С какими ошибками запросов чаще всего сталкиваешься

Частые ошибки запросов в автоматизации тестирования API

При автоматизации тестирования API через REST, GraphQL, gRPC и другие протоколы я сталкиваюсь с широким спектром ошибок запросов. Их можно систематизировать по уровням и источникам возникновения.

1. Ошибки клиента (4xx)

Наиболее распространенная категория, связанная с некорректными данными от клиента.

400 Bad Request — самая частая ошибка:

• Невалидный формат JSON/XML в теле запроса
• Отсутствие обязательных полей
• Несоответствие типов данных (строка вместо числа)
• Нарушение бизнес-логики валидации

# Пример теста на 400 ошибку
import requests
import pytest

def test_create_user_with_invalid_email():
    """Тест на создание пользователя с некорректным email"""
    url = "https://api.example.com/users"
    payload = {
        "name": "John Doe",
        "email": "invalid-email-format",  # Невалидный email
        "password": "SecurePass123"
    }
    
    response = requests.post(url, json=payload)
    
    assert response.status_code == 400
    assert "email" in response.json().get("errors", {})
    assert "Invalid email format" in response.json()["errors"]["email"]

401 Unauthorized / 403 Forbidden:

• Просроченные, невалидные или отсутствующие токены аутентификации
• Недостаточные права для выполнения операции
• Попытки доступа к чужим ресурсам

404 Not Found:

• Обращение к несуществующим эндпоинтам
• Запросы к удаленным или неактивным ресурсам
• Опечатки в URL (частая проблема в тестах)

2. Ошибки сервера (5xx)

Эти ошибки указывают на проблемы на стороне сервера.

500 Internal Server Error:

• Необработанные исключения в коде сервера
• Ошибки конфигурации
• Проблемы с подключением к базам данных или внешним сервисам

502 Bad Gateway / 503 Service Unavailable:

• Проблемы с балансировщиками нагрузки
• Перегруженные сервисы
• Плановые технические работы

3. Сетевые и таймаут-ошибки

Особенно актуальны в распределенных системах и микросервисных архитектурах:

• ConnectionTimeout — сервер не отвечает на установку соединения
• ReadTimeout — сервер не отвечает в течение заданного времени после установки соединения
• SSL/TLS ошибки — проблемы с сертификатами
• DNS resolution failures — проблемы с разрешением имен хостов

4. Ошибки, специфичные для протоколов

Для REST API:

• Неверные HTTP-методы для эндпоинтов
• Проблемы с заголовками (Content-Type, Accept)
• Ограничения скорости запросов (Rate Limiting, 429 Too Many Requests)

Для GraphQL:

• Синтаксические ошибки в запросах
• Проблемы с валидацией схемы
• N+1 проблемы в запросах
• Превышение глубины или сложности запроса

# Пример проблемного GraphQL-запроса
query {
  user(id: "123") {
    posts {          # Может вызвать N+1 проблему
      comments {     # Глубоко вложенный запрос
        author {
          posts {    # Рекурсивная структура
            title
          }
        }
      }
    }
  }
}

5. Ошибки, связанные с данными и состоянием

Проблемы с консистентностью данных:

• Race conditions при параллельных запросах
• Неидемпотентные операции, выполняемые несколько раз
• Блокировки в базах данных

Проблемы с кешированием:

• Устаревшие кешированные данные
• Неправильная инвалидация кеша
• Кеширование ошибочных ответов

Методы диагностики и решения

В своей работе я использую комплексный подход к диагностике:

1. Логирование и трассировка:

   • Добавление correlation IDs для отслеживания запросов
   • Детальное логирование заголовков и тел запросов/ответов
   • Использование distributed tracing (Jaeger, Zipkin)

2. Мониторинг и алертинг:

   • Настройка метрик для ошибок по типам и эндпоинтам
   • Автоматические алерты при росте ошибок 5xx
   • SLA/SLO мониторинг для критичных эндпоинтов

3. Проактивное тестирование:

   • Нагрузочное тестирование для выявления пределов системы
   • Хаос-инжиниринг для проверки устойчивости
   • Тестирование деградации сервисов

Ключевой принцип — не просто фиксировать факт ошибки, а понимать ее коренную причину, контекст возникновения и влияние на бизнес-процессы. Каждая ошибка должна анализироваться с точки зрения воспроизводимости, приоритета и потенциального воздействия на пользователей.