加速Pytest测试套件:项目教程
2024-09-12 15:57:29作者:宣利权Counsellor
项目介绍
awesome-pytest-speedup 是一个开源项目,旨在提供一系列最佳实践、技巧和链接,帮助开发者加速他们的 pytest 测试套件。该项目由 zupo 维护,提供了详细的检查清单和优化建议,帮助开发者从硬件、测试集合、插件管理、网络访问、磁盘访问、数据库访问等多个方面提升测试速度。
项目快速启动
安装依赖
首先,确保你已经安装了 pytest。如果没有安装,可以使用以下命令进行安装:
pip install pytest
接下来,克隆 awesome-pytest-speedup 项目到本地:
git clone https://github.com/zupo/awesome-pytest-speedup.git
cd awesome-pytest-speedup
运行示例测试
项目中包含了一些示例测试,你可以通过以下命令运行这些测试:
pytest tests/
配置优化
根据项目提供的最佳实践,你可以在 pytest.ini 文件中进行配置优化。例如,禁用不必要的插件:
[pytest]
addopts = -p no:doctest -p no:pastebin -p no:nose
应用案例和最佳实践
硬件优化
- 使用更快的硬件:现代笔记本电脑的性能已经非常强大,但如果你的测试套件非常庞大,考虑使用更快的机器或云服务来运行测试。
- 使用CI的自托管运行器:许多CI服务允许你使用自托管的运行器,这样可以节省成本并提高测试速度。
测试集合优化
- 减少递归目录:通过配置
pytest.ini文件,告诉pytest不要递归搜索某些目录。 - 指定测试路径:明确告诉
pytest测试文件的位置,避免不必要的搜索。
插件管理
- 禁用不必要的内置插件:
pytest自带了许多插件,但你可能并不需要所有这些插件。通过配置pytest.ini文件,禁用那些不必要的插件。
网络和磁盘访问
- 禁用网络访问:使用
pytest-socket插件来防止测试代码无意中访问互联网。 - 使用内存文件系统:使用
pyfakefs来模拟磁盘I/O,从而加快测试速度。
数据库访问
- 优化数据库访问:对于需要数据库访问的测试,考虑使用事务回滚而不是每次测试后重建数据库。
- 并行化测试:使用
pytest-xdist插件来并行运行测试,充分利用多核CPU的优势。
典型生态项目
pytest-xdist
pytest-xdist 是一个非常流行的插件,允许你在多个CPU核心上并行运行测试。它可以帮助你显著减少测试时间,尤其是在大型项目中。
pytest-socket
pytest-socket 是一个用于禁用网络访问的插件,防止测试代码无意中访问互联网,从而加快测试速度。
pyfakefs
pyfakefs 是一个用于模拟文件系统的库,它可以帮助你在内存中进行文件操作,从而加快测试速度。
通过这些优化和工具,你可以显著提升 pytest 测试套件的运行速度,从而提高开发效率。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210