കോഡ് എഴുതാതെ ഒരു മാനുവൽ QA ടീം 200 ടെസ്റ്റ് കേസുകൾ എങ്ങനെ ഓട്ടോമേറ്റ് ചെയ്തു

കോഡ് എഴുതാതെ ഒരു മാനുവൽ QA ടീം 200 ടെസ്റ്റ് കേസുകൾ എങ്ങനെ ഓട്ടോമേറ്റ് ചെയ്തു

കോഡിംഗ് ഇല്ലാതെ ടെസ്റ്റിംഗ് എങ്ങനെ ഓട്ടോമേറ്റ് ചെയ്യാം എന്ന് ഒരു ലോജിസ്റ്റിക്സ് സോഫ്റ്റ്‌വെയർ കമ്പനിയിലെ ചെറിയ QA ടീം കാണിച്ചുതരുന്നു.

ഒരു ലോജിസ്റ്റിക്സ് സോഫ്റ്റ്‌വെയർ കമ്പനിയിലെ ചെറിയ QA ടീം, കോഡൊന്നും എഴുതാതെ തന്നെ തങ്ങളുടെ ടെസ്റ്റിംഗ് പ്രക്രിയയുടെ വലിയൊരു ഭാഗം എങ്ങനെ ഓട്ടോമേറ്റ് ചെയ്യാമെന്ന് അടുത്തിടെ തെളിയിച്ചു.

ടീമും അവരുടെ വെല്ലുവിളിയും

നേഹ, ടോം, അരുൺ എന്നിവരായിരുന്നു ആകെ QA ഡിപ്പാർട്ട്‌മെന്റിൽ ഉണ്ടായിരുന്നത്. അവരുടെ വിക്കിയിൽ രേഖപ്പെടുത്തിയിട്ടുള്ള 214 ടെസ്റ്റ് കേസുകൾ കൈകാര്യം ചെയ്യുക എന്നതായിരുന്നു അവരുടെ ചുമതല. എന്നാൽ, ഇതിൽ 9 കേസുകൾ മാത്രമേ അവർക്ക് ഓട്ടോമേറ്റ് ചെയ്യാൻ കഴിഞ്ഞിരുന്നുള്ളൂ, ഓരോ റിലീസിനും 205 എണ്ണം മാനുവലായി റൺ ചെയ്യേണ്ടി വന്നു. അവരുടെ റിലീസ് സൈക്കിളിന് 11 ദിവസമെടുത്തു. പ്രത്യേകിച്ച് CTO ഇങ്ങനെ പറഞ്ഞപ്പോൾ സ്ഥിതി വളരെ പ്രയാസകരമായിരുന്നു: "നമുക്ക് ഒരു ഓട്ടോമേഷൻ എഞ്ചിനീയറെ നിയമിക്കാൻ കഴിയില്ല. ബജറ്റ് തീർന്നു, മികച്ചവരെ കണ്ടെത്താൻ അഞ്ച് മാസത്തോളം എടുക്കും."

പ്രശ്നത്തെ പുനർനിർവചിക്കുന്നു

കോഡിംഗോ ഓട്ടോമേഷൻ ഫ്രെയിംവർക്കുകളോ എങ്ങനെ പഠിക്കാം എന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നതിന് പകരം, നേഹ ആ ചോദ്യത്തെ പുനർനിർവചിച്ചു: തങ്ങളുടെ ടെസ്റ്റുകളെ മൂല്യവത്താക്കുന്നത് ഏത് അറിവാണ്? വിവരങ്ങൾ ഇതിനകം തന്നെ അവരുടെ ടെസ്റ്റ് കേസുകളിൽ രേഖപ്പെടുത്തിയിട്ടുണ്ടെന്നും അത് നിർബന്ധമായും കോഡ് ചെയ്യേണ്ടതില്ലെന്നും അവർ മനസ്സിലാക്കി. ഓരോ ടെസ്റ്റ് കേസിലും വിശദമായ ഘട്ടങ്ങളും പ്രതീക്ഷിക്കുന്ന ഫലങ്ങളും ഉൾപ്പെട്ടിരുന്നു, അവയെ ഓട്ടോമേറ്റഡ് സിനാരിയോകളാക്കി മാറ്റാൻ കഴിയുമായിരുന്നു.

ടെസ്റ്റ് കേസുകൾക്ക് മുൻഗണന നൽകൽ

ഓട്ടോമേഷനിലേക്ക് കടക്കുന്നതിന് മുമ്പ്, ടീം തങ്ങളുടെ 214 ടെസ്റ്റ് കേസുകൾ ഓഡിറ്റ് ചെയ്തു. ഈ കേസുകളിൽ ഏകദേശം 60 എണ്ണമാണ് മാനുവൽ ടെസ്റ്റിംഗ് പ്രയത്നത്തിന്റെയും ബിസിനസ്സ് റിസ്കിന്റെയും ഭൂരിഭാഗത്തിനും കാരണമാകുന്നതെന്ന് അവർ കണ്ടെത്തി. ഈ ഉൾക്കാഴ്ച ഉയർന്ന മുൻഗണനയുള്ള ഈ കേസുകൾ ആദ്യം ഓട്ടോമേറ്റ് ചെയ്യുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കാൻ അവരെ പ്രേരിപ്പിച്ചു.

ശരിയായ ടൂൾ തിരഞ്ഞെടുക്കൽ

ഓപ്ഷനുകൾ വിലയിരുത്തുന്നതിന് മുമ്പ് ടീം ഒരു ടെസ്റ്റിംഗ് ടൂളിനായുള്ള തങ്ങളുടെ ആവശ്യകതകൾ എഴുതിത്തയ്യാറാക്കി. അവർക്ക് ഇനിപ്പറയുന്ന രീതിയിലുള്ള ഒരു ടൂൾ ആവശ്യമായിരുന്നു:

  • പ്ലെയിൻ ഇംഗ്ലീഷിൽ ടെസ്റ്റുകൾ തയ്യാറാക്കാൻ അനുവദിക്കുന്നത് (കോഡിംഗ് ആവശ്യമില്ല).
  • UI, API, ഡാറ്റാബേസ് പരിശോധനകൾ ഉൾക്കൊള്ളുന്നത്.
  • ഡെവലപ്പർ ഫീഡ്‌ബാക്കിനായി Continuous Integration-മായി (CI) ഇന്റഗ്രേറ്റ് ചെയ്തത്.
  • ചെറിയ UI മാറ്റങ്ങൾക്കൊപ്പം സ്വയം നിലനിർത്താൻ കഴിയുന്നത്.
  • എഞ്ചിനീയർമാർ അല്ലാത്തവർക്കും വായിക്കാൻ കഴിയുന്ന റിപ്പോർട്ടുകൾ നൽകുന്നത്.

ഒരു ചെറിയ വിലയിരുത്തലിനു ശേഷം, ഈ മാനണ്ഡങ്ങൾ പാലിക്കുന്ന ഒരു ടൂൾ ഉപയോഗിച്ച് പൈലറ്റ് റൺ ചെയ്യാൻ അവർ തീരുമാനിച്ചു. ഇതിന്റെ സജ്ജീകരണത്തിന് ഒരു ഉച്ചതിരിഞ്ഞ് സമയം മാത്രമേ എടുത്തുള്ളൂ, ഇത് ഒരു കോഡിംഗ് ഫ്രെയിംവർക്കിൽ പരിശീലനം നേടുന്നതിന് മാസങ്ങളെടുക്കുന്നതിനേക്കാൾ വളരെ വേഗത്തിലായിരുന്നു.

ടെസ്റ്റ് കേസുകൾ ഓട്ടോമേറ്റ് ചെയ്യുന്നു

ടീം വളരെ ചെറിയ മാറ്റങ്ങളോടെ തങ്ങളുടെ മാനുവൽ ടെസ്റ്റ് കേസുകളെ ഓട്ടോമേറ്റഡ് സിനാരിയോകളാക്കി മാറ്റി. ഉദാഹരണത്തിന്, വൈകിയ ഒരു ഷിപ്പ്‌മെന്റ് പുനർനിയമിക്കുന്നതിനെക്കുറിച്ചുള്ള ഒരു ടെസ്റ്റ് കേസ് ഒരു മാനുവൽ ഫോർമാറ്റിൽ നിന്ന് ലളിതമായ ഭാഷയിലുള്ള സിനാരിയോ ആയി രൂപാന്തരപ്പെടുത്തി:

Feature: Shipment reassignment
  Scenario: Dispatcher reassigns a delayed shipment
    Given I am logged in as a Dispatcher
    When I filter the shipment list by "Delayed"
    And I select shipment "SH-2041"
    And I reassign it to a driver with available capacity
    Then the shipment should show the new driver
    And the previous driver's route should no longer include "SH-2041"
    And the customer should receive a delay notification

ഡെവലപ്പർമാർ കോഡ് എഴുതേണ്ട ആവശ്യമില്ലാതെ തന്നെ ടെസ്റ്റർമാർക്ക് ഓട്ടോമേറ്റ് ചെയ്യാൻ ഈ സമീപനം സഹായിച്ചു.

റോൾഔട്ട് പ്ലാൻ

ടീം തങ്ങളുടെ ഓട്ടോമേഷൻ ഘട്ടം ഘട്ടമായി നടപ്പിലാക്കി:

  1. ആഴ്ച 1: 214 കേസുകൾ ഓഡിറ്റ് ചെയ്ത് ഏറ്റവും പ്രധാനപ്പെട്ട 60 എണ്ണം തിരഞ്ഞെടുക്കുക.
  2. ആഴ്ച 2: 10 കേസുകൾ കൺവേർട്ട് ചെയ്യുകയും മാനുവൽ റണ്ണുകളുമായി ഒത്തുനോക്കി പരിശോധിക്കുകയും ചെയ്യുക.
  3. ആഴ്ച 3: മറ്റ് 20 എണ്ണം കൂടി കൺവേർട്ട് ചെയ്ത് ഡെവലപ്പർമാരുമായി റിപ്പോർട്ട് പങ്കിടുക.
  4. ആഴ്ച 4: മറ്റ് 30 എണ്ണം കൂടി കൺവേർട്ട് ചെയ്ത് CI-ലേക്ക് ബന്ധിപ്പിക്കുക.
  5. ആഴ്ച 5+: കൺവേർട്ട് ചെയ്ത കേസുകൾക്കായുള്ള മാനുവൽ റണ്ണുകൾ ഒഴിവാക്കുകയും 20 എണ്ണത്തിന്റെ ബാച്ചുകളായി കൺവേർഷൻ തുടരുകയും ചെയ്യുക.

മാനുവൽ പതിപ്പ് ഒഴിവാക്കുന്നതിന് മുമ്പ് ഓരോ ഓട്ടോമേറ്റഡ് ടെസ്റ്റും അതിന്റെ മാനുവൽ കൗണ്ടർപാർട്ടിനൊപ്പം റൺ ചെയ്യുന്നുവെന്ന് അവർ ഉറപ്പുവരുത്തി.

പഠിച്ച പാഠങ്ങൾ

ഈ വഴിയിൽ ടീം ചില വെല്ലുവിളികൾ നേരിട്ടു:

  • വ്യക്തമല്ലാത്ത പ്രതീക്ഷിക്കുന്ന ഫലങ്ങൾ: തങ്ങളുടെ സിനാരിയോകളിൽ നിരീക്ഷിക്കാൻ കഴിയുന്ന ഫലങ്ങൾ വ്യക്തമാക്കാൻ അവർ പഠിച്ചു.
  • മാനുവൽ ഘട്ടങ്ങൾ അതേപടി പകർത്തുന്നത്: ഓട്ടോമേറ്റഡ് സിനാരിയോകൾ ക്ലിക്കുകൾ അനുകരിക്കുന്നതിന് പകരം ഉദ്ദേശ്യത്തെ വ്യക്തമാക്കണമെന്ന് അവർ മനസ്സിലാക്കി.
  • ഉടമസ്ഥതാ പ്രശ്നങ്ങൾ: ഉത്തരവാദിത്തം ഉറപ്പാക്കാൻ അവർ ടെസ്റ്റ് ട്രയാജിനായി മാറിമാറി വരുന്ന ഒരു ചുമതല നൽകി.
  • ടെസ്റ്റ് ഡാറ്റ പ്ലാനിംഗ്: ടെസ്റ്റുകൾക്ക് ആവശ്യമായ ഡാറ്റ ലഭ്യമാണെന്ന് ഉറപ്പാക്കാനുള്ള ഘട്ടങ്ങൾ അവർ കൂട്ടിച്ചേർത്തു.

ഫലങ്ങൾ

ഓട്ടോമേഷൻ നടപ്പിലാക്കിയ ശേഷം, ടീം ശ്രദ്ധേയമായ പുരോഗതികൾ കണ്ടു:

  • ഓട്ടോമേറ്റഡ് ടെസ്റ്റ് കേസുകൾ 9-ൽ നിന്ന് 187 ആയി ഉയർന്നു.
  • ഓരോ റിലീസിനുമുള്ള മാനുവൽ റിഗ്രഷൻ പ്രയത്നം ഏകദേശം 5 ദിവസത്തിൽ നിന്ന് വെറും 1 ദിവസമായി കുറഞ്ഞു.
  • റിലീസ് സൈക്കിൾ സമയം 11 ദിവസത്തിൽ നിന്ന് 4 ദിവസമായി കുറഞ്ഞു.
  • ഈ പ്രക്രിയയിൽ അവർ നേരത്തെ തന്നെ ബഗുകൾ കണ്ടെത്തി, ഇത് ഉൽപ്പന്നത്തിന്റെ ഗുണനിലവാരം മെച്ചപ്പെടുത്താൻ സഹായിച്ചു.

ഏറ്റവും പ്രധാനമായി, ടീമിന്റെ മനോവീര്യം മെച്ചപ്പെട്ടു. ആവർത്തിച്ചുള്ള ജോലികൾക്കായി ടെസ്റ്റർമാർ കുറഞ്ഞ സമയം ചെലവഴിക്കുകയും എക്സ്പ്ലോറേറ്ററി ടെസ്റ്റിംഗിനായി കൂടുതൽ സമയം കണ്ടെത്തുകയും ചെയ്തു, ഇത് വിലപ്പെട്ട ബഗുകൾ കണ്ടെത്താൻ അവരെ സഹായിച്ചു.

ഉപസംഹാരം

ഈ ചെറിയ QA ടീം കോഡ് എഴുതാതെ തന്നെ തങ്ങളുടെ ടെസ്റ്റ് കേസുകളുടെ വലിയൊരു ഭാഗം വിജയകരമായി ഓട്ടോമേറ്റ് ചെയ്തു. തങ്ങളുടെ നിലവിലുള്ള അറിവിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചും ശരിയായ ടൂളുകൾ തിരഞ്ഞെടുത്തും, അവർ ഒരു വെല്ലുവിളി നിറഞ്ഞ സാഹചര്യത്തെ മെച്ചപ്പെടാനുള്ള അവസരമാക്കി മാറ്റി.

നേട്ടങ്ങൾ

  • ടെസ്റ്റിംഗ് പ്രക്രിയകളിൽ വർദ്ധിച്ച കാര്യക്ഷമത.
  • റിഗ്രഷൻ ടെസ്റ്റിംഗിനായി ചെലവഴിക്കുന്ന മാനുവൽ പ്രയത്നത്തിലും സമയത്തിലും കുറവ്.
  • നേരത്തെയുള്ള ബഗ് കണ്ടെത്തലിലൂടെ ഉൽപ്പന്നത്തിന്റെ ഗുണനിലവാരം മെച്ചപ്പെട്ടു.
  • മെച്ചപ്പെട്ട ടീം മനോവീര്യവും തൊഴിൽ സംതൃപ്തിയും.

പോരായ്മകൾ

  • പുതിയ ടൂളിനായുള്ള പ്രാരംഭ സജ്ജീകരണവും ലേണിംഗ് കർവും.
  • ആപ്ലിക്കേഷൻ വികസിക്കുന്നതിനനുസരിച്ച് ഓട്ടോമേറ്റഡ് ടെസ്റ്റുകൾ പരിപാലിക്കുന്നതിൽ ഉണ്ടായേക്കാവുന്ന വെല്ലുവിളികൾ.

ജാഗ്രത

ഈ ലേഖനം വിദ്യാഭ്യാസപരമായ ആവശ്യങ്ങൾക്കുള്ളതാണ്, കൂടാതെ ഏതൊരു പ്ലേസ്‌ഹോൾഡർ മൂല്യങ്ങളും യഥാർത്ഥ ഡാറ്റ ഉപയോഗിച്ച് മാറ്റേണ്ടതുണ്ട്. വായനക്കാർ അവയെ ആശ്രയിക്കുന്നതിന് മുമ്പ് യഥാർത്ഥ ഉറവിടവുമായി ഒത്തുനോക്കി അവകാശവാദങ്ങൾ സ്ഥിരീകരിക്കണം.

പതിവായി ചോദിക്കുന്ന ചോദ്യങ്ങൾ

  • എന്താണ് മാനുവൽ QA? — സോഫ്റ്റ്‌വെയറിന്റെ പ്രവർത്തനം പരിശോധിക്കുന്നതിനായി ഓട്ടോമേഷൻ ടൂളുകളില്ലാതെ ടെസ്റ്റർമാർ നേരിട്ട് ടെസ്റ്റ് കേസുകൾ റൺ ചെയ്യുന്നതിനെയാണ് മാനുവൽ QA എന്ന് പറയുന്നത്.
  • ഒരു ചെറിയ QA ടീമിന് എങ്ങനെ ടെസ്റ്റുകൾ ഓട്ടോമേറ്റ് ചെയ്യാം? — കോഡിംഗ് ഇല്ലാതെ തന്നെ ലളിതമായ ഭാഷയിൽ ടെസ്റ്റുകൾ എഴുതാൻ സഹായിക്കുന്ന ടൂളുകൾ ഉപയോഗിച്ച് ഒരു ചെറിയ QA ടീമിന് ടെസ്റ്റുകൾ ഓട്ടോമേറ്റ് ചെയ്യാൻ കഴിയും.
  • ടെസ്റ്റ് ഓട്ടോമേഷന്റെ പ്രയോജനങ്ങൾ എന്തൊക്കെയാണ്? — ടെസ്റ്റ് ഓട്ടോമേഷന് കാര്യക്ഷമത വർദ്ധിപ്പിക്കാനും, മാനുവൽ പ്രയത്നം കുറയ്ക്കാനും, ബഗുകൾ നേരത്തെ കണ്ടെത്തി ഉൽപ്പന്നത്തിന്റെ ഗുണനിലവാരം മെച്ചപ്പെടുത്താനും കഴിയും.
  • ഓട്ടോമേഷനിൽ QA ടീമുകൾ നേരിടുന്ന വെല്ലുവിളികൾ എന്തൊക്കെയാണ്? — വിഭവങ്ങളുടെ പരിമിതികൾ, ടൂൾ തിരഞ്ഞെടുക്കൽ, ഓട്ടോമേറ്റഡ് ടെസ്റ്റുകൾ പരിപാലിക്കൽ എന്നിവയാണ് പൊതുവായ വെല്ലുവിളികൾ.
  • ഓട്ടോമേഷനായി ടെസ്റ്റ് കേസുകൾക്ക് നിങ്ങൾ എങ്ങനെ മുൻഗണന നൽകും? — ടെസ്റ്റ് കേസുകളുടെ സ്വാധീനം, ഉപയോഗത്തിന്റെ ആവൃത്തി, അനുബന്ധ ബിസിനസ്സ് റിസ്ക് എന്നിവയെ അടിസ്ഥാനമാക്കി മുൻഗണന നൽകാം.
  • ടെസ്റ്റ് ഓട്ടോമേഷനായി ഏതൊക്കെ ടൂളുകൾ ഉപയോഗിക്കാം? — യൂസർ-ഫ്രണ്ട്‌ലി ഇന്റർഫേസുകളിലും ഇന്റഗ്രേഷൻ ശേഷികളിലും ശ്രദ്ധ കേന്ദ്രീകരിച്ച്, കോഡിംഗ് ഇല്ലാതെ ഓട്ടോമേഷൻ സാധ്യമാക്കുന്ന വിവിധ ടൂളുകൾ ലഭ്യമാണ്.

ടാഗുകൾ

#qa #automation #testing #softwaretesting #qualityassurance #testautomation #devops #logistics #teamwork #efficiency

Free field guide

Kubernetes Security Checklist

Harden cluster access, workload identity, pod security, network boundaries, software supply chain, secrets, and operational monitoring.