¿Qué es la gestión de datos de prueba?

Descripción

La gestión de datos de prueba (TDM) es una parte integral del ciclo de vida moderno de DevOps. Pero cambiar las metodologías ágiles a la izquierda es la nueva normalidad en el entorno de desarrollo actual. Eso significa alejarse de las herramientas tradicionales hacia soluciones que protegen los datos confidenciales, optimizan los procesos y aceleran y agilizan la detección de errores.

Is su estrategia de gestión de datos de prueba ¿estar atrasado? Quizás su tiempo de comercialización se ve obstaculizado por el requisito de habilidades muy especializadas que no todo su equipo de desarrollo ha perfeccionado. La naturaleza lenta de TDM es lo que hace que su modernización sea tan crítica en el actual ciclo de vida de desarrollo de software orientado a la automatización de pruebas.

Analicemos los entresijos de los procesos TDM, las mejores prácticas, los desafíos, las mejores herramientas para el trabajo y cómo las pruebas automatizadas pueden optimizar sus pruebas de software para obtener mejores productos, equipos de desarrollo más felices, ciclos de vida de prueba mejorados y costos más bajos.

Este blog responderá las siguientes preguntas y más.

1. ¿Qué es la gestión de datos de prueba?
2. ¿Cómo gestiona los datos de prueba?
3. ¿Por qué es importante la gestión de datos de prueba?
4. ¿Cuál es el ciclo de vida de la gestión de datos de prueba?
5. ¿Qué es TDM y TEM?
6. ¿Cuáles son las mejores prácticas de TDM?
7. ¿Cuáles son las mejores herramientas TDM?

Todo sobre la estrategia de gestión de datos de prueba

El desplazamiento a la izquierda se enfoca cada vez más en disminuir el tiempo de comercialización, reducir los costos, la seguridad de los datos, la privacidad de los datos y un tiempo de actividad de la aplicación más rápido. Entonces, comencemos con lo básico: ¿qué es la gestión de datos de prueba?

TDM es la forma en que los desarrolladores y evaluadores elaboran, administran e implementan datos de prueba para los equipos de aplicaciones. Los casos de prueba de calidad, la cobertura de prueba y los procesos de gestión de datos de prueba pueden contribuir al desarrollo ágil. Además, las herramientas de automatización pueden ayudar aún más a su equipo a superar los requisitos de datos de prueba.

¿Cómo se gestionan los datos de prueba?

La gestión de datos de prueba requiere tres elementos centrales en su enfoque.

1. Suficientes datos de prueba disponibles para la automatización de pruebas
2. Ancho de banda disponible para evitar limitar qué equipos de desarrollo de soluciones de pruebas automatizadas pueden emplear
3. Capacidad para adquirir datos de prueba a pedido cuando sea necesario para la automatización de datos de prueba

¿Qué es el ciclo de vida de la gestión de datos de prueba?

El ciclo de vida de cualquier proceso de gestión de datos de prueba implica 5 pasos clave:

1. Los equipos elaboran listas de prueba, identifican los requisitos de datos, su enfoque para probar los datos y coordinar la documentación.
2. Analizar. Los equipos consolidan los requisitos y toman decisiones sobre cómo almacenar, respaldar y acceder a la creación de datos.
3. Diseño. En la etapa final antes de la implementación que no sea de producción, los equipos definen estrategias de preparación de datos, como la generación de datos sintéticos, la clonación, la creación de subconjuntos de datos, etc.
4. Desarrollar. Durante la fase de construcción, los equipos pueden implementar sus estrategias, así como realizar el enmascaramiento de datos si es necesario.
5. Mantener. Los equipos deben mantener los datos de prueba para permitir la resolución de problemas y las correcciones a medida que responden a las solicitudes y realizan actualizaciones.

TDM frente a TEM

El término TEM significa gestión del entorno de prueba, por lo que se ocupa de las áreas en las que viven los datos de prueba. El entorno debe ser estable, validado y apto para la replicación de errores y situaciones de prueba.

Tipos comunes de datos de prueba

Hay cuatro tipos principales de datos de prueba y los desarrolladores deben construir un conjunto de estrategias y herramientas que aborden todos los tipos de datos. El tipo de datos de prueba que encuentran los equipos generalmente cae en una de las siguientes categorías.

• Datos sintéticos. Útil para las pruebas de nuevas funciones, este tipo de datos proviene de pruebas manuales. Si bien alivia las preocupaciones de seguridad, es víctima de un error humano. También requiere más conocimiento por parte del probador con respecto al entorno de prueba, las relaciones de datos y los datos en sí.
• Datos de produccion. Para una cobertura de prueba más completa, los datos de producción son la mejor opción. Sin embargo, puede resultar en filtraciones de información confidencial, mayores costos de almacenamiento y menor agilidad. Y deberá protegerse de modificaciones no intencionales durante el proceso de prueba.
• Datos de producción enmascarados. El enmascaramiento de datos requiere un entorno de prueba con almacenamiento suficiente para mantener la integridad referencial después de cualquier tipo de transformación de datos. Esto prolonga el aprovisionamiento del entorno, pero también permite que los equipos de desarrollo aprovechen los datos reales sin riesgo. El enmascaramiento de datos proviene de la anulación, anagrama, encriptación o sustitución.
• Subconjuntos de datos de producción. Estos segmentos permiten una mayor agilidad, requisitos de hardware reducidos y costos más bajos. No brindan una cobertura de prueba tan completa en comparación con las copias completas y aún pueden correr el riesgo de exposición de datos confidenciales.

Las mejores herramientas de gestión de datos de prueba

Las pruebas de datos requieren las mejores herramientas de gestión de datos de prueba para el trabajo. Encontrar el mejor para sus necesidades se reduce a algunos criterios como:

• usabilidad
• Propuesta de valor
• IU intuitiva
• Integraciones disponibles
• Reutilización de datos
• Enmascaramiento de datos
• Tamaños de conjuntos de datos y pruebas dirigidas

Herramientas tradicionales frente a soluciones modernas

Las herramientas tradicionales de TDM y los enfoques de prueba implican la clonación de una base de producción (incluidos o excluidos subconjuntos). Sin embargo, esto pone en riesgo la seguridad y la privacidad de los datos, carece de paralelismo y colisiones de datos, no tiene en cuenta los costos de infraestructura como el archivo de datos o la complejidad, y aún requiere una tonelada de experiencia especializada o secuencias de comandos con generación de datos sintéticos.

En cambio, aprovechar la simulación de datos con herramientas como Parasoft Virtualize elimina las dependencias compartidas, lo que reduce la complejidad. También mejora la capacidad de un equipo para abordar casos de uso raros y conjuntos de pruebas aislados. Puedes Lea más sobre los enfoques modernos de TDM y virtualización de datos en este blog.

Prácticas recomendadas de TDM

Independientemente de las fuentes de datos, los buenos datos de prueba deben estar disponibles cuando se necesiten, de buena calidad, conformes y realistas. La validación de la calidad de los datos y más va más allá de los resultados esperados en la mejor estrategia de datos.

Escriba casos de prueba y código detallados y de calidad

Si bien esto puede ser evidente, cuanto mejor sea la calidad de los ingredientes que use, mejor será su comida a la hora de la cena, ¿verdad? Lo mismo se aplica a los casos de prueba, código y pruebas. Además, la paralelización de las pruebas mejora la velocidad. Obtener resultados de prueba de mejor calidad a partir de datos de prueba de mejor calidad es fundamental en las metodologías ágiles.

Planificación, Mantenimiento y Seguridad

Mantener la seguridad de los datos de prueba es tan importante hoy en día como obtener resultados procesables, especialmente cuando se trata del cumplimiento del gobierno. El RGPD dicta que no puede usar datos reales para realizar pruebas, por lo que el enmascaramiento de datos se ha convertido en una estrategia clave. La planificación de su entorno de prueba, la estandarización de la prueba y la seguridad de los datos mejorarán la velocidad y la calidad del proyecto.

Pero no puede aprovechar este impulso sin un almacenamiento y mantenimiento adecuados. Las auditorías de datos de prueba deben realizarse con frecuencia para garantizar la precisión, la seguridad y la integridad de los datos.

Relevancia y actualización de datos

Aprovechar los datos que realmente necesita es fundamental cuando se trata de un TDM ágil. Piénselo de esta manera: si solo toma ropa de su armario y la pone en su maleta, es posible que no tenga los artículos que necesita para su viaje a Chicago en diciembre. De la misma manera, determinar qué tipo y cuántos datos necesita para su proceso de prueba es importante al crear casos de prueba.

Pero realizar una actualización de datos también afecta su relevancia. Si bien necesita reutilizar siempre que pueda, no necesita mantener datos desactualizados o obsoletos que ya no puede usar. Elimine datos irrelevantes para dejar espacio para nuevos datos que puedan proporcionar más información.

Automatización de implementos

El proceso de prueba no tiene que ser un trabajo largo y arduo. La automatización de procesos repetitivos puede aliviar la presión del desarrollo y liberar tiempo para concentrarse en otros proyectos. Al hacer uso de las pruebas automatizadas, puede aprovisionar datos más rápido, reducir las ocurrencias de errores humanos, integrarse en canalizaciones de integración continua/entrega continua (CI/CD) y más.

La automatización de las pruebas de regresión es un primer paso sencillo en el proceso de automatización. Pero los equipos de prueba también pueden buscar automatizar cosas como la producción de datos de prueba. No importa cuáles sean sus necesidades de datos o propósitos de prueba, soluciones automatizadas para pruebas funcionales, pruebas de rendimiento y más son imprescindibles en sus procesos de prueba.

Desafíos comunes de TDM

Los desafíos comunes de gestión de datos de prueba tienden a involucrar el mismo tipo de cosas, como:

• Confiar en datos desactualizados o irrelevantes.
• Solo utilizar bases de datos de producción completa y sus copias frente a utilizar segmentos relevantes o críticos.
• Correr el riesgo de infracciones de seguridad al no codificar o enmascarar información confidencial.
• Gran dependencia de los datos durante las pruebas.

Formas de combatir las trampas comunes

1. Utilice entornos de producción simulados que aíslen los datos de prueba con entradas controladas que brinden los resultados esperados. Estos datos se pueden comparar con los resultados reales.
2. Mejore la disponibilidad de los datos de prueba con subconjuntos de los datos de producción completos.
3. Reduzca la dependencia de su equipo de los datos de prueba si es necesario.
4. Adopte pruebas unitarias independientes que no dependan de datos externos.
5. Reduzca la dependencia de su equipo de los datos de prueba de la base de datos. Si no lo hace, encontrará una degradación del rendimiento, como una velocidad reducida, así como un aislamiento de prueba más difícil.

Virtualización de servicios con TDM: la combinación perfecta

Parasoft Virtualize se enfoca en A, B, C y D de los desestabilizadores del entorno de prueba. A es disponibilidad, B es comportamiento, C es costo y D son datos. Lograr consistencia en estas áreas es fundamental en el enfoque de desplazamiento a la izquierda. Pero muchos problemas con TDM se relacionan con lo lento y pesado que puede ser el conocimiento.

La automatización no puede reemplazar la experiencia humana, pero la introducción de un proxy entre el backend y cualquier aplicación bajo prueba permite que el proxy actúe como un policía de tráfico. Además, nuestra interfaz de usuario fácil de usar hace que la gestión del entorno de prueba también sea una tarea menos desalentadora. La Plataforma de Pruebas Continuas (CTP) trabaja con Test Data Manager para visualizar los datos de una manera más accesible. Incluso puede buscar con palabras clave y ver los resultados en formato tabular o basado en texto. En esencia, la virtualización de servicios puede ser un optimizador para todo el flujo de trabajo.