目錄
- 基準(benchmarking)測試工具
- timeit
- pyperf
- pytest-benchmark
基準測試屬于性能測試的一種，用于評估和衡量軟件的性能指標。我們可以在軟件開發的某個階段通過基準測試建立一個已知的性能水平，稱為"基準線"。當系統的軟硬件環境發生變化之后再進行一次基準測試以確定那些變化對性能的影響。 這是基準測試最常見的用途。
Donald Knuth在1974年出版的《Structured Programming with go to Statements》提到：
毫無疑問，對效率的片面追求會導致各種濫用。程序員會浪費大量的時間在非關鍵程序的速度上，實際上這些嘗試提升效率的行為反倒可能產生很大的負面影響，特別是當調試和維護的時候。我們不應該過度糾結于細節的優化，應該說約97%的場景：過早的優化是萬惡之源。
當然我們也不應該放棄對那關鍵3%的優化。一個好的程序員不會因為這個比例小就裹足不前，他們會明智地觀察和識別哪些是關鍵的代碼；但是僅當關鍵代碼已經被確認的前提下才會進行優化。對于很多程序員來說，判斷哪部分是關鍵的性能瓶頸，是很容易犯經驗上的錯誤的，因此一般應該借助測量工具來證明。
雖然經常被解讀為不需要關心性能，但是的少部分情況下（3%）應該觀察和識別關鍵代碼并進行優化。
基準(benchmarking)測試工具
python中提供了非常多的工具來進行基準測試。
為了使演示的例子稍微有趣，我們來隨機生成一個列表，并對列表中數字進行排序。
import random
def random_list(start, end, length):
"""
生成隨機列表
:param start: 隨機開始數
:param end: 隨機結束數
:param length: 列表長度
"""
data_list = []
for i in range(length):
data_list.append(random.randint(start, end))
return data_list
def bubble_sort(arr):
"""
冒泡排序: 對列表進行排序
:param arr 列表
"""
n = len(arr)
for i in range(n):
for j in range(0, n - i - 1):
if arr[j] > arr[j + 1]:
arr[j], arr[j + 1] = arr[j + 1], arr[j]
return arr
if __name__ == '__main__':
get_data_list = random_list(1, 99, 10)
ret = bubble_sort(get_data_list)
print(ret)
運行結果如下：
❯ python .\demo.py
[8, 16, 22, 31, 42, 58, 66, 71, 73, 91]
timeit
timeit是python自帶的模塊，用來進行基準測試非常方便。
if __name__ == '__main__':
import timeit
get_data_list = random_list(1, 99, 10)
setup = "from __main__ import bubble_sort"
t = timeit.timeit(
stmt="bubble_sort({})".format(get_data_list),
setup=setup
)
print(t)
運行結果：
❯ python .\demo.py
5.4201355
以測試bubble_sort()函數為例。timeit.timeit() 參數說明。
- stmt：需要測試的函數或語句，字符串形式.
- setup: 運行的環境，本例子中表示if __name__ == '__main__':.
- number: 執行的次數，省缺則默認是1000000次。所以你會看到運行bubble_sort() 耗時 5秒多。
pyperf
https://github.com/psf/pyperf
pyperf 的用法與timeit比較類似，但它提供了更豐富結果。（注：我完全是發現了這個庫才學習基準測試的）
if __name__ == '__main__':
get_data_list = random_list(1, 99, 10)
import pyperf
setup = "from __main__ import bubble_sort"
runner = pyperf.Runner()
runner.timeit(name="bubble sort",
stmt="bubble_sort({})".format(get_data_list),
setup=setup)
運行結果：
❯ python .\demo.py -o bench.json
.....................
bubble sort: Mean +- std dev: 5.63 us +- 0.31 us
測試結果會寫入bench.json 文件。可以使用pyperf stats命令分析測試結果。
❯ python -m pyperf stats bench.json
Total duration: 15.9 sec
Start date: 2021-04-02 00:17:18
End date: 2021-04-02 00:17:36
Raw value minimum: 162 ms
Raw value maximum: 210 ms
Number of calibration run: 1
Number of run with values: 20
Total number of run: 21
Number of warmup per run: 1
Number of value per run: 3
Loop iterations per value: 2^15
Total number of values: 60
Minimum: 4.94 us
Median +- MAD: 5.63 us +- 0.12 us
Mean +- std dev: 5.63 us +- 0.31 us
Maximum: 6.41 us
0th percentile: 4.94 us (-12% of the mean) -- minimum
5th percentile: 5.10 us (-9% of the mean)
25th percentile: 5.52 us (-2% of the mean) -- Q1
50th percentile: 5.63 us (+0% of the mean) -- median
75th percentile: 5.81 us (+3% of the mean) -- Q3
95th percentile: 5.95 us (+6% of the mean)
100th percentile: 6.41 us (+14% of the mean) -- maximum
Number of outlier (out of 5.07 us..6.25 us): 6
pytest-benchmark
https://github.com/ionelmc/pytest-benchmark
pytest-benchmark是 pytest單元測試框架的一個插件。 單獨編寫單元測試用例：
from demo import bubble_sort
def test_bubble_sort(benchmark):
test_list = [5, 2, 4, 1, 3]
result = benchmark(bubble_sort, test_list)
assert result == [1, 2, 3, 4, 5]
需要注意：
- 導入bubble_sort() 函數。
- benchmark 作為鉤子函數使用，不需要導入包。前提是你需要安裝pytest和pytest-benchmark。
- 為了方便斷言，我們就把要排序的數固定下來了。
運行測試用例：
❯ pytest -q .\test_demo.py
. [100%]
------------------------------------------------ benchmark: 1 tests -----------------------------------------------
Name (time in us) Min Max Mean StdDev Median IQR Outliers OPS (Kops/s) Rounds Iterations
-------------------------------------------------------------------------------------------------------------------
test_bubble_sort 1.6000 483.2000 1.7647 2.6667 1.7000 0.0000 174;36496 566.6715 181819 1
-------------------------------------------------------------------------------------------------------------------
Legend:
Outliers: 1 Standard Deviation from Mean; 1.5 IQR (InterQuartile Range) from 1st Quartile and 3rd Quartile.
OPS: Operations Per Second, computed as 1 / Mean
1 passed in 1.98s
加上 --benchmark-histogram 參數，你會得到一張圖表
❯ pytest -q .\test_demo.py --benchmark-histogram
. [100%]
------------------------------------------------ benchmark: 1 tests -----------------------------------------------
Name (time in us) Min Max Mean StdDev Median IQR Outliers OPS (Kops/s) Rounds Iterations
-------------------------------------------------------------------------------------------------------------------
test_bubble_sort 1.6000 53.9000 1.7333 0.3685 1.7000 0.0000 1640;37296 576.9264 178572 1
-------------------------------------------------------------------------------------------------------------------
Generated histogram: D:\github\test-circle\article\code\benchmark_20210401_165958.svg
圖片如下：
關于基準測試的工具還有很多，這里就不再介紹了。
經過基準測試發現程序變慢了，那么接下來需要做的就是代碼性能分析了，我下篇再來介紹。
以上就是python如何進行基準測試的詳細內容，更多關于python 基準測試的資料請關注腳本之家其它相關文章！
您可能感興趣的文章:- python測試框架unittest和pytest區別
- python使用pytest接口自動化測試的使用
- python 如何用 Hypothesis 來自動化單元測試
- python 如何在測試中使用 Mock
- python 基于DDT實現數據驅動測試
- Python自動化測試基礎必備知識點總結
- Python3 + Appium + 安卓模擬器實現APP自動化測試并生成測試報告
- 基于Python的接口自動化unittest測試框架和ddt數據驅動詳解
- Appium+Python實現簡單的自動化登錄測試的實現
