Las pruebas de rendimiento (III): el auge de las pruebas de rendimiento basada en IA

Ya os lo contamos en los post anteriores sobre pruebas de rendimiento, pero puesto que intentamos ofrecer aplicaciones atractivas que funcionen y agraden a los usuarios finales, en el futuro, puede que tengamos la posibilidad de extraer información de las redes sociales de nuestros clientes para generar valoraciones del rendimiento de las aplicaciones en el mundo real, e incorporar esa información al proceso de desarrollo y pruebas.

Actualmente, si los equipos de DevOps tienen que hacerlo, se trata de todo un arte con un elevado componente manual. Con un enfoque automatizado y basado en inteligencia artificial, podríamos emplear la información de las redes sociales como objetivo de diseño según el rendimiento real de las aplicaciones de, por ejemplo, un vehículo autónomo.

Hoy en día, el poder de la inteligencia artificial de una forma muy avanzada está al alcance de todos, en cualquier momento y lugar: piense en Cortana, Siri y Alexa. Algo que estas aplicaciones de inteligencia artificial tienen en común es que tienen un dominio limitado; es decir, el usuario debe definir el objetivo específico. Esto es así tanto en el caso de la integración en la domótica con Alexa, como si hablamos del uso de una inteligencia artificial futura diseñada para crear casos de pruebas automáticamente, generar código de pruebas, realizar comprobaciones sin código o acelerar el ciclo de DevOps en general.

El primer caso de uso razonable de este tipo de pruebas con inteligencia artificial podría ser la gestión de tests y la creación de casos de comprobación de forma automática. Un conjunto de procesos y estándares integrados podrían contribuir en gran medida a mantener la coherencia y alineación de todos los equipos de DevOps.

Otro caso de uso razonable puede ser la automatización de pruebas sin código, lo que permitiría definir, con un lenguaje simple, qué se debe comprobar, las condiciones que se deben cumplir y los criterios de éxito y SLA, entre otros, de manera que la inteligencia artificial pueda crear y ejecutar automáticamente tests en la aplicación sin necesidad de escribir código.

Puesto que uno de los principales puntos fuertes de la inteligencia artificial es el reconocimiento de patrones, sería lógico pensar que la IA podría extraer patrones relevantes que se puedan utilizar para la comprobación de carga, lo que favorece el proceso de creación de modelos de comprobación.

La inteligencia artificial, una vez que aprende la «huella» del rendimiento de las aplicaciones durante la comprobación de componentes anterior que tiene lugar en la fase de desarrollo, podría hacer las veces de colaborador al ofrecer mejores prácticas sobre la mejor forma de realizar la prueba de carga de las aplicaciones. Sería como tener a un gran maestro del ajedrez a su lado cuando intenta realizar la primera jugada de la partida.

En este enfoque basado en inteligencia artificial, el aprendizaje automático entra en acción. Realice una prueba de carga de la aplicación y compruebe el rendimiento con la herramienta de supervisión. Si la simulación está desactivada, vuelva a realizar la comprobación con un conjunto nuevo de parámetros. Así de fácil, ¿verdad? Desde luego, se trata de un ciclo de “rehacer y repetir” que le permite realizar cientos de combinaciones de comprobación por minuto, a la vez que le ayuda a crear un conjunto sólido de datos de rendimiento de aplicaciones.

Conclusión

Conforme las empresas exploran la transformación digital (otra vez esta expresión), hemos visto cómo esta introduce cambios en el negocio, como aquellos que son necesarios en los productos (qué se produce y se vende), los procesos (cómo se organiza el equipo para comercializar los productos) y las personas (la preparación, el nivel y las capacidades necesarias del personal [quién]).

Algo que no ha cambiado es la necesidad de los desarrolladores y evaluadores de mostrar su capacidad para adaptarse y aplicar un razonamiento crítico a los nuevos retos, destacando el valor que aportan a la empresa como eje central de la implementación de la transformación digital venidera.

La obtención de velocidad y calidad en la pruebas de rendimiento en un entorno de DevOps será el resultado final de:

• La capacitación del evaluador/desarrollador para realizar su propia prueba de rendimiento de las aplicaciones
• La distribución continua de aplicaciones más atractivas a los usuarios finales
• La optimización del proceso de prueba del rendimiento, que incluye la automatización siempre que sea posible

Destacar sobre la competencia (y guardar la distancia con ella) dependerá de que los desarrolladores y evaluadores trabajen al unísono. Este equipo de DevOps creará prácticas de comprobación más rápidas y mejoradas, lo que impulsará la transformación del negocio y generará nuevas oportunidades.

¿Se ha perdido las partes anteriores de esta serie de tres publicaciones?

Las pruebas de rendimiento (II): La evolución necesaria

Las pruebas de rendimiento (I): ¿Cómo serán en el futuro?

Fuentes| Parte 1: The Coming Digital Transformation (La transformación digital venidera)

Parte 2: What Makes a Great Tester in a DevOps Environment? (¿Qué hace que un evaluador marque la diferencia en un entorno de DevOps?)

Henrik Rexed

Performance Advocate – Partner Solution Advocate I ‎NEOTYS