Saltar al contenido
KendorDocs

Cómo crear una prueba para hacer en casa con una base de datos real

Da a los candidatos una instancia real de PostgreSQL, MySQL, MongoDB o Valkey, cárgala con un pequeño archivo SQL y escribe tests que la usen. Sin simulaciones, sin configuración local.

Una prueba para hacer en casa con una base de datos funciona mejor cuando el candidato recibe una base de datos real que ya está en marcha y cargada, de modo que el tiempo se dedica a la tarea y no a la configuración. Mantén pequeños el esquema y los datos de seed, escribe unos pocos tests que se ejecuten contra la base de datos real y asegúrate de que el entorno arranca igual para todos los candidatos.

¿Por qué usar una base de datos real en lugar de simulaciones?

La mayoría de los bugs de backend viven en la frontera entre el código y los datos: un índice que falta, una consulta que devuelve duplicados tras un join, una transacción que en realidad no lo es, una caché que se queda obsoleta. Un repositorio simulado lo oculta todo. Con una base de datos real, el candidato tiene que lidiar con los mismos problemas que traerá el puesto.

Una base de datos real también cambia lo que puedes pedir:

  • Escribir una migración que añada una columna sin perder datos.
  • Arreglar una consulta lenta y mostrar el plan de consulta antes y después.
  • Hacer que un endpoint sea seguro bajo concurrencia con una transacción o un bloqueo.
  • Añadir una caché delante de una lectura frecuente e invalidarla correctamente.

Nada de esto tiene sentido contra una simulación en memoria.

El coste de la configuración es el riesgo real

La objeción clásica es la configuración. Pedir a los candidatos que instalen PostgreSQL, creen un rol y carguen un volcado les cuesta una hora antes de escribir una línea, y esa hora favorece a quienes tienen el portátil adecuado. Uses la herramienta que uses, la base de datos debería estar en marcha cuando el candidato abre el proyecto.

Cárgala con un conjunto de datos pequeño y deliberado

Los datos de seed forman parte del diseño de la tarea. Unas cuantas reglas:

  • Lo bastante pequeño para leerlo. Diez clientes y cuarenta pedidos permiten a un candidato entender los datos con un solo SELECT. Un millón de filas generadas solo tienen sentido si la tarea trata del rendimiento.
  • Adaptado a la tarea. Si el bug trata de pedidos sin artículos, asegúrate de que el seed tiene uno. Si la tarea es la paginación, carga filas suficientes para tres páginas.
  • Primero el esquema, después los datos. Sepáralos en dos archivos, 001_schema.sql y 002_seed.sql, para que el candidato encuentre rápido las definiciones de las tablas.
  • Sin datos reales de clientes. Usa nombres y direcciones inventados, incluso para una contratación interna.

Si tu proyecto ya tiene migraciones (Prisma, Alembic, Django, Laravel), deja que el paso de instalación las ejecute y reserva el archivo de seed solo para los datos.

¿Qué tamaño debería tener la tarea?

Apunta a algo que puedas terminar en la mitad del límite de tiempo. Las tareas con bases de datos llevan más de lo que parece, porque el candidato primero tiene que explorar el esquema. Un cambio concreto, como un endpoint, una migración o la corrección de una consulta, más tests, es más que suficiente para 90 minutos.

Escribe tests que usen la base de datos

Los tests le dicen al candidato qué significa "terminado" y le permiten comprobar su propio trabajo. En una tarea de base de datos deberían ejecutarse contra la misma base de datos que usa la aplicación.

  • Lee la conexión del entorno, como DATABASE_URL, nunca una cadena fija en el código.
  • Limpia después de cada test. Envuelve cada uno en una transacción y haz rollback, o borra las filas que creó. La base de datos conserva sus filas mientras el candidato trabaja, así que los tests que dejan datos fallarán la segunda vez que se ejecuten.
  • Prueba el comportamiento, no el SQL. Verifica lo que devuelve el endpoint o lo que acaba en la tabla, de modo que cualquier solución correcta pase.
test/orders.test.js
const { test } = require('node:test');
const assert = require('node:assert');
const { Client } = require('pg');

test('an order with no items has a zero total', async () => {
  const db = new Client({ connectionString: process.env.DATABASE_URL });
  await db.connect();
  await db.query('BEGIN');

  const { rows } = await db.query(
    "INSERT INTO orders (customer_id) VALUES (1) RETURNING id",
  );
  const total = await db.query('SELECT order_total($1) AS total', [rows[0].id]);
  assert.strictEqual(Number(total.rows[0].total), 0);

  await db.query('ROLLBACK');
  await db.end();
});

Consejo. Entrega un test que pase y otro que falle y que describa la tarea. El candidato ve enseguida cómo se ejecutan los tests y qué queda por hacer.

¿Debes añadir una caché o una cola?

Solo si la tarea trata de eso. Un almacén compatible con Redis tiene sentido para un limitador de tasa, un almacén de sesiones o un problema de invalidación de caché. Añadir uno "por realismo" solo añade una segunda cosa que entender en una ventana corta.

Cómo hacerlo en Kendor

Kendor ejecuta PostgreSQL, MySQL, MongoDB y Valkey (compatible con Redis) dentro del sandbox del candidato, en 127.0.0.1. Arrancan antes de tus comandos de instalación, así que las migraciones pueden ejecutarse durante la instalación. Los declaras en kendor.yaml, en la raíz del proyecto. Referencia completa en Bases de datos.

kendor.yaml
version: 1
runtime:
  type: node
  version: "22"
databases:
  - type: postgres
    version: "18"
    init: db
  - type: valkey
    version: "9"
install:
  commands:
    - npm ci
services:
  api:
    dev:
      command: node --watch src/server.js
      port: 3000
    test:
      command: node --test
preview:
  service: api

Qué hace cada parte:

  • databases enumera como máximo una de cada tipo, y una sola base de datos SQL (PostgreSQL o MySQL). Están disponibles PostgreSQL 18, MySQL 8.4, MongoDB 8.0 y Valkey 9.
  • init es un archivo de seed, o una carpeta cuyos archivos de seed se ejecutan por orden de nombre: .sql para PostgreSQL y MySQL, .js para MongoDB. Se ejecuta una vez, justo después de crear la base de datos; en PostgreSQL, como una sola transacción. Debe ser una ruta dentro del proyecto. Valkey no admite init; cárgalo desde tu aplicación o desde la preparación de los tests.
  • name (opcional, no para Valkey) define el nombre de la base de datos. Por defecto es app.

Todos los procesos del sandbox, incluidos la aplicación, las terminales y los tests, reciben los datos de conexión: DATABASE_URL, PGHOST, PGPORT, PGUSER y PGDATABASE para PostgreSQL, DATABASE_URL y MYSQL_HOST y compañía para MySQL, MONGODB_URI para MongoDB, y REDIS_URL y VALKEY_URL para Valkey. También se definen las variables de Laravel y Spring (DB_HOST, SPRING_DATASOURCE_URL, etc.). Los candidatos pueden abrir psql, mysql, mongosh o redis-cli en la terminal para mirar dentro, y las bases de datos no son accesibles desde fuera del sandbox.

Configúralo desde el editor

Si prefieres no escribir YAML, abre el reto en el editor y usa Configuración de ejecución. En Bases de datos, elige el motor y la versión, y apunta Archivo de seed a tu SQL. Cambia a YAML sin procesar para ver lo que escribió. Cuando importas un repositorio, Kendor a menudo detecta la base de datos por ti, a partir de un esquema de Prisma, un docker-compose.yml o las dependencias del proyecto, y la rellena previamente.

Compruébalo como candidato

Elige Vista previa como candidato y ejecuta los tests desde la pestaña Tests. La pestaña Tests ejecuta el comando test de kendor.yaml; la salida TAP (node --test, pytest --tap-stream) da una fila por test. Consulta La pestaña Tests.

Nota. Las filas de la base de datos se conservan mientras el candidato trabaja, incluso tras un reinicio del sandbox. Sin embargo, no se guardan con la entrega: lo que revisas es el código, incluidas las migraciones y los archivos de seed que el candidato haya cambiado.

¿Te ha resultado útil este artículo?