Як скоротити час E2E-регресії на 91%, не переписуючи сотні тестів? А що, якщо більшість із них взагалі не потрібно запускати після кожного мерджу?

👀

У цьому відео розповідаю про реальний кейс автоматизації E2E-тестування: як я реалізувала Test Impact Analysis, що дозволяє автоматично визначати, які саме тести потрібно запускати після змін у коді.

Результат:
🚀 Час регресії скоротився з 56 до 5 хвилин.
🔥 Для невеликих змін замість 511 тестів запускаються лише 5.
🤖 Близько 95% коду рішення було написано за допомогою AI.

Про що поговоримо:

• Що таке Test Impact Analysis і навіщо він потрібен.
• Як працює Coverage Matrix.
• Як збирати покриття за допомогою Playwright, V8 Coverage та Source Maps.
• Як автоматизувати вибір affected E2E-тестів у CI/CD.
• Які проблеми виникли під час реалізації та як я їх вирішувала.
• Як я використовувала AI для розробки цього рішення.
• Які результати отримали на реальному проєкті.

Це не теоретична розповідь про те, як можна було б оптимізувати тестування, а практичний досвід реалізації рішення, яке вже працює.