Писать нагрузочные тесты на Python с использованием Locust.
Создавать сложные сценарии нагрузки с использованием TaskSet, SequentialTaskSet, event hooks.
Разрабатывать масштабируемые нагрузочные фреймворки с учётом архитектурных паттернов и лучших практик.
Запускать нагрузочные тесты в CI/CD пайплайне.
Поднимать микросервисные системы с помощью Docker Compose и использовать их в автотестах и нагрузке.
Реализовывать mock-сервисы для HTTP с использованием FastAPI.
Реализовывать mock-сервисы для gRPC с использованием grpcio.
Проектировать гибкие, переиспользуемые HTTP/gRPC API-клиенты, применимые в нагрузке, сидинге и автотестах.
Интерпретировать клиентские метрики: RPS, latency, response time, percentiles.
Анализировать системные метрики: CPU, RAM, disk I/O, network.
Работать с современными инструментами: Kafka UI, pgAdmin, Postman, MinIO (S3), Redis, Grafana, Docker, Docker Compose, GitLab CI, Postman, curl, grpcurl.
Применять библиотеку HTTPX для написания HTTP-клиентов.
Использовать Pydantic и Pydantic Settings для валидации данных и настройки проекта
Применять Faker для генерации тестовых данных.
Оценивать и формировать нагрузочные профили на основе реальных сценариев использования.
Разрабатывать сценарии сидинга и собственный сидинг-билдер для подготовки базы перед нагрузочным тестом тестовых данных перед нагрузочнывм тестированием.
Понимать и применять принципы микросервисной и монолитной архитектуры, различать их особенности и ограничения.
Анализировать архитектурные особенности нагружаемой системы: понимать, что, зачем и как мы тестируем.
Использовать Prometheus + cAdvisor для сбора и анализа метрик на уровне контейнеров и сервисов.
Эффективно проходить собеседования: получить практические советы, применимые в реальной жизни.
Работать с Git, публиковать и доводить до финала проект на GitHub, GitLab, что станет отличным дополнением к резюме.
Закрепиться на позиции после устройства на работу и продолжать профессиональный рост.
Для кого этот курс
— Для QA-инженеров (ручных и автоматизаторов), которые хотят выйти за пределы функционального тестирования и научиться проверять производительность систем, строить нагрузочные сценарии и анализировать реальные метрики.
— Для QA Automation-инженеров, которые уже уверенно пишут автотесты, но хотят прокачать навыки работы с нагрузкой, HTTP/gRPC, сидингом и CI/CD.
— Для разработчиков, которые хотят лучше понимать, как их сервисы ведут себя под нагрузкой, как анализировать узкие места и проектировать системы с учётом масштабирования.
— Для DevOps и SRE-инженеров, которым важно понимать, как проводить нагрузочное тестирование до релиза, отслеживать системные метрики и автоматизировать проверку SLA.
— Для начинающих специалистов, которые планируют войти в IT через тестирование и хотят с самого старта формировать инженерное мышление и разбираться в архитектуре сложных систем.
— Для тех, кто ищет работу или готовится к собеседованиям на позиции QA/performance-инженера, и хочет иметь в портфолио не просто курс, а фундаментальный, практически ориентированный опыт.
— Для тех, кто уже проходил курсы по Locust, JMeter или k6, но чувствует, что не понимает, зачем и как всё это работает. Этот курс поможет выстроить системную картину и избавиться от подхода «просто запускаю нагрузку».
— Для инженеров, которым важно разбираться в микросервисной архитектуре, взаимодействии сервисов, очередях, базе данных, кешах, и понимать, что именно нагружается и как это влияет на систему в целом.