: --Open Source; 07 Junio 2022

Profesionales ya tendría un mejor control de calidad para elegir entre propietarias ó de código abierto

Los niveles de costo, complejidad y soporte son elementos clave cuando los equipos consideran herramientas de prueba funcional patentadas o de código abierto para sus entornos de desarrollo

Los profesionales de control de calidad tienen muchas opciones al elegir una herramienta de prueba automatizada. Para empezar, los evaluadores pueden considerar dos amplias categorías de herramientas: propietarias y de código abierto. Qué categoría de herramienta es mejor para cada organización de TI depende de algunos factores. Por ejemplo, mientras que las herramientas propietarias son más costosas en comparación con las herramientas de código abierto , a menudo no requieren tanto trabajo pesado para administrarlas y mantenerlas. Además, las herramientas propietarias vienen con el soporte del proveedor. Además de sopesar los beneficios y los inconvenientes de las herramientas patentadas y de código abierto, los evaluadores deben trazar un mapa de las características y capacidades exactas que necesitan, en función de los requisitos de la aplicación.

Compensaciones entre propietario y código abierto

El costo es una consideración importante al decidir entre una herramienta de prueba patentada o de código abierto. Si bien este último suele ser gratuito, hay compensaciones a considerar. Mientras que las herramientas propietarias vienen con un amplio soporte de proveedores, las herramientas de código abierto ofrecen más en términos de flexibilidad y personalización para optimizar la herramienta para un entorno específico. Por ejemplo, un equipo puede optar por bifurcar el repositorio público de una herramienta de código abierto y ajustarlo a sus necesidades particulares. Además, las herramientas de código abierto pueden ayudar a las organizaciones de TI a evitar el bloqueo de proveedores de herramientas propietarias.

La comunidad de código abierto puede proporcionar diferentes niveles de soporte y resolución de problemas. Sin embargo, una comunidad de código abierto puede no ser tan accesible o completa en comparación con el soporte de un proveedor.

Por ejemplo, LoadView, una herramienta de prueba patentada, puede resultar costosa. Una suscripción mensual para el paquete de inicio es de $159 cada mes cuando se suscribe a un contrato anual ($199 en un plan de mes a mes), pero eso solo permite algunas pruebas. Si los probadores necesitan ejecutar cinco o 10 pruebas, después de 1800 minutos de carga del inyector, se le cobra al equipo $199 adicionales por prueba. Este enfoque puede volverse costoso, pero los niveles de soporte y el amplio conjunto de funciones pueden justificar estos costos.

Con las opciones de código abierto, el costo financiero es menos preocupante. Dicho esto, los profesionales de control de calidad necesitan ciertos conjuntos de habilidades, y mucho tiempo, para administrar la herramienta ellos mismos. Por ejemplo, Vegeta es una herramienta de código abierto que se puede encontrar en GitHub . Aunque la herramienta es gratuita, los usuarios deben instalarla, determinar en qué servidor ejecutarla y mantenerla. Si necesitan ayuda para implementar o usar la herramienta, el único soporte disponible es el que pueden encontrar en línea.

Otras consideraciones para elegir una herramienta

En general, las herramientas de automatización de pruebas, independientemente de si son de código abierto o propietarias, se centran principalmente en las pruebas de rendimiento de las aplicaciones o en la verificación automatizada de códigos. Sin embargo, también pueden ofrecer características relacionadas con la funcionalidad, confiabilidad, eficiencia, mantenibilidad y portabilidad del software. Algunos brindan capacidades para la planificación del desarrollo, y esos planes se integran en una herramienta como Jira u otra herramienta de estilo de tablero Kanban .

Algunas herramientas de código abierto a considerar son las siguientes:

Selenio. Una herramienta de prueba de Python.
JMetro. Una herramienta de prueba de carga y rendimiento que puede simular ciertas cantidades de usuarios que acceden a una aplicación web.
vegetta Similar a JMeter, Vegeta es una herramienta de prueba de HTTP que está diseñada para perforar servicios HTTP con tantas solicitudes como la aplicación pueda aceptar.

Algunas opciones propietarias a considerar son las siguientes:

Base de fuego. Una herramienta de prueba de rendimiento basada en la nube que permite a los profesionales de control de calidad probar una aplicación en varios dispositivos.
BlazeMetro. Una herramienta de prueba de rendimiento basada en la nube que se integra con JMeter.
Vista de carga. Una herramienta de prueba de rendimiento basada en la nube que emula a los usuarios que acceden a un sitio web y a las API web front-end.
CargaNinja. Una herramienta basada en la nube para crear y registrar scripts de prueba para que los equipos puedan ejecutar continuamente scripts sin tener que volver a escribirlos.

Antes de elegir una herramienta de control de calidad, los evaluadores deben comprender los requisitos de una aplicación. Por ejemplo, si los profesionales de control de calidad necesitan probar una aplicación de back-end o garantizar la calidad del código, una herramienta de prueba de rendimiento que se centre en HTTP probablemente no tenga sentido. Alternativamente, una herramienta de prueba de rendimiento que se centre en el tráfico HTTP es una buena opción para los profesionales de control de calidad que prueban aplicaciones front-end y evalúan cuántos usuarios pueden acceder a un sitio web antes de que comience a tener problemas de rendimiento.

Historias relacionadas :

Meta Open Source : ya estaría transfiriendo Jest a la Fundación OpenJS

Android Open Source Project : estaría funcionando sin Google

Novu : ha diseñado una infraestructura de notificación para código abierto dirigido a desarrolladores

Appwrite : ha lanzado un fondo dirigido al desarrollo de software de código abierto

¿Porqué la economía es variable para el código abierto?

¿Existe la posibilidad de aplicar licencias de código abierto a los datos?

Deepset : empresa conocida de PNL de código abierto ya está invirtiendo en la búsqueda empresarial 'en inglés simple

Elon Musk : anuncio que el algoritmo de código abierto no lograría resolver los problemas de Twitter

¿Cuáles sería los riesgos emergentes del código abierto?

Mastodon : considerado como una alternativa de código abierto a Twitter

¿Cuáles sería las 3 tendencias en código abierto empresarial?