Нагрузочное тестирование на Python. Расширенный [Stepik] [Никита Филонов]

Складчина: Нагрузочное тестирование на Python. Расширенный [Stepik] [Никита Филонов]

Чему вы научитесь

• Писать нагрузочные тесты на Python с использованием Locust.
• Создавать сложные сценарии нагрузки с использованием TaskSet, SequentialTaskSet, event hooks.
• Разрабатывать масштабируемые нагрузочные фреймворки с учётом архитектурных паттернов и лучших практик.
• Запускать нагрузочные тесты в CI/CD пайплайне.
• Поднимать микросервисные системы с помощью Docker Compose и использовать их в автотестах и нагрузке.
• Реализовывать mock-сервисы для HTTP с использованием FastAPI.
• Реализовывать mock-сервисы для gRPC с использованием grpcio.
• Проектировать гибкие, переиспользуемые HTTP/gRPC API-клиенты, применимые в нагрузке, сидинге и автотестах.
• Интерпретировать клиентские метрики: RPS, latency, response time, percentiles.
• Анализировать системные метрики: CPU, RAM, disk I/O, network.
• Работать с современными инструментами: Kafka UI, pgAdmin, Postman, MinIO (S3), Redis, Grafana, Docker, Docker Compose, GitLab CI, Postman, curl, grpcurl.
• Применять библиотеку HTTPX для написания HTTP-клиентов.
• Использовать Pydantic и Pydantic Settings для валидации данных и настройки проекта
• Применять Faker для генерации тестовых данных.
• Оценивать и формировать нагрузочные профили на основе реальных сценариев использования.
• Разрабатывать сценарии сидинга и собственный сидинг-билдер для подготовки базы перед нагрузочным тестом тестовых данных перед нагрузочнывм тестированием.
• Понимать и применять принципы микросервисной и монолитной архитектуры, различать их особенности и ограничения.
• Анализировать архитектурные особенности нагружаемой системы: понимать, что, зачем и как мы тестируем.
• Использовать Prometheus + cAdvisor для сбора и анализа метрик на уровне контейнеров и сервисов.
• Эффективно проходить собеседования: получить практические советы, применимые в реальной жизни.
• Работать с Git, публиковать и доводить до финала проект на GitHub, GitLab, что станет отличным дополнением к резюме.
• Закрепиться на позиции после устройства на работу и продолжать профессиональный рост.

Для кого этот курс
— Для QA-инженеров (ручных и автоматизаторов), которые хотят выйти за пределы функционального тестирования и научиться проверять производительность систем, строить нагрузочные сценарии и анализировать реальные метрики.
— Для QA Automation-инженеров, которые уже уверенно пишут автотесты, но хотят прокачать навыки работы с нагрузкой, HTTP/gRPC, сидингом и CI/CD.
— Для разработчиков, которые хотят лучше понимать, как их сервисы ведут себя под нагрузкой, как анализировать узкие места и проектировать системы с учётом масштабирования.
— Для DevOps и SRE-инженеров, которым важно понимать, как проводить нагрузочное тестирование до релиза, отслеживать системные метрики и автоматизировать проверку SLA.
— Для начинающих специалистов, которые планируют войти в IT через тестирование и хотят с самого старта формировать инженерное мышление и разбираться в архитектуре сложных систем.
— Для тех, кто ищет работу или готовится к собеседованиям на позиции QA/performance-инженера, и хочет иметь в портфолио не просто курс, а фундаментальный, практически ориентированный опыт.
— Для тех, кто уже проходил курсы по Locust, JMeter или k6, но чувствует, что не понимает, зачем и как всё это работает. Этот курс поможет выстроить системную картину и избавиться от подхода «просто запускаю нагрузку».
— Для инженеров, которым важно разбираться в микросервисной архитектуре, взаимодействии сервисов, очередях, базе данных, кешах, и понимать, что именно нагружается и как это влияет на систему в целом.

Спойлер: программа курса

Приветствие и инструкции

1. Знакомимся
2. Советы по изучению материала
3. Инструкции по отправке заданий на проверку
4. Поддержка от преподавателя и вопросы
5. Правила работы с курсом и коммуникации

Введение в профессию QA Performance Engineer

1. Виды тестирования производительности
2. Системные ресурсы: CPU и память
3. Метрики нагрузочного тестирования
4. Клиент-серверная архитектура
5. Монолитная архитектура
6. Микросервисная архитектура
7. Инструменты нагрузочного тестирования

Настройка окружения

1. Установка и настройка окружения Python
2. Установка и настройка PyCharm
3. Установка и знакомство с Docker
4. Установка и знакомство с Docker Compose
5. Установка и настройка Postman

Система контроля версий Git

1. Начало работы с Git
2. Публикация проекта на GitHub
3. Работа с GitHub Desktop

Тестовый стенд

1. Установка и настройка тестового стенда
2. Разбор архитектуры тестового стенда
3. Практика работы с хранилищем файлов S3
4. Практика работы с базой данных PostgreSQL
5. Практика работы с системой мониторинга Grafana
6. Практика работы с очередями Kafka

Основы работы с API

1. Форматы представления данных
2. Знакомство с API
3. Знакомство с HTTP протоколом
4. Знакомство с gRPC протоколом

Основы работы с HTTP

1. Введение в HTTPX
2. Практикуемся в работе с HTTPX
3. Знакомство с HTTP API клиентами
4. Практикуемся в реализации HTTP API клиентов
5. Практикуемся в использовании HTTP API клиентов

Основы работы с Pydantic

1. Знакомство с Pydantic
2. Применяем Pydantic в HTTP API клиентах
3. Знакомство с Faker

Основы работы с gRPC

1. Введение в grpcio
2. Практикуемся в работе с grpcio
3. Знакомство с gRPC API клиентами
4. Практикуемся в реализации gRPC API клиентов
5. Практикуемся в использовании gRPC API клиентов

Введение в Locust

1. Знакомство с Locust
2. Подготовка HTTP API клиента для Locust
3. Использование HTTP API клиентов в нагрузочных сценариях
4. Подготовка gRPC API клиента для Locust
5. Использование gRPC API клиентов в нагрузочных сценариях
6. Сценарии нагрузки в Locust: User, TaskSet и SequentialTaskSet
7. Работа с настройками Locust
8. Отчеты Locust: HTML, CSV, JSON
9. Как выбрать профиль нагрузки?
10. Рефакторинг и улучшение нагрузочных тестов

Подготовка данных для нагрузочного тестирования

1. Что такое сидинг и зачем он нужен?
2. Пишем сидинг-билдер
3. Практика генерации данных с помощью сидингов

Практика нагрузочного тестирования HTTP сервисов

1. Практика нагрузочного тестирования. Часть 1
2. Практика нагрузочного тестирования. Часть 2
3. Практика нагрузочного тестирования. Часть 3

Практика нагрузочного тестирования gRPC сервисов

1. Практика нагрузочного тестирования. Часть 1
2. Практика нагрузочного тестирования. Часть 2
3. Практика нагрузочного тестирования. Часть 3

Реализация mock сервиса

1. Архитектура mock сервиса
2. Знакомство с FastAPI
3. Реализация mock сервиса

Улучшение нагрузочных тестов

1. Настройки нагрузочных тестов с Pydantic
2. Добавляем логирование для нагрузочных тестов
3. Улучшение работы с API клиентами с помощью Enum для URI

Запуск нагрузочных тестов на CI/CD

1. Введение в CI/CD
2. CI/CD системы
3. Подготовка проекта к запуску на CI
4. Запуск нагрузочных тестов на GitHub Actions
5. Запуск нагрузочных тестов на GitLab CI

Аналитика нагрузочного тестирования

1. Регрессионный анализ в нагрузочном тестировании
2. Установка и настройка Load Testing Hub
3. Знакомство с Load Testing Hub
4. Практика: загрузка данных в Load Testing Hub

AI Review в нагрузочных тестах

1. Что такое AI Review и зачем он нужен
2. Инструмент AI Review: установка и базовое использование
3. Интеграция AI Review в CI/CD

Резюме

1. Итоговый проект
2. Рекомендации по составлению резюме
3. Рекомендации по прохождению собеседований

Скрытая ссылка