2024年最新如何用Pytest做性能测试？5个步骤轻松学会！_pytest 性能测试(1)，软件测试面试必看书籍

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

import pytest, pytest_benchmark

def test_my_function(benchmark):
result = benchmark(method1, argument1, argument2)
assert result == expected_result

在上面的示例中，test\_my\_function是性能测试函数，benchmark是pytest-benchmark插件提供的装饰器。method1是要进行性能测试的函数，argument1和argument2是该函数的参数,这些参数要根据实际需要进行调整即可。


**运行测试**

pytest

**测试结果**



![](https://img-blog.csdnimg.cn/img_convert/81a06003bb4ccf84a9f30b9d8e8e45bb.png)


当使用pytest-benchmark运行性能测试后，测试结果将显示在控制台中。以下是结果中每列的含义：


1. name: 测试函数的名称。每个测试函数都有自己的名称，用于区分不同的测试。


2. min: 执行测试函数的最小时间。这是在所有运行中观察到的最短时间。


3. max: 执行测试函数的最大时间。这是在所有运行中观察到的最长时间。


4. mean: 执行测试函数的平均时间。这是所有运行时间的平均值。


5. stddev: 执行测试函数的标准差。标准差用于衡量运行时间的离散程度。较小的标准差表示运行时间更稳定。


6. median: 执行测试函数的中位数时间。中位数是将所有运行时间按大小排序后，位于中间位置的值。


7. IQR: 四分位距（InterQuartile Range）。这是一种不同的测量方差的方法。


8. outliers: 执行测试函数时观察到的异常值数量。异常值是指与其他观测值相比明显偏离的值。


9. OPS: 表示在一定时间内（比如1秒）测试方法被调用了多少次。


10. rounds: 执行测试函数的运行次数。pytest-benchmark默认会多次运行测试函数，并根据这些运行结果计算出平均时间等统计数据。


11. iterations: 每个运行中执行测试函数的迭代次数。pytest-benchmark会在每个运行中多次迭代执行测试函数，并计算每次迭代的时间。


在分析结果时，可以将不同函数的结果进行比较，并考虑是否满足性能要求。可以根据测试结果进行优化和改进，并重新运行测试以验证改进的效果。


**最后感谢每一个认真阅读我文章的人，礼尚往来总是要有的，这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：**


#### 




![img](https://img-blog.csdnimg.cn/img_convert/5bb1030bdd6b60ae86e748ca42166644.png)
![img](https://img-blog.csdnimg.cn/img_convert/6a1351f725a0faa0433bf6bce2c6cf28.png)
![img](https://img-blog.csdnimg.cn/img_convert/9fc97ec86575556f37e33bd244bbc1e3.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上软件测试知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化的资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**

**[需要这份系统化的资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**