Ressources Outils de données synthétiques

Ydata est utilisé pour moi pour générer des rapports dynamiques au lieu d'utiliser plusieurs langues, modèles et bibliothèques.

Afficher plus

Afficher moins

Les leaders actuels en ingénierie de la qualité souhaitent que des données de test sécurisées soient disponibles à la demande dans différents environnements de test qui sont sur site et dans le cloud. Les données de test nécessaires doivent être de "haute qualité", ce qui signifie que les données sont dans un "état" et une condition connus afin que les résultats d'un cas de test particulier soient prévisibles et valides. La génération de données de test synthétiques permet de générer n'importe quel volume et variété de données avec une grande précision... pas seulement des données "réalistes", mais des données uniques / nouvelles, des données de cas négatifs et limites, toutes les permutations et combinaisons valides, et n'importe quel volume de données, dans n'importe quel format - pas seulement des données stockées dans une base de données SQL. Presque aucune des données décrites n'est disponible à partir d'une copie de base de données de production (masquée ou synthétisée), ce qui signifie que la plupart des ingénieurs en qualité ont recours à des méthodes manuelles, des feuilles de calcul, des scripts, etc. pour essayer de construire les données - ce qui est lent, encombrant et va à l'encontre de l'objectif de "qualité à vitesse". La génération de données synthétiques change la façon dont l'industrie des tests logiciels est capable de tester - réduisant le temps de cycle, augmentant la couverture et augmentant la productivité.

Afficher plus

Afficher moins

GenRocket utilise une méthodologie "Modéliser, Concevoir, Déployer, Gérer". Nous utilisons 14 méthodes différentes pour aider à automatiser la modélisation d'un projet de données de test qui représente très précisément les relations de données. Les méthodes incluent l'utilisation des métadonnées d'une base de données SQL, l'extraction d'un modèle de données à partir d'un outil de gestion des métadonnées tel qu'Ab.Initio, Allation ou Collibra, ou peut-être l'utilisation d'un XSD. Nous avons ensuite des automatisations qui aident un ingénieur de données de test à concevoir très rapidement toutes les données nécessaires (unité, intégration, charge, négatif) et toujours avec une intégration référentielle. Nous permettons ensuite un déploiement complètement flexible des données dans les pipelines CI/CD, les cadres d'automatisation des tests, et pouvons intégrer les données, à la demande, dans n'importe quel outil de test tel que LambdaTest, Tricentis Tosca ou Eggplant. Nous offrons enfin une couche de gestion qui permet une visibilité complète de ce qui se passe sur la plateforme avec des rapports et des tableaux de bord en temps réel.

Afficher plus

Afficher moins