️Как мы тестируем в Профи.ру: почему у нас нет пирамиды, зато есть ромб и матрица ▪️Как я сделал утилиту для автоматизации ручных тестов ▪️Совместимость Test IT и RedOS: опыт автоматизации сборки, тестирования и сертификации ▪️Impact Analysis в дизайн-системе: как мы сделали CI осмысленнее, а review понятнее ▪️Как приоритизировать регрессионные проверки, когда сжаты сроки релиза ▪️Я построила диагностику «стоит ли это автоматизировать» — и она трижды говорила глупости. Разбор ошибок ▪️Как я сократил рутину QA до пары кликов: генератор API-тестов и тест-кейсов на LLM, которым хочу поделиться 💼 Карьера ▫️Как искать работу сейчас? А что если под каждой вакансией будет процент её соответсвия с вашим резюме? ▫️Влияние AI на позиции QA в 2026 году ▫️Про «случайных» людей в ИТ ▫️Как ИИ портит резюме студентам 📺 Посмотреть 📺Прогрессивные веб-приложения и их автотесты ⏱️45 минут 📺Как успеть протестировать устройство, пока оно едет по конвейеру на заводе ⏱️45 минут 📺Как особенности Python и Pytest могут поломать backend-автотесты ⏱️45 минут 📺Как мы меняли Postman на Hoppscotch ⏱️45 минут 🍷Отдохнуть ▪️Как я выиграла билет на Heisenbug и узнала про «биполярное тестирование» ▪️Как написать сценарий игры по киношным правилам ▪️Назирокодил утилиту на Kotlin и JavaScript для создания аккордов в любой тональности 🚀 Вакансии QA Тестируй нервы

SQL за одну статью: от «SELECT *» до оконных функций и сложных JOIN-ов #почитать В этой статье мы пропустим скучную академическую теорию и разберем только то, что реально нужно в работе. Мы пройдем путь от анатомии таблиц и базовых джоинов до оконных функций. А в конце заглянем под капот базы данных и разберем логический порядок выполнения запроса — секретный ингредиент, который навсегда избавит вас от вопроса: «Почему эта строчка не работает?!». ✅Читать статью