Python长耗时测试怎么处理?pytest标记慢用例方法
在Python测试中,合理管理长耗时用例是提升开发效率与CI稳定性的关键——pytest通过`@pytest.mark.slow`装饰器提供轻量、语义清晰的“慢测试”标记机制,其核心在于由开发者基于业务上下文(如数据库操作、外部API调用、浏览器启动等)主动定义“慢”的含义,而非依赖不可靠的运行时耗时测量;只需在配置文件中注册marker,即可用`pytest -m slow`精准执行或`pytest -m "not slow"`高效跳过,完美适配本地快速验证、CI分层调度(如拆分为fast/slow双流水线)等场景,零性能开销且避免误判,真正实现可维护、可自动化、可协作的测试治理。

pytest怎么标记一个测试为“慢”
用 @pytest.mark.slow 装饰器,这是最直接、最被 pytest 原生支持的方式。它不依赖插件,也不需要改配置就能生效,但前提是你的项目里没禁用自定义 marker。
常见错误现象:加了 @pytest.mark.slow 却发现 pytest -m slow 没反应——大概率是 pytest 报告 “unknown marker”,说明你没在 pytest.ini 或 pyproject.toml 里注册它。
- 在
pytest.ini中加:[tool:pytest] markers = slow: marks tests as slow (deselect with '-m "not slow"') - 如果用
pyproject.toml,写成:[tool.pytest.ini_options] markers = ["slow: marks tests as slow (deselect with '-m \"not slow\"')"]
- 标记单个测试函数:
@pytest.mark.slow放在def test_xxx():上方 - 标记整个类:
@pytest.mark.slow放在class TestLongRun:上方,类内所有方法自动继承
如何只跑慢测试或跳过慢测试
核心靠 -m 表达式筛选,不是靠开关或环境变量。它的行为是“选中”,不是“启用”,所以逻辑要反着想。
使用场景:CI 流水线里拆分任务,本地开发时快速验证主干逻辑,或者夜间定时全量跑一次慢用例。
- 只运行慢测试:
pytest -m slow - 跳过慢测试(日常开发推荐):
pytest -m "not slow" - 同时匹配多个标签:
pytest -m "slow and integration",前提是你也定义并用了integrationmarker - 注意:如果命令行没加
-m,所有测试照常执行,@pytest.mark.slow不会自动禁用任何用例
为什么不能只靠 time.sleep() 判断是否“慢”
因为耗时不可控:同一段测试在 CI 机器、M1 Mac、Windows WSL 下跑出的耗时可能差 3 倍;而且 setup/teardown、fixture 加载、网络抖动都会干扰测量。靠硬编码时间阈值做自动分类,维护成本高、误报多。
真正该做的,是把“慢”的语义交给开发者判断——比如涉及数据库迁移、外部 API 调用、大文件生成、真实浏览器启动的测试,人眼就知道不该进 PR 检查流。
- 别写这种逻辑:
if time.time() - start > 5: pytest.mark.slow—— pytest 不支持运行时动态打标 - 别依赖
--durations=0输出后人工筛选——无法用于自动化调度 - 性能影响:标记本身零开销;但如果你在 fixture 里偷偷做了耗时操作再打标,那就本末倒置了
CI 中如何安全隔离慢测试
关键不是“怎么跑”,而是“谁来跑、什么时候跑”。直接在主 CI job 里加 -m "not slow" 最省事,但容易漏掉标记遗漏的用例;更稳的做法是显式拆成两个 job:一个 fast-only,一个 slow-only。
容易踩的坑:在 slow job 里忘了加超时限制,导致某个测试卡死拖垮整条流水线。
- GitHub Actions 示例片段:
slow-tests: runs-on: ubuntu-latest timeout-minutes: 30 steps: - run: pytest -m slow --tb=short - GitLab CI 同理,用
timeout:字段约束 job 总时长,比在 pytest 里设--timeout更可靠 - 不要在
conftest.py里全局pytest_runtest_makereport拦截慢测试——这属于过度设计,且和-m机制冲突
复杂点在于:有些测试“慢”是条件性的,比如只在特定 ENV=prod 下才触发重试逻辑。这种得靠参数化 + 组合 marker,而不是指望 pytest 自动识别。
到这里,我们也就讲完了《Python长耗时测试怎么处理?pytest标记慢用例方法》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!
雨课堂电脑版登录入口官网地址
- 上一篇
- 雨课堂电脑版登录入口官网地址
- 下一篇
- 蛙漫漫画正版入口及最新资源网址
-
- 文章 · python教程 | 56分钟前 |
- Python singledispatchmethod 在继承类中为什么没有命中重载
- 362浏览 收藏
-
- 文章 · python教程 | 59分钟前 | Python bisect bisect_left bisect_right 重复分数
- Python bisect 查找重复分数时怎么定位区间
- 118浏览 收藏
-
- 文章 · python教程 | 3小时前 | python · Python 异常传播 函数装饰器 contextlib.ContextDecorator with
- Python ContextDecorator 同时支持 with 与函数装饰器的实现边界
- 242浏览 收藏
-
- 文章 · python教程 | 3小时前 | 文件处理 · python · 异常排查 · Python 工作目录 异常恢复 contextlib.chdir
- Python contextlib.chdir 临时切换目录后如何保证异常恢复
- 158浏览 收藏
-
- 文章 · python教程 | 3小时前 | 缓存 · python · Python 缓存失效 实例属性 __dict__ functools.cached_property
- Python functools.cached_property 删除属性后如何强制刷新缓存
- 463浏览 收藏
-
- 文章 · python教程 | 3小时前 | 标准库 · python · 数据处理 · 问题排查 · collections.Counter 库存扣减 Python Counter.subtract 缺失项目 负计数
- Python Counter.subtract 后怎么判断真正缺失的项目
- 410浏览 收藏
-
- 文章 · python教程 | 3小时前 | python ·
- Python defaultdict 访问缺省键为什么会改变字典内容
- 482浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 457次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 521次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 536次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 484次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 306次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

