本文目录导读：
是的，Pytest-Benchmark 是 Python 性能测试中非常流行和推荐的工具之一，尤其适合与 pytest 测试框架结合使用。
为什么选择 Pytest-Benchmark？
主要优势
- 与 pytest 无缝集成 - 如果项目已经使用 pytest，几乎零学习成本
- 自动多次运行 - 自动进行多次运行并计算统计指标（均值、中位数、标准差等）
- 丰富的输出格式 - 支持控制台、JSON、CSV 等多种输出
- 对比功能 - 可以对比不同版本的性能变化
- 参数化支持 - 方便测试不同参数组合下的性能
基本用法示例
import pytest
# 安装：pip install pytest-benchmark
# 简单性能测试
def test_string_concat(benchmark):
result = benchmark(lambda: "".join(["a"] * 1000))
assert result == "a" * 1000
# 测试函数性能
def test_sort_performance(benchmark):
data = [3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5]
benchmark(sorted, data)
# 参数化性能测试
@pytest.mark.parametrize("n", [10, 100, 1000, 10000])
def test_list_comprehension(benchmark, n):
benchmark(lambda: [i**2 for i in range(n)])
# 对比不同实现
def test_string_vs_list(benchmark):
# 测试字符串拼接
benchmark.weave("string", lambda:
"".join(["a"] * 1000))
# 测试列表添加
benchmark.weave("list", lambda:
list("a" * 1000))
运行和输出
# 运行性能测试 pytest test_performance.py --benchmark-only # 保存结果到文件 pytest test_performance.py --benchmark-json=results.json # 比较历史结果 pytest test_performance.py --benchmark-compare=results.json
输出示例：
---------------------------------------------------------------------------------------- benchmark: 4 tests ----------------------------------------------------------------------------------------
Name (time in us) Min Max Median Mean StdDev Rounds Iterations
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
test_sort_performance 5.2300 45.1200 5.6800 6.2340 1.0230 100000 1
test_string_concat 12.3400 89.5600 13.2100 14.5670 2.3450 100000 1
test_list_10 0.8900 2.3400 0.9200 0.9560 0.1230 100000 1
test_list_100 8.2300 56.7800 8.8900 9.2340 1.4560 100000 1
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------高级功能
禁用垃圾回收
def test_without_gc(benchmark):
with benchmark:
import gc
gc.disable()
result = heavy_operation()
gc.enable()
return result
设置运行次数
@pytest.mark.benchmark(
min_rounds=5, # 最少运行次数
max_time=0.5, # 最大运行时间（秒）
min_time=0.1 # 最小运行时间（秒）
)
def test_custom_settings(benchmark):
benchmark(my_function)
比较不同实现
def test_algorithm_comparison(benchmark):
@benchmark.weave("method_a")
def method_a():
return method_a_implementation()
@benchmark.weave("method_b")
def method_b():
return method_b_implementation()
其他性能测试工具对比
| 工具 | 特点 | 适用场景 |
|---|---|---|
| Pytest-Benchmark | 与 pytest 集成，易用性好 | 单元测试级性能测试 |
| timeit | 标准库，简单可靠 | 快速测试单段代码 |
| cProfile | 性能分析，找出瓶颈 | 复杂应用的性能分析 |
| asv (airspeed velocity) | 专注于基准测试 | 科学计算/长期性能追踪 |
推荐用法
# conftest.py - 配置基准测试
def pytest_benchmark_update_json(config, benchmarks, output_json):
"""自定义输出格式"""
output_json['machine_info'] = {
'python_version': sys.version,
'platform': sys.platform
}
# test_performance.py
def test_database_query(benchmark):
"""测试数据库查询性能"""
def query():
# 模拟数据库查询
pass
# 预热
for _ in range(3):
query()
# 实际测试
result = benchmark.pedantic(query, rounds=5, iterations=10)
assert len(result) > 0
Pytest-Benchmark 非常适合：
- 已经使用 pytest 的项目
- 需要精确测量函数执行时间的场景
- 代码重构前后的性能对比
- CI/CD 中的性能回归测试
对于更复杂的性能分析（如内存使用、CPU 时间分布），建议配合使用 cProfile 或 memory_profiler。
