Коротко:
Мы разработали систему для автоматического определения набора тестов на основеgit diff. Связали модули проекта с бизнес-фичами через трассировку выполнения кода во время тестов. Теперь любой релиз можно оценить на достаточность покрытия e2e-тестами. Решили вопрос селективного запуска на всех уровнях пирамиды тестирования. Что важно — маппингtests->feature->filesсоздаётся и поддерживается автоматически при поддержке тестов, без дополнительной ручной работы.
Рубрика «continious delivery»
Автоматическая регрессия по git-diff. Как мы связали код, фичи и тесты, открыв путь к Continuous Delivery (Full)
2025-11-01 в 7:13, admin, рубрики: allure, continious delivery, playwright, regression testing, tia, TMS, тестированиеЧто такое CI-CD, и почему непрерывная? Темная сторона силы настоящего и воспоминания о прошлом
2025-03-07 в 10:19, admin, рубрики: CICD, continious delivery, continuous integration, developer tools, software architecture, software developmentМне тут попалась статья по теме, которая начинается с такого определения:
Непрерывная интеграция (Continuous Integration, CI) и непрерывная поставка (Continuous Delivery, CD) представляют собой культуру, набор принципов и практик, которые позволяют разработчикам чаще и надежнее развертывать изменения программного обеспечения.
Как по мне, то с самого начала нас пытаются если не подло обмануть, но ввести в заблуждение. Как вы думаете, почему разработчикам нужно чаще вносить-развертывать изменения программного обеспечения? Насколько я знаю, для этого есть только две очевидных причины.
Как машинное обучение в YouDo катится в продакшен. Лекция в Яндексе
2018-11-04 в 8:00, admin, рубрики: canary, continious delivery, continious integration, event stream processing, feature toggle, gitflow, nomad, youdo, Блог компании Яндекс, машинное обучение, мердж, Микросервисная архитектура, оркестрация, пайплайн, продакшен, Промышленное программированиеВ крупных сервисах решить какую-нибудь задачу с помощью машинного обучения — означает выполнить только часть работы. Встраивать ML-модели не так уж просто, а налаживать вокруг них CI/CD-процессы еще сложнее. На конференции Яндекса «Data & Science: программа по заявкам» руководитель направления data science в компании YouDo Адам Елдаров рассказал о том, как управлять жизненным циклом моделей, настраивать процессы дообучения и переобучения, разрабатывать масштабируемые микросервисы, и о многом другом.
— Начнем с вводных. Есть data scientist, он в Jupyter Notebook пишет какой-то код, делает фиче-инжениринг, кросс-валидацию, тренирует модельки. Скор растет.Читать полностью »