Descripción del proyecto
TraducidoGestionamos una tienda en línea y esperamos una gran venta estacional en unas pocas semanas. El tráfico aumentará drásticamente en minutos cuando comience la campaña, y necesitamos saber de antemano si el sitio soporta el pico o colapsa en el proceso de pago. Buscamos un ingeniero de QA para diseñar y ejecutar pruebas de carga realistas contra nuestra copia de staging y producir un informe claro sobre el que podamos actuar.
El trabajo debe modelar el comportamiento real de los compradores en lugar de golpes ciegos: navegar por el catálogo, buscar, abrir páginas de productos, agregar artículos al carrito y completar un pedido, mezclados en proporciones realistas. Queremos pruebas en varios niveles de concurrencia hasta un pico acordado, un escenario de pico corto que simule los primeros minutos de la venta, y scripts repetibles que podamos volver a ejecutar después de las correcciones. El informe debe nombrar los cuellos de botella: consultas lentas, caché delgada, un grupo saturado o un servidor débil, con números, no con conjeturas, y clasificarlos por impacto.
Se proporcionará acceso a un entorno de staging y registros. Los entregables son los scripts de prueba, resultados en bruto y un documento de hallazgos priorizados con recomendaciones. Por favor, describe tus herramientas y cómo mantienes las pruebas cerca del tráfico real.
En alcance:
— escenarios de usuario realistas y una mezcla realista;
— perfiles de carga de aumento y pico;
— un informe de cuellos de botella clasificado por impacto con números claros.
El trabajo debe modelar el comportamiento real de los compradores en lugar de golpes ciegos: navegar por el catálogo, buscar, abrir páginas de productos, agregar artículos al carrito y completar un pedido, mezclados en proporciones realistas. Queremos pruebas en varios niveles de concurrencia hasta un pico acordado, un escenario de pico corto que simule los primeros minutos de la venta, y scripts repetibles que podamos volver a ejecutar después de las correcciones. El informe debe nombrar los cuellos de botella: consultas lentas, caché delgada, un grupo saturado o un servidor débil, con números, no con conjeturas, y clasificarlos por impacto.
Se proporcionará acceso a un entorno de staging y registros. Los entregables son los scripts de prueba, resultados en bruto y un documento de hallazgos priorizados con recomendaciones. Por favor, describe tus herramientas y cómo mantienes las pruebas cerca del tráfico real.
En alcance:
— escenarios de usuario realistas y una mezcla realista;
— perfiles de carga de aumento y pico;
— un informe de cuellos de botella clasificado por impacto con números claros.
Desarrollo de software Efectivo, Transferencia bancaria
