Что должен знать уважающий себя тестировщик из технологий и Computer Science
Kseniia Riakhovskaia

Продолжаю цикл постов "Что должен знать тестировщик". Сегодня углубимся в технологии и базовый Computer Science.

Нужно знать:
1. Базы данных. Важно понимать, какие базы данных бывают. Их типы, основные отличия реляционных и нереляционных. Для нереляционных - назначение и классификацию. SQL. По базам планирую отдельный пост, так что тут пока без деталей.
2. Сети. Понимание, как работают и устроены сети. Протоколы сетевого взаимодействия. Не обязательно углубляться в хендшейки, скользящие окна и прочие тонкости TCP/IP, но хотя бы понимать такие магические слова как UDP, HTTPS, FTP, SSH - крайне желательно. Желателен опыт хотя бы с какими-то анализаторами трафика, например, WireShark.
3. Шифрование. Открытые, закрытые ключи, методы авторизации. OAuth, JWT, Base и т.д.
4. AI. Как использовать. Промтбилдинг, идеи применения. Какие перспективы в тестировании.
5. Операционные системы. Windows, Linux - на уровне начинающего системного администратора.
6. Виртуализация и контейнеризация. Понимание отличий. Системы виртуализации: VMWare (hosted), Hyper-V (bare). Контейнеризация: Docker, образы.
7. CI/CD. Что это, как работает и зачем вообще нужно. Jenkins, TeamCity, GitLab - хотя бы на уровне понимания пайплайнов.
8. Системы контроля версий. Git, SVN - знание основных команд, как работает ветвление, разрешение конфликтов.
9. Очереди и брокеры сообщений. Kafka, RabbitMQ — что это такое, зачем нужно.
10. Мониторинг и логирование. Grafana, Kibana, Prometheus, Graylog.
11. Протоколы взаимодействия. REST, SOAP, gRPC - общие принципы, где применимы, чем отличаются.
12. Архитектуры приложений. Монолит и микросервисы - в чём разница, плюсы/минусы каждого подхода.

Желательно знать:
1. Что такое хранилища данных - S3, Data Lake и т.д.
2. Web3 (понятно, что это больше про доменную область, но хотя бы не делать круглые глаза при вопросе "что это такое").
3. Оркестраторы для контейнеризированных решений - Kubernetes, Openshift.
4. Облачные сервисы - AWS, Azure, GCP.
5. Системы для работы с большими данными - Hadoop и прочее. Остальные решения так или иначе используют технологии Apache или построены по похожим принципам.
6. ML - модели, обучение, тестирование модели. Понимание, в каких случаях специально обученная на конкретных данных модель предпочтительнее LLM.
7. Алгоритмы - сложность, применимость. Структуры данных (графы, деревья), алгоритмы сортировки и поиска.
8. Теория графов и её применение - зависимости, workflow, маршруты, критические пути. Использование графов в анализе покрытия, оптимизации.
9. Инфраструктура как код (IaC) - Terraform, Ansible.
10. Компиляторы и интерпретаторы - разница между байткодом, машинным кодом и интерпретацией.

Я прекрасно понимаю, что всё знать невозможно.
Но мы всегда должны стремиться к расширению своего кругозора - это позволяет оставаться конкурентоспособными и лучше понимать систему, с которой работаем.

Тестировщик от бога

Что должен знать уважающий себя тестировщик из технологий и Computer Science
Kseniia Riakhovskaia

Продолжаю цикл постов "Что должен знать тестировщик". Сегодня углубимся в технологии и базовый Computer Science.

Нужно знать:
1. Базы данных. Важно понимать, какие базы данных бывают. Их типы, основные отличия реляционных и нереляционных. Для нереляционных - назначение и классификацию. SQL. По базам планирую отдельный пост, так что тут пока без деталей.
2. Сети. Понимание, как работают и устроены сети. Протоколы сетевого взаимодействия. Не обязательно углубляться в хендшейки, скользящие окна и прочие тонкости TCP/IP, но хотя бы понимать такие магические слова как UDP, HTTPS, FTP, SSH - крайне желательно. Желателен опыт хотя бы с какими-то анализаторами трафика, например, WireShark.
3. Шифрование. Открытые, закрытые ключи, методы авторизации. OAuth, JWT, Base и т.д.
4. AI. Как использовать. Промтбилдинг, идеи применения. Какие перспективы в тестировании.
5. Операционные системы. Windows, Linux - на уровне начинающего системного администратора.
6. Виртуализация и контейнеризация. Понимание отличий. Системы виртуализации: VMWare (hosted), Hyper-V (bare). Контейнеризация: Docker, образы.
7. CI/CD. Что это, как работает и зачем вообще нужно. Jenkins, TeamCity, GitLab - хотя бы на уровне понимания пайплайнов.
8. Системы контроля версий. Git, SVN - знание основных команд, как работает ветвление, разрешение конфликтов.
9. Очереди и брокеры сообщений. Kafka, RabbitMQ — что это такое, зачем нужно.
10. Мониторинг и логирование. Grafana, Kibana, Prometheus, Graylog.
11. Протоколы взаимодействия. REST, SOAP, gRPC - общие принципы, где применимы, чем отличаются.
12. Архитектуры приложений. Монолит и микросервисы - в чём разница, плюсы/минусы каждого подхода.

Желательно знать:
1. Что такое хранилища данных - S3, Data Lake и т.д.
2. Web3 (понятно, что это больше про доменную область, но хотя бы не делать круглые глаза при вопросе "что это такое").
3. Оркестраторы для контейнеризированных решений - Kubernetes, Openshift.
4. Облачные сервисы - AWS, Azure, GCP.
5. Системы для работы с большими данными - Hadoop и прочее. Остальные решения так или иначе используют технологии Apache или построены по похожим принципам.
6. ML - модели, обучение, тестирование модели. Понимание, в каких случаях специально обученная на конкретных данных модель предпочтительнее LLM.
7. Алгоритмы - сложность, применимость. Структуры данных (графы, деревья), алгоритмы сортировки и поиска.
8. Теория графов и её применение - зависимости, workflow, маршруты, критические пути. Использование графов в анализе покрытия, оптимизации.
9. Инфраструктура как код (IaC) - Terraform, Ansible.
10. Компиляторы и интерпретаторы - разница между байткодом, машинным кодом и интерпретацией.

Я прекрасно понимаю, что всё знать невозможно.
Но мы всегда должны стремиться к расширению своего кругозора - это позволяет оставаться конкурентоспособными и лучше понимать систему, с которой работаем.

hottg.com/godoftesting/2852

6.8K viewsJun 12 at 11:31