Pytest其实也是可以做性能测试或者基准测试的。是非常方便的。 可以考虑使用Pytest-benchmark类库进行。
安装pytest-benchmark
首先，确保已经安装了pytest和pytest-benchmark插件。可以使用以下命令安装插件：
pip install pytest pytest-benchmark创建被测函数
创建被测函数如下：
import time, pytest_benchmark
def method1(duration=0.000001):
time.sleep(duration)
return "test"创建被测函数
创建性能测试函数：编写需要进行性能测试或基准测试的函数，并使用pytest装饰器将其标记为性能测试函数。例如：
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
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：
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，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！
