应直接使用 pytest-benchmark 而非 time.perf_counter()，因其在 python 3.12 下默认启用预热、禁用 gc、自动校准迭代并输出 min/median/stddev 等可信指标。

直接用 pytest-benchmark，别自己写 time.perf_counter() —— Python 3.12 下它已默认适配高精度计时器，且自动规避 GC 干扰和预热不足问题。

为什么不能用 time.perf_counter() 手动测

在 Python 3.12 中，time.perf_counter() 虽然精度更高，但单次调用仍受以下干扰：

• 函数首次执行时 CPU 预热未完成，耗时虚高
• 垃圾回收（GC）在某次迭代中突然触发，拉高单次最大值
• 系统调度抖动、后台进程抢占导致结果不可复现
• 没做多次采样，无法判断是优化有效还是运气好

pytest-benchmark 默认启用 warmup（预热轮次）、禁用 GC（可配）、自动校准迭代次数，并输出 min/median/stddev 等字段——这些不是“增强功能”，而是得出可信结论的底线要求。

benchmark fixture 怎么传参才不报错

常见错误是把表达式包进 lambda 或误用 benchmark.pedantic()，导致返回值异常或 fixture 'benchmark' not found。正确用法只有两种：

• 直接传函数 + 参数：benchmark(sorted, [3, 1, 4, 1, 5])
• 传 callable（含 lambda），但必须确保它返回你要测的值：benchmark(lambda: sum(range(1000)))

别写成 benchmark(lambda: sorted([3,1,4])) ——这会把 lambda 本身当被测对象，实际测的是 lambda 创建开销。也别漏掉 pytest 运行参数：pytest --benchmark-only 才能激活 benchmark 模式，否则 fixture 不加载。

Claw Code Suite (Python-Only Edition)

仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...

下载

Python 3.12 下必须检查的配置项

Python 3.12 对短时函数计时更敏感，需显式控制几个关键行为：

• 加 disable_gc=True：避免 GC 在某轮中打断测量（尤其测小对象创建/销毁）
• 设 min_rounds=5：3.12 的 perf_counter 分辨率虽高，但轮次太少仍易受抖动影响
• 用 timer=time.perf_counter（默认即此，但显式写更稳妥）：不用 time.time()，它在 3.12 下已不推荐用于性能测量
• 若测异步函数，benchmark 不支持直接 await，得用 asyncio.run() 包一层：benchmark(asyncio.run, coro_func())

这些配置可通过装饰器写在测试函数上，也可统一放在 pytest.ini 里：

[pytest]
benchmark_min_rounds = 5
benchmark_disable_gc = true
benchmark_timer = time.perf_counter

报告里哪些字段真正影响判断

运行后终端输出一堆数字，但真正该盯住的只有三个：

• Min：反映函数“能多快”，适合看优化上限；如果优化后 Min 变大，基本说明改错了
• Median：比 Mean 更抗干扰，是横向对比不同实现时最稳的指标
• StdDev / Median 比值 > 0.1：说明结果不稳定，可能受外部干扰，得查是否漏关 GC、是否数据规模太小

别迷信 Mean —— Python 3.12 下某些低开销操作（如空 list.append）标准差可能占均值 30% 以上，此时看 Mean 反而误导。

真实项目里最容易被忽略的，是没给 benchmark 函数加断言验证正确性。测再快，返回了错误结果也没意义；而 pytest-benchmark 允许你在 benchmark() 调用后立刻 assert，这点很多人跳过。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！