Python性能测试用Pytest-Benchmark吗

本文目录导读：

1. 为什么选择 Pytest-Benchmark？
2. 基本用法示例
3. 运行和输出
4. 高级功能
5. 其他性能测试工具对比
6. 推荐用法

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

1. 与 pytest 无缝集成 - 如果项目已经使用 pytest，几乎零学习成本
2. 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）
3. 丰富的输出格式 - 支持控制台、JSON、CSV 等多种输出
4. 对比功能 - 可以对比不同版本的性能变化
5. 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

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。