In der modernen Softwareentwicklung ist die Qualität der verwendeten Testdaten ein entscheidender Faktor für den Erfolg von Qualitätssicherungsmaßnahmen. Die Python-Bibliothek mock-jutsu bietet Entwicklern und Testern eine leistungsstarke Suite an Werkzeugen, um realitätsnahe Datensätze zu generieren, ohne dabei auf echte personenbezogene Informationen zurückgreifen zu müssen. Eine spezialisierte Funktion innerhalb der Kategorie IntlIDs ist lt_asmens. Diese Funktion wurde gezielt entwickelt, um litauische Personenkennzahlen, den sogenannten Asmens kodas, zu erzeugen. Da diese Identifikationsnummern strengen mathematischen Regeln folgen, ist eine einfache Zufallsgenerierung von Zahlenfolgen für valide Softwaretests meist nicht ausreichend.
Die Funktion lt_asmens generiert eine elfstellige Identifikationsnummer, die exakt dem litauischen Standard entspricht. Technisch versierte Anwender werden feststellen, dass der zugrunde liegende Algorithmus zur Berechnung der Prüfziffer identisch mit dem des estnischen Identifikationscodes (IK) ist. Die Struktur der von mock-jutsu erzeugten Mock-Daten umfasst Informationen über das Jahrhundert der Geburt, das Geburtsdatum sowie eine fortlaufende Nummer und die abschließende Kontrollziffer. Durch diese Detailtreue stellt lt_asmens sicher, dass Validierungslogiken in Backend-Systemen oder Frontend-Formularen korrekt auf die synthetischen Testdaten reagieren, was die Fehlerquote in der Produktion erheblich senkt.
Die Integration von lt_asmens in bestehende Workflows ist denkbar einfach und flexibel gestaltet. Entwickler können die Funktion direkt in ihren Python-Projekten über den Befehl jutsu.generate('lt_asmens') aufrufen, um dynamisch Testdaten während der Laufzeit zu erzeugen. Für DevOps-Ingenieure oder für die schnelle Generierung von Datenlisten steht ein intuitives CLI-Tool zur Verfügung. Auch im Bereich der Performance-Tests glänzt die Bibliothek: Dank der Unterstützung für JMeter können Tester über den Ausdruck ${__mockjutsu(lt_asmens,)} massenhaft valide Identifikationsnummern in Lasttests einspeisen. Dies macht mock-jutsu zu einem universellen Begleiter in der gesamten Continuous Integration Pipeline.
Typische Einsatzszenarien für die Funktion lt_asmens finden sich vor allem in der Entwicklung von Finanzapplikationen, E-Government-Lösungen oder internationalen CRM-Systemen, die den baltischen Raum abdecken. Durch die Verwendung dieser Mock-Daten können Entwickler sicherstellen, dass ihre Systeme DSGVO-konform geprüft werden, da keinerlei Bezug zu realen Personen besteht. Gleichzeitig werden Edge-Cases bei der Datenverarbeitung zuverlässig abgedeckt. Die Zeitersparnis, die durch den Wegfall manueller Datenerstellung entsteht, erlaubt es Teams, sich auf die Kernfunktionalitäten ihrer Anwendung zu konzentrieren, während mock-jutsu die Bereitstellung präziser und valider Identifikationsmerkmale übernimmt.
mockjutsu generate lt_asmensmockjutsu bulk lt_asmens --count 10mockjutsu export lt_asmens --count 10 --format jsonmockjutsu export lt_asmens --count 10 --format csvmockjutsu export lt_asmens --count 10 --format sql# --mask: regulation-compliant output (PCI DSS / GDPR / KVKK)mockjutsu generate lt_asmens --maskmockjutsu bulk lt_asmens --count 5 --maskfrom mockjutsu import jutsujutsu.generate('lt_asmens')jutsu.bulk('lt_asmens', count=10)jutsu.template(['lt_asmens'], count=5)# mask=True: regulation-compliant outputjutsu.generate('lt_asmens', mask=True)jutsu.bulk('lt_asmens', count=5, mask=True)${__mockjutsu_intl_ids(lt_asmens)}# JMeter Function: __mockjutsu_intl_ids# Parameter 1: lt_asmens# Parameter 2: (not required for this function)# Add 'mask' keyword to get a regulation-compliant masked value${__mockjutsu_intl_ids(lt_asmens,mask)}GET /generate/lt_asmens# → {"type":"lt_asmens","result":"...","status":"ok"}GET /bulk/lt_asmens?count=10POST /template {"types":["lt_asmens"],"count":1}# mask=true: regulation-compliant outputGET /generate/lt_asmens?mask=trueGET /bulk/lt_asmens?count=5&mask=true| Parameter | Werte | Beschreibung |
|---|---|---|
| --mask | true | false | Return a regulation-compliant masked value (PCI DSS, GDPR, KVKK…) |