Como construir um take-home com uma base de dados real
Dá aos candidatos uma instância real de PostgreSQL, MySQL, MongoDB ou Valkey, preenche-a com um pequeno ficheiro SQL e escreve testes que a usem. Sem mocks, sem configuração local.
Um take-home com base de dados funciona melhor quando o candidato recebe uma base de dados real que já está a correr e preenchida, para que o tempo vá para a tarefa e não para a configuração. Mantém o esquema e os dados de seed pequenos, escreve alguns testes que corram contra a base de dados real e garante que o ambiente arranca da mesma forma para todos os candidatos.
Porquê usar uma base de dados real em vez de mocks?
A maioria dos bugs de backend vive na fronteira entre o código e os dados: um índice em falta, uma query que devolve duplicados depois de um join, uma transação que não o é, uma cache que fica desatualizada. Um repositório simulado esconde tudo isso. Com uma base de dados real, o candidato tem de lidar com os mesmos problemas que o trabalho trará.
Uma base de dados real também muda o que podes pedir:
- Escrever uma migração que adiciona uma coluna sem perder dados.
- Corrigir uma query lenta e mostrar o plano da query antes e depois.
- Tornar um endpoint seguro sob concorrência com uma transação ou um lock.
- Adicionar uma cache à frente de uma leitura frequente e invalidá-la corretamente.
Nenhuma destas faz sentido contra uma simulação em memória.
O custo da configuração é o verdadeiro risco
A objeção clássica é a configuração. Pedir aos candidatos que instalem o PostgreSQL, criem um role e carreguem um dump custa-lhes uma hora antes de escreverem uma linha, e essa hora favorece quem tem o portátil certo. Seja qual for a ferramenta, a base de dados deve estar a correr quando o candidato abre o projeto.
Preenche-a com um conjunto de dados pequeno e deliberado
Os dados de seed fazem parte do desenho da tarefa. Algumas regras:
- Pequenos o suficiente para ler. Dez clientes e quarenta encomendas deixam um candidato perceber os dados com um único
SELECT. Um milhão de linhas geradas só fazem sentido se a tarefa for sobre desempenho. - Moldados à tarefa. Se o bug é sobre encomendas sem artigos, garante que o seed tem uma. Se a tarefa é paginação, faz seed de linhas suficientes para três páginas.
- Primeiro o esquema, depois os dados. Separa-os em dois ficheiros,
001_schema.sqle002_seed.sql, para o candidato encontrar depressa as definições das tabelas. - Sem dados reais de clientes. Usa nomes e moradas inventados, mesmo para uma contratação interna.
Se o teu projeto já tem migrações (Prisma, Alembic, Django, Laravel), deixa o passo de instalação corrê-las e guarda o ficheiro de seed só para dados.
Que tamanho deve ter a tarefa?
Aponta para algo que consigas terminar em metade do limite de tempo. As tarefas de base de dados demoram mais do que parece, porque o candidato tem primeiro de explorar o esquema. Uma alteração focada, como um endpoint, uma migração ou uma correção de query, mais testes, chega para 90 minutos.
Escreve testes que usem a base de dados
Os testes dizem ao candidato o que significa «concluído» e deixam-no verificar o seu próprio trabalho. Numa tarefa de base de dados, devem correr contra a mesma base de dados que a aplicação usa.
- Lê a ligação do ambiente, como
DATABASE_URL, nunca de uma cadeia fixa no código. - Limpa depois de cada teste. Envolve cada um numa transação e faz rollback, ou apaga as linhas que criou. A base de dados mantém as linhas enquanto o candidato trabalha, por isso os testes que deixam dados para trás falham à segunda execução.
- Testa comportamento, não SQL. Verifica o que o endpoint devolve ou o que acaba na tabela, para que qualquer solução correta passe.
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();
});import os
import psycopg
def test_order_with_no_items_has_zero_total():
with psycopg.connect(os.environ["DATABASE_URL"]) as db:
row = db.execute(
"INSERT INTO orders (customer_id) VALUES (1) RETURNING id"
).fetchone()
total = db.execute("SELECT order_total(%s)", (row[0],)).fetchone()[0]
assert total == 0
db.rollback()Dica. Entrega um teste que passa e um teste que falha e descreve a tarefa. O candidato vê logo como os testes correm e o que falta fazer.
Deves adicionar uma cache ou uma fila?
Só se a tarefa for sobre isso. Um armazém compatível com Redis faz sentido para um rate limiter, um armazenamento de sessões ou um problema de invalidação de cache. Acrescentar um «por realismo» só junta uma segunda coisa a perceber numa janela curta.
Fazê-lo no Kendor
O Kendor corre PostgreSQL, MySQL, MongoDB e Valkey (compatível com Redis) dentro da sandbox do candidato, em 127.0.0.1. Arrancam antes dos teus comandos de instalação, por isso as migrações podem correr durante a instalação. Declaras no kendor.yaml na raiz do projeto. Referência completa em Bases de dados.
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: apiversion: 1
runtime:
type: python
version: "3.12"
databases:
- type: postgres
version: "18"
init: db
install:
commands:
- pip install --user -r requirements.txt
services:
api:
dev:
command: uvicorn main:app --host $HOST --port $PORT --reload
port: 8000
test:
command: pytest --tap-stream
preview:
service: apiO que cada parte faz:
databaseslista no máximo uma de cada tipo, e no máximo uma base de dados SQL (PostgreSQL ou MySQL). Estão disponíveis o PostgreSQL 18, o MySQL 8.4, o MongoDB 8.0 e o Valkey 9.inité um ficheiro de seed, ou uma pasta cujos ficheiros de seed correm por ordem de nome:.sqlpara o PostgreSQL e o MySQL,.jspara o MongoDB. Corre uma vez, logo depois de a base de dados ser criada; no PostgreSQL, numa única transação. Tem de ser um caminho dentro do projeto. O Valkey não aceitainit; faz o seed dele a partir da tua aplicação ou da configuração dos testes.name(opcional, não para o Valkey) define o nome da base de dados. O valor por omissão éapp.
Todos os processos da sandbox, incluindo a aplicação, os terminais e os testes, recebem os dados de ligação: DATABASE_URL, PGHOST, PGPORT, PGUSER e PGDATABASE para o PostgreSQL, DATABASE_URL, MYSQL_HOST e afins para o MySQL, MONGODB_URI para o MongoDB, e REDIS_URL e VALKEY_URL para o Valkey. As variáveis do Laravel e do Spring (DB_HOST, SPRING_DATASOURCE_URL e outras) também são definidas. Os candidatos podem abrir psql, mysql, mongosh ou redis-cli no terminal para espreitar lá dentro, e as bases de dados não são acessíveis de fora da sandbox.
Configura a partir do editor
Se preferires não escrever YAML, abre o desafio no editor e usa a Configuração de runtime. Em Bancos de dados, escolhe o motor e a versão e aponta o Arquivo de seed para o teu SQL. Muda para YAML em bruto para ver o que foi escrito. Quando importas um repositório, o Kendor muitas vezes deteta a base de dados por ti, a partir de um esquema Prisma, de um docker-compose.yml ou das dependências do projeto, e preenche-a previamente.
Verifica como candidato
Escolhe Pré-visualizar como candidato e corre os testes a partir do separador Testes. O separador Testes corre o comando test do kendor.yaml; a saída TAP (node --test, pytest --tap-stream) dá uma linha por teste. Vê O separador Testes.
Nota. As linhas da base de dados mantêm-se enquanto o candidato trabalha, mesmo através do reinício da sandbox. No entanto, não são guardadas com a submissão: o que revês é o código, incluindo quaisquer migrações e ficheiros de seed que o candidato tenha alterado.