Skip to content
BranchesTags

Latest commit

 

History

14 Commits

Folders and files

NameName
Last commit message
Last commit date
docs
docs
 
 
screenshots
screenshots
 
 
scripts
scripts
 
 
README.md
README.md
 
 

Repository files navigation

QA SQL Validation Project

SQL PostgreSQL DBeaver Data Validation Database Testing

Projeto prático de validação de dados com SQL, desenvolvido para demonstrar conhecimentos aplicados à área de Quality Assurance.

O projeto simula um banco de dados relacional de e-commerce, permitindo validar usuários, produtos, pedidos, itens de pedido, regras de negócio, relacionamentos entre tabelas e consistência dos dados utilizando PostgreSQL e DBeaver.

Objetivo

Demonstrar o uso de SQL como ferramenta de apoio ao trabalho de QA, utilizando consultas para:

  • Validar dados cadastrados;
  • Identificar inconsistências;
  • Verificar regras de negócio;
  • Cruzar informações entre tabelas;
  • Validar relacionamentos;
  • Conferir integridade dos dados;
  • Apoiar testes funcionais;
  • Apoiar testes de integração;
  • Investigar defeitos;
  • Documentar evidências de execução.

Tecnologias utilizadas

  • SQL;
  • PostgreSQL;
  • DBeaver;
  • Git;
  • GitHub;
  • Markdown;
  • Visual Studio Code.

Estrutura do projeto

qa-sql-validation/
├── docs/
│   ├── data-dictionary.md
│   ├── evidence.md
│   └── test-scenarios.md
│
├── screenshots/
│   ├── 01_tables_created_dbeaver.png
│   ├── 02_insert_test_data_execution.png
│   ├── 03_users_data_validation.png
│   ├── 04_products_data_validation.png
│   ├── 05_orders_data_validation.png
│   ├── 06_order_items_data_validation.png
│   ├── 07_locked_users_validation.png
│   ├── 08_out_of_stock_products_validation.png
│   ├── 09_inactive_products_validation.png
│   ├── 10_orders_by_status_validation.png
│   ├── 11_active_product_without_stock_validation.png
│   ├── 12_order_total_consistency_validation.png
│   ├── 13_blocked_user_orders_validation.png
│   ├── 14_invalid_status_validation.png
│   ├── 15_orders_with_users_join.png
│   ├── 16_complete_order_join.png
│   └── 17_order_total_join_validation.png
│
├── scripts/
│   ├── 01_create_tables.sql
│   ├── 02_insert_test_data.sql
│   ├── 03_basic_selects.sql
│   ├── 04_validation_queries.sql
│   └── 05_join_queries.sql
│
└── README.md

Modelagem e estrutura do banco

O projeto utiliza quatro tabelas principais:

users
products
orders
order_items

Essas tabelas simulam um fluxo básico de e-commerce envolvendo usuários, produtos, pedidos e os respectivos itens.

A estrutura também contempla:

  • Chaves primárias;
  • Chaves estrangeiras;
  • Relacionamentos entre tabelas;
  • Restrições de unicidade;
  • Regras de integridade;
  • Restrições com CHECK.

Scripts SQL

01 - Criação das tabelas

Arquivo:

scripts/01_create_tables.sql

Responsável pela criação das tabelas:

  • users;
  • products;
  • orders;
  • order_items.

Também define:

  • Primary Keys;
  • Foreign Keys;
  • Restrições de unicidade;
  • Regras de integridade;
  • Validações com CHECK.

02 - Inserção da massa de dados

Arquivo:

scripts/02_insert_test_data.sql

Insere a massa de dados utilizada nos testes:

Entidade Quantidade
Usuários 4
Produtos 5
Pedidos 3
Itens de pedido 4

Esses dados servem como base para as consultas e cenários de validação.

03 - Consultas básicas

Arquivo:

scripts/03_basic_selects.sql

Contém consultas utilizando:

  • SELECT;
  • WHERE;
  • ORDER BY.

Entre as validações estão:

  • Usuários ativos;
  • Usuários bloqueados;
  • Produtos sem estoque;
  • Produtos inativos;
  • Pedidos por status;
  • Produtos ordenados por preço.

04 - Validações de regras de negócio

Arquivo:

scripts/04_validation_queries.sql

Contém consultas direcionadas à identificação de possíveis inconsistências e violações de regras de negócio.

Validações realizadas:

  • Produtos ativos sem estoque;
  • Pedidos sem itens;
  • Divergência entre total do pedido e soma dos itens;
  • Pedidos de usuários bloqueados;
  • Pedidos de usuários inativos;
  • Produtos inativos vinculados a pedidos;
  • Status inválidos;
  • Valores zerados ou negativos.

Essas consultas simulam verificações comuns realizadas durante testes de backend, banco de dados e integrações.

05 - Consultas com JOIN

Arquivo:

scripts/05_join_queries.sql

Contém consultas relacionais envolvendo:

  • Usuários e pedidos;
  • Pedidos e itens;
  • Itens e produtos;
  • Usuário, pedido, produto e valor;
  • Total armazenado e total calculado.

Foram utilizados:

  • INNER JOIN;
  • LEFT JOIN.

Essas consultas permitem verificar se informações relacionadas entre diferentes tabelas permanecem consistentes.

Documentação

Dicionário de dados

Arquivo:

docs/data-dictionary.md

Documenta:

  • Tabelas;
  • Campos;
  • Tipos de dados;
  • Relacionamentos;
  • Restrições;
  • Regras de integridade.

Cenários de teste SQL

Arquivo:

docs/test-scenarios.md

Documenta os cenários de validação utilizados no projeto, incluindo:

  • Objetivo;
  • Regra validada;
  • Consulta utilizada;
  • Resultado esperado;
  • Importância da validação para QA.

Evidências de execução

Arquivo:

docs/evidence.md

Reúne as evidências das execuções realizadas no DBeaver.

As screenshots demonstram:

  • Criação das tabelas;
  • Inserção da massa de dados;
  • Consultas básicas;
  • Validações de regras de negócio;
  • Consultas com JOIN;
  • Validação de consistência entre tabelas.

Principais validações realizadas

O projeto contempla validações como:

  • Usuários bloqueados;
  • Usuários inativos;
  • Produtos ativos sem estoque;
  • Produtos inativos;
  • Pedidos sem itens;
  • Consistência do total do pedido;
  • Pedidos vinculados a usuários bloqueados;
  • Pedidos vinculados a usuários inativos;
  • Produtos inativos vinculados a pedidos;
  • Status inválidos;
  • Valores zerados;
  • Valores negativos;
  • Relacionamentos entre tabelas;
  • Consistência de dados utilizando JOIN.

Validação do total do pedido

Uma das validações mais importantes do projeto compara o valor armazenado no pedido com o valor calculado a partir dos respectivos itens.

O objetivo é verificar se:

Total armazenado no pedido
        =
Soma dos valores dos itens

Esse tipo de validação ajuda a identificar inconsistências que poderiam afetar:

  • Faturamento;
  • Checkout;
  • Relatórios;
  • Integrações;
  • Dados apresentados na interface;
  • Processos financeiros.

Validação com JOIN

As consultas com JOIN permitem relacionar informações distribuídas entre diferentes tabelas.

Exemplo conceitual:

Usuário
   ↓
Pedido
   ↓
Item do pedido
   ↓
Produto

Com esse relacionamento é possível validar se os dados armazenados em diferentes pontos do sistema estão coerentes entre si.

Como executar o projeto

Pré-requisitos

É necessário possuir:

  • PostgreSQL;
  • DBeaver;
  • Banco de dados configurado.

Banco utilizado no projeto:

qa_lab

Ordem de execução

Execute os scripts no DBeaver seguindo esta sequência:

1. scripts/01_create_tables.sql
2. scripts/02_insert_test_data.sql
3. scripts/03_basic_selects.sql
4. scripts/04_validation_queries.sql
5. scripts/05_join_queries.sql

Essa ordem garante que:

  1. A estrutura do banco seja criada;
  2. A massa de dados seja inserida;
  3. As consultas básicas possam ser executadas;
  4. As regras de negócio sejam validadas;
  5. Os relacionamentos entre tabelas sejam analisados.

Evidências

As evidências estão armazenadas na pasta:

screenshots/

Entre as principais estão:

01_tables_created_dbeaver.png
02_insert_test_data_execution.png
07_locked_users_validation.png
11_active_product_without_stock_validation.png
12_order_total_consistency_validation.png
13_blocked_user_orders_validation.png
14_invalid_status_validation.png
15_orders_with_users_join.png
16_complete_order_join.png
17_order_total_join_validation.png

As screenshots permitem comprovar a execução das consultas e os resultados obtidos no banco de dados.

Aplicação de SQL em QA

Em um cenário real, SQL pode ser utilizado pelo QA para validar dados gerados ou alterados após ações realizadas:

Interface Web / Mobile
        ↓
       API
        ↓
   Banco de dados

Por exemplo, após realizar uma compra na interface, o QA pode utilizar consultas SQL para verificar:

  • Se o pedido foi criado;
  • Se o usuário correto está relacionado ao pedido;
  • Se os produtos foram registrados;
  • Se as quantidades estão corretas;
  • Se o valor total foi calculado corretamente;
  • Se o status foi armazenado corretamente.

SQL também pode apoiar:

  • Testes funcionais;
  • Testes de integração;
  • Testes de API;
  • Análise de defeitos;
  • Investigação de inconsistências;
  • Validação de regras de negócio.

Boas práticas aplicadas

Durante o projeto foram utilizadas práticas como:

  • Separação dos scripts por finalidade;
  • Organização sequencial dos arquivos SQL;
  • Massa de dados controlada;
  • Uso de Primary Keys;
  • Uso de Foreign Keys;
  • Restrições de integridade;
  • Validação de regras de negócio;
  • Consultas específicas para identificação de inconsistências;
  • Uso de JOIN para cruzamento de informações;
  • Documentação dos cenários;
  • Registro de evidências;
  • Versionamento com Git e GitHub.

Competências demonstradas

Este projeto demonstra conhecimentos práticos em:

  • SQL;
  • PostgreSQL;
  • DBeaver;
  • Database Testing;
  • Validação de dados;
  • Modelagem relacional;
  • Criação de tabelas;
  • CREATE TABLE;
  • INSERT;
  • SELECT;
  • WHERE;
  • ORDER BY;
  • INNER JOIN;
  • LEFT JOIN;
  • Primary Keys;
  • Foreign Keys;
  • Restrições com CHECK;
  • Massa de dados;
  • Regras de negócio;
  • Integridade dos dados;
  • Consultas relacionais;
  • Investigação de inconsistências;
  • Testes funcionais com apoio de banco de dados;
  • Testes de integração;
  • Evidências de execução;
  • Git;
  • GitHub;
  • Documentação técnica.

Status do projeto

Concluído nesta etapa.

O projeto atualmente demonstra:

  • Banco relacional criado em PostgreSQL;
  • 4 tabelas relacionadas;
  • Massa de dados controlada;
  • Consultas básicas;
  • Consultas de validação;
  • Regras de negócio;
  • INNER JOIN;
  • LEFT JOIN;
  • Validação de consistência do total de pedidos;
  • Validação de usuários, produtos e pedidos;
  • 17 evidências documentadas;
  • Uso do DBeaver para análise dos resultados;
  • Aplicação prática de SQL no contexto de Quality Assurance.

Próximas melhorias possíveis

  • Adicionar consultas com GROUP BY;
  • Explorar funções de agregação;
  • Expandir o uso de subqueries;
  • Criar novas regras de validação;
  • Adicionar cenários com dados inconsistentes propositalmente;
  • Validar dados retornados por uma API contra o banco;
  • Explorar views;
  • Criar novas consultas voltadas à investigação de defeitos;
  • Integrar este laboratório com projetos de testes de API.

Autor

Bruno Ramos Lopes

LinkedIn: linkedin.com/in/brunolopes-ti
GitHub: github.com/brunolopes-ti

About

Projeto prático de validação de dados com SQL aplicado a Quality Assurance.

Topics

database-testingdbeaverorder-bypostgresqlselectsqltest-scenariosvalidationwhere

Resources

Readme
Activity

Stars

1 star

Watchers

0 watching

Forks

0 forks
Report repository

Releases

Packages

Contributors