怎样在Python测试中用pytest-repeat进行压力测试-Python教程-PHP中文网

pytest-repeat 不适合压力测试，因其仅支持串行重复执行测试用例，缺乏并发控制、RPS调节、延迟分布统计及错误率等核心压测能力，易导致误判；它仅适用于稳定性抽检。

怎样在python测试中用pytest-repeat进行压力测试

pytest-repeat 不能做压力测试，它只是重复执行测试用例的工具，没有并发、计时、吞吐量统计等能力。把它当压测工具用，结果既不可信，也容易掩盖真实瓶颈。

为什么 pytest-repeat 不适合压力测试

它本质是 pytest 的一个插件，只在测试生命周期内做 --count 或 --until 控制的串行重跑，每次都是完整走一遍 setup → test → teardown，不共享状态、不控制并发、不采集响应时间分布或错误率。你看到“跑了 100 次 test_login”，实际是 100 个独立、间隔明显的请求，中间还夹着 fixture 初始化和断言开销。

无并发：所有迭代严格串行，--count=100 ≠ 100 并发连接
无节奏控制：无法设置每秒请求数（RPS）、阶梯加压、持续时长等关键压测参数
无指标输出：不提供 p95/p99 延迟、失败率、吞吐量（req/s）等核心压测指标
易误判：某次失败可能源于 fixture 清理不干净，而非服务承载力问题

正确做法：用专业压测工具替代

真要压测，直接换工具。Python 生态里最轻量且可脚本化的选择是 locust；如果已有 pytest 流程想复用部分逻辑，可用 pytest-asyncio + httpx 自写并发循环，但需自行补全指标采集和统计。

Python Pep Authoring

依据官方 python/peps仓库规则起草、审阅、编辑或准备 Python 改进提案（PEP），用于处理 PEP 文本和元数据头部。

下载

locust：支持 Web UI 实时监控、RPS 控制、用户行为建模（User Class）、分布式压测；测试逻辑写在 task_set 或 @task 中，和 pytest 完全解耦

自写方案示例（仅限简单场景）：

import asyncio
import httpx
import time
<p>async def single_request():
async with httpx.AsyncClient() as client:
r = await client.get("<a href="https://www.php.cn/link/1c9261a8e404615b4bb8bdaee81fa0d7">https://www.php.cn/link/1c9261a8e404615b4bb8bdaee81fa0d7</a>")
return r.status_code == 200</p><p>async def stress_test(n=50, concurrency=10):
start = time.time()
tasks = [single<em>request() for </em> in range(n)]
results = await asyncio.gather(*tasks)
end = time.time()
print(f"Completed {n} requests in {end - start:.2f}s, success rate: {sum(results)/len(results):.2%}")
</p>