dashboard/test_report_2026-03-14.md

🧪 Rapport de Tests - Bot Detector Dashboard

Date: 2026-03-14 19:57 UTC Version: 1.0 Testeur: MCP Playwright + Shell

---

📊 Résumé Exécutif

Catégorie	Tests Passés	Tests Échoués	Total	Taux de Réussite
Backend API	9	1	10	90%
Frontend (Playwright)	5	0	5	100%
ClickHouse	0	0	0	N/A ⚠️
TOTAL	14	1	15	93%

---

1. Tests Backend API (9/10 ✅)

✅ Tests Réussis

ID	Test	Résultat	Détails
H1	Health check	✅ PASS	{"status": "healthy", "clickhouse": "connected"}
M1	Métriques globales	✅ PASS	23,879 détections, 4 niveaux de menace
M2	Série temporelle 24h	✅ PASS	24 points horaires retournés
D1	Liste détections	✅ PASS	23,879 détections, pagination fonctionnelle
D3	Tri par score	✅ PASS	Score: -0.147 (croissant)
VI1	IPs associées (Country CN)	✅ PASS	1,530 IPs
VU1	User-Agents par IP	✅ PASS	1 user-agent
AS1	Analysis subnet	✅ PASS	57 IPs dans le subnet
AC1	Analysis country	✅ PASS	CN (China)
ET1	Classifications	✅ PASS	2 classifications
F1	Frontend accessible	✅ PASS	Dashboard HTML servi

❌ Tests Échoués

ID	Test	Erreur	Cause Racine
V1	Variability IP	❌ FAIL	Bug Pydantic v2 - Erreur de sérialisation des AttributeValue dans les champs ja4, countries, asns, hosts, threat_levels, model_names

Détail de l'erreur:

6 validation errors for VariabilityAttributes
ja4.0: Input should be a valid dictionary or instance of AttributeValue
countries.0: Input should be a valid dictionary or instance of AttributeValue
asns.0: Input should be a valid dictionary or instance of AttributeValue
hosts.0: Input should be a valid dictionary or instance of AttributeValue
threat_levels.0: Input should be a valid dictionary or instance of AttributeValue
model_names.0: Input should be a valid dictionary or instance of AttributeValue

Recommandation: Corriger le modèle Pydantic VariabilityResponse dans backend/api/variability.py pour utiliser la bonne sérialisation des objets AttributeValue.

---

2. Tests Frontend (5/5 ✅)

Navigation et Routing

ID	Test	Résultat	Détails
N1	Page d'accueil	✅ PASS	Dashboard affiché avec 4 cartes de métriques
N2	Navigation Détections	✅ PASS	Tableau avec 15 lignes, pagination (956 pages)
N5	URL directe	✅ PASS	http://192.168.1.2:3000/detections fonctionnel

Dashboard Principal

ID	Test	Résultat	Détails
DH1	Métriques affichées	✅ PASS	Total: 23,879, Bots: 7,001, IPs: 17,607
DH2	Graphique temporel	✅ PASS	Évolution 24h avec 24 points
DH3	Distribution par menace	✅ PASS	CRITICAL: 0, HIGH: 0, MEDIUM: 5,221, LOW: 11,657

Liste des Détections

ID	Test	Résultat	Détails
DL1	Tableau affiché	✅ PASS	9 colonnes (IP/JA4, Host, Modèle, Score, Hits, Velocity, ASN, Pays, Date)
DL2	Pagination	✅ PASS	Page 1/956, boutons Précédent/Suivant
DL3	Tri colonnes	✅ PASS	Headers cliquables avec indicateurs ⇅

---

3. Tests ClickHouse (N/A ⚠️)

ID	Test	Statut	Commentaire
DB1-DB7	Tables et vues	⚠️ N/A	ClickHouse local non démarré (service distant: test-sdv-anubis.sdv.fr)
DQ1-DQ5	Qualité données	⚠️ N/A	Nécessite accès direct au serveur distant
DP1-DP5	Performance	⚠️ N/A	Nécessite accès direct au serveur distant

Recommandation: Exécuter les tests SQL manuellement via:

docker compose exec clickhouse clickhouse-client -d mabase_prod < test_dashboard_entities.sql

---

4. Performance API

Endpoint	Temps de Réponse	Statut
GET /health	< 100ms	✅ Excellent
GET /api/metrics	< 500ms	✅ Bon
GET /api/detections?page=1	< 1s	✅ Bon
GET /api/analysis/subnet	< 500ms	✅ Bon

---

5. Bugs Identifiés

🔴 Bug Critique: Sérialisation Pydantic

Fichier: backend/api/variability.py Endpoint: /api/variability/ip/{ip} Impact: Investigation IP indisponible (erreur 500)

Solution recommandée:

# Dans VariabilityAttributes, utiliser dict au lieu de AttributeValue
# Ou implémenter un custom serializer
from pydantic import field_serializer

class VariabilityAttributes(BaseModel):
    ja4: List[Dict]
    countries: List[Dict]
    # ...
    
    @field_serializer('ja4', 'countries', 'asns', 'hosts', 'threat_levels', 'model_names')
    def serialize_attributes(self, value):
        return [v.model_dump() if hasattr(v, 'model_dump') else v for v in value]

---

6. Couverture des Tests (vs TEST_PLAN.md)

Endpoints API Testés

Routeur	Endpoints dans le Plan	Tests Exécutés	Couverture
/health	H1-H3	H1	33%
/api/metrics	M1-M5, MT1-MT2	M1, M2	25%
/api/detections	D1-D11, DD1-DD3	D1, D3	14%
/api/variability	V1-V8, VI1-VI3, VA1-VA3, VU1-VU2	V1❌, VI1, VU1	25%
/api/analysis	AS1-AS4, AC1-AC2	AS1, AC1	33%
/api/entities	E1-E10, ER1, EU1-EU4, ET1	ET1	7%

Couverture API actuelle: ~23% (3/13 endpoints principaux testés)

Frontend Testés

Fonctionnalité	Tests dans le Plan	Tests Exécutés	Couverture
Navigation	N1-N5	N1, N2, N5	60%
Dashboard	DH1-DH7	DH1, DH2, DH3	43%
Détections	DL1-DL8	DL1, DL2, DL3	38%
Investigation	DV1-DV8	0 (bug backend)	0%

Couverture Frontend actuelle: ~35%

---

7. Recommandations

Priorité 1 (Critique) 🔴

1. Corriger le bug Pydantic dans backend/api/variability.py

   • Impact: Investigation IP/JA4/Country/ASN indisponible
   • Effort estimé: 1-2 heures

2. Ajouter des tests unitaires backend avec pytest

   • Structure: backend/tests/test_variability.py
   • Couvrir les modèles Pydantic

Priorité 2 (Important) 🟡

3. Exécuter les tests ClickHouse sur le serveur distant

   • Commande: docker compose exec clickhouse clickhouse-client -h test-sdv-anubis.sdv.fr -d mabase_prod < test_dashboard_entities.sql

4. Ajouter des tests E2E Playwright

   • Scénarios: Navigation, Filtres, Recherche
   • Fichier: tests/e2e/dashboard.spec.ts

Priorité 3 (Secondaire) 🟢

5. Améliorer la couverture des tests API

   • Endpoints manquants: /api/entities/*, /api/analysis/{ip}/recommendation
   • Tests de filtres: threat_level, model_name, country_code, search

6. Tests de performance

   • Load testing avec locust
   • Objectif: < 2s pour tous les endpoints

---

8. Commandes Utiles

# Exécuter les tests API
./test_dashboard.sh

# Vérifier la santé du dashboard
curl http://localhost:3000/health | jq

# Tester un endpoint spécifique
curl "http://localhost:3000/api/detections?page=1&page_size=25" | jq

# Logs en temps réel
docker compose logs -f dashboard_web

# Redémarrer le dashboard
docker compose restart dashboard_web

---

9. Conclusion

État général: ✅ Bon (93% de tests passés)

Points forts:

• Dashboard fonctionnel avec données en temps réel
• API performante (< 1s pour la plupart des endpoints)
• Frontend React responsive et navigable
• 23,879 détections analysées sur 24h

Points d'amélioration:

• Bug critique sur l'investigation (variability endpoint)
• Couverture de tests insuffisante (~30%)
• Tests ClickHouse non automatisés

Prochaines étapes:

1. Corriger le bug Pydantic (Priorité 1)
2. Ajouter des tests unitaires backend
3. Automatiser les tests E2E avec Playwright

---

Rapport généré par: MCP Playwright + Shell Date: 2026-03-14 19:57 UTC