Častou chybou je spoléhat se na testovací databázi, která je sdílená mezi vývojáři. Jeden spustí test, druhý mu smaže data, a výsledky jsou náhodné. Řešením je použít kontejnerizaci – každý běh testů si vytvoří čisté prostředí a po skončení ho zlikviduje. Tím se vyhnete flakym testům, které občas projdou a občas ne, a které vývojáři začnou ignorovat. Stejně tak se vyhněte testování přes síťová volání na produkční systémy – vždy používejte testovací endpointy nebo simulátory na úrovni protokolu.
Retrospektiva týmu často skončí u tří vět: „Vše bylo dobré”, „Trochu nám to skřípalo” a „Musíme to zlepšit”. Příště se pak sejdete s vědomím, že se nic nezmění, a vy i kolegové začnete schůzku vnímat jako nutné zlo. Problém přitom nebývá v tom, že by lidé nechtěli mluvit, ale v tom, že nemají žádný rámec, jak své postřehy formulovat. Strukturovaná zpětná vazba mění chaotickou výměnu názorů v konkrétní akce, které mají šanci přežít až do dalšího sprintu.
Pro lepší přehlednost organizujte testy do složek a používejte soubory conftest.py, kam můžete umístit fixtures sdílené napříč testy. Když pak spustíte pytest z příkazové řádky, můžete použít přepínače jako -k pro filtrování názvů nebo -x pro zastavení při prvním selhání. Nezapomeňte také na parametrizaci – pomocí @pytest.mark.parametrize můžete spustit stejný test s různými vstupy, což výrazně rozšíří pokrytí bez psaní nového kódu
Typická chyba je měřit pokrytí globálně za celý projekt. Souhrnné číslo skryje rozdíly mezi moduly — kritická platební logika může mít 30 % pokrytí, zatímco jednoduché pomocné funkce mají 95 %. Výsledný průměr pak vypadá dobře, ale riziko zůstává. Místo toho si rozdělte kód na moduly nebo vrstvy a měřte pokrytí pro každou zvlášť. Dobré pravidlo je zaměřit se na jádro systému, které se mění nejméně, a přechody mezi moduly, kde vzniká nejvíc chyb. Sledujte trend v čase, ne jen okamžitou hodnotu — pokud pokrytí klesá, je to signál, že přibývá netestovaného kódu.
Při samotné retrospektivě pak dejte prostor každému členovi týmu, a to rovnoměrně. Tichý kolega, který mlčí, protože ho přerušil extrovert, má často nejcennější postřehy. Vyhraďte proto pevný časový limit, třeba pět minut na osobu, a během něj nikdo neskáče do řeči. Pokud se objeví ostrá kritika, nechte ji zaznít a hned se zeptejte: „Co by podle tebe pomohlo?” Tím se vyhnete tomu, aby se schůzka proměnila v diskuzi o pocitech bez konkrétního výstupu.
Na závěr si dejte pozor na to, abyste nesklouzli k hodnocení, ale zůstali u pozorování. Místo „Ty jsi zase nesplnil deadline” řekněte „V úkolu č. 4 došlo ke dvoudennímu zpoždění, co bylo příčinou?” Tento posun od obviňování k analýze umožní otevřenou diskuzi, ze které vzejdou opatření, která tým skutečně přijme. Až příště uvidíte, že někdo začne mluvit o tom, kdo za co může, připomeňte celé skupině pravidlo: zaměřujeme se na proces, ne na osoby.
Druhou pastí je přehlížení integrace s ladicími nástroji. Mnoho začátečníků se spoléhá na tiskové výpisy, ale po čase narazí na problém, který takto neodhalí. Kvalitní IDE vám umožní nastavit breakpointy, procházet kód krok za krokem a sledovat hodnoty proměnných. Pokud tuto funkci ve svém editoru nemáte, naučte se alespoň používat pdb, standardní ladicí nástroj Pythonu. Je to nepohodlné, ale v nouzi zachrání situaci.
Optimální poměr není statický. Na začátku projektu s malým rozsahem vám stačí 90 % jednotkových testů. Jakmile codebase roste a přibývají integrační body, poměr se postupně mění. Sledujte, kde vznikají chyby, které se dostanou až do produkce. Pokud jsou to chyby v integraci, přidejte více integračních testů. Pokud jsou to logické chyby v jednotlivých metodách, posilte jednotkové. Testy jsou nástroj pro řízení rizik, ne cíl sám o sobě. Pravidelně revidujte, které testy skutečně zachytily chybu a které jen zabírají místo – ty nefunkční nebo redundantní bez váhání odstraňte.
Nakonec se zamyslete, jestli Redux potřebujete vůbec. Pro malé aplikace s pár komponentami je lepší použít lokální stav nebo Context API. Redux se vyplatí ve chvíli, kdy máte složité interakce mezi komponentami, potřebujete časově cestovat (debugging) nebo ukládáte stav na server. Pokud ho už používáte, držte se jednoduchosti: málo akcí, jasné reduktory a selektory. Tím udržíte kód udržovatelný i po měsících.
return Zakaznik(jmeno=’Jan’, vek=30)Tuto fixture pak vložíte jako parametr do testovací funkce. Pytest se postará o to, aby se fixture vytvořila před testem a případně uklidila po něm. Typickou chybou je vytvářet data přímo v testovací funkci – to vede k duplicitám a horší údržbě. Druhou častou chybou je používání globálního stavu, který se může měnit mezi testy a způsobit nepředvídatelné výsledky. Vždy používejte fixtures k izolaci
