Вопрос проверяет, насколько кандидат системно подходит к тестированию backend-приложений и какие конкретные инструменты и уровни тестирования он применяет на практике.
Обычно для тестирования backend-приложений используют несколько уровней тестов: модульные, интеграционные, end-to-end и нагрузочные. В Python для этого часто применяют pytest, вместе с requests/httpx для HTTP-запросов и pytest-asyncio для асинхронного кода. Для работы с базой данных используют временные тестовые БД или in-memory решения и фикстуры, очищающие данные между тестами. Для API часто применяют тестовые клиенты фреймворков (например, TestClient в FastAPI или APIClient в Django REST Framework). Наконец, важно интегрировать тесты в CI/CD, чтобы они автоматически запускались при каждом изменении кода.
Тестирование backend-приложений — это не один инструмент, а набор подходов и уровней проверки системы.
Модульные тесты
Определение:
Модульный тест — это тест, который проверяет маленький, изолированный кусок кода (функцию, метод, класс) без зависимостей от внешних сервисов.
Проверяют бизнес-логику без обращения к БД, сети и т.п.
Быстрые, их удобно запускать часто (при каждом коммите).
Часто сопровождаются моками (mock, pytest-mock) для подмены внешних вызовов.
Интеграционные тесты
Определение:
Интеграционный тест — это тест, который проверяет, как несколько компонентов работают вместе (например, сервис + база данных + кэш).
Проверяют сценарии, близкие к реальному использованию.
Часто поднимают тестовую БД (Postgres, MySQL) через Docker.
Используют реальные миграции и реальные HTTP-запросы к приложению.
End-to-end (E2E) тесты API
Проверяют работу приложения «от запроса до ответа».
Делают реальные HTTP-запросы к запущенному сервису и проверяют JSON-ответы.
Часто используются в микросервисной архитектуре для проверки критичных API.
Нагрузочные и performance-тесты
Оценивают, как сервис ведёт себя под нагрузкой.
Используют инструменты типа locust, k6, JMeter.
pytest
Де-факто стандарт в Python для тестирования.
Поддерживает:
фикстуры для настройки окружения;
параметризацию тестов;
плагины (pytest-django, pytest-asyncio, pytest-cov).
Python
import pytest
from app.services import calculate_discount
def test_calculate_discount_basic():
result = calculate_discount(price=100, percent=10)
assert result == 90
Тестовые клиенты фреймворков
FastAPI: TestClient из fastapi.testclient.
Django/DRF: APIClient из rest_framework.test.
aiohttp: встроенный тестовый клиент.
Python
from fastapi.testclient import TestClient
from app.main import app
client = TestClient(app)
def test_read_users():
response = client.get("/users")
assert response.status_code == 200
assert isinstance(response.json(), list)
Работа с БД в тестах
Использование отдельной тестовой базы (часто через Docker).
Откат миграций и очистка данных между тестами.
Фикстуры, создающие тестовые данные.
Python
@pytest.fixture
def user_in_db(db_session):
# создаём пользователя в тестовой БД
...
return user
Моки и фейки
Мокают HTTP-запросы (responses, pytest-httpx).
Мокают внешние очереди (RabbitMQ, Kafka) и кэши (Redis).
Это ускоряет тесты и делает их детерминированными.
CI/CD
Прогон всех тестов в GitHub Actions, GitLab CI, Jenkins и т.п.
Генерация отчётов о покрытии (coverage, pytest-cov).
Docker и docker-compose
Поднимают окружение для интеграционных тестов: app + DB + Redis.
Обеспечивают одинаковое окружение локально и в CI.
Структура проекта
Принято хранить тесты в каталоге tests/.
Разделение по доменам: tests/test_users, tests/test_orders.
Для тестирования backend-приложений важно использовать комбинацию разных уровней тестов: от модульных до интеграционных и нагрузочных, а также интегрировать их в CI/CD. В Python чаще всего опираются на pytest, тестовые клиенты фреймворков и отдельное тестовое окружение (БД, кэш, очереди) в Docker.
