pytest系列——pytest-xdist插件之多进程运行测试用例|| pytest-parallel插件之多线程运行测试用例

pytest之多进程运行测试用例(pytest-xdist)

前言

平常我们功能测试用例非常多时，比如有1千条用例，假设每个用例执行需要1分钟，如果单个测试人员执行需要1000分钟才能跑完
当项目非常紧急时，会需要协调多个测试资源来把任务分成两部分，于是执行时间缩短一半，如果有10个小伙伴，那么执行时间就会变成十分之一，大大节省了测试时间
为了节省项目测试时间，10个测试同时并行测试，这就是一种分布式场景

分布式执行用例的原则：

用例之间是独立的，没有依赖关系，完全可以独立运行
用例执行没有顺序要求，随机顺序都能正常执行
每个用例都能重复运行，运行结果不会影响其他用例

背景：

我们日常的工作当中进行自动化测试编写的测试用例会非常多，测试用例一个一个的执行所需要花费的时间会很长，你想象一下如果开发改动一块代码，我们需要回归一下，这时候执行一下自动化用例需要花费一小时或者好几个小时的时间，这是我们无法容忍的。

为了解决这个问题，我们采用pytest的插件pytest-xdist来进行多进程的并发执行测试用例，大大的缩短测试用例的执行时间，提高效率。

并发运行测试用例：

1、安装pytest-xdist

<span style="color:#111111"><span style="background-color:#ffffff"><code class="language-mipsasm">pip <span style="color:#0000ff">install </span>pytest-xdist
</code></span></span>

2、多进程并发执行测试用例：不支持多线程

<span style="color:#111111"><span style="background-color:#ffffff"><code class="language-bash">pytest test_add.py -n NUM    <span style="color:#008000"># NUM表示并发的进程数</span>
</code></span></span>

参数配置：

-n=* ：*代表进程数

解释：

①多cpu并行执行用例，直接加个-n参数即可，后面num参数就是并行数量，比如num设置为3
②-n auto ：自动侦测系统里的CPU数目
③-n num ：指定运行测试的处理器进程数

3、举例：

项目结构如下：

代码：

<span style="color:#111111"><span style="background-color:#ffffff"><code class="language-python"><span style="color:#008000"># file_name: test_a.py</span>

<span style="color:#0000ff">import</span> pytest
<span style="color:#0000ff">import</span> time


<span style="color:#0000ff">def</span> <span style="color:#a31515">test_a_01</span>():
    <span style="color:#0000ff">print</span>(<span style="color:#a31515">"----------------->>> test_a_01"</span>)
    time.sleep(<span style="color:#880000">1</span>)
    <span style="color:#0000ff">assert</span> <span style="color:#880000">1</span>


<span style="color:#0000ff">def</span> <span style="color:#a31515">test_a_02</span>():
    <span style="color:#0000ff">print</span>(<span style="color:#a31515">"----------------->>> test_a_02"</span>)
    time.sleep(<span style="color:#880000">1</span>)
    <span style="color:#0000ff">assert</span> <span style="color:#880000">1</span>


<span style="color:#0000ff">def</span> <span style="color:#a31515">test_a_03</span>():
    <span style="color:#0000ff">print</span>(<span style="color:#a31515">"----------------->>> test_a_03"</span>)
    time.sleep(<span style="color:#880000">1</span>)
    <span style="color:#0000ff">assert</span> <span style="color:#880000">1</span>


<span style="color:#0000ff">def</span> <span style="color:#a31515">test_a_04</span>():
    <span style="color:#0000ff">print</span>(<span style="color:#a31515">"----------------->>> test_a_04"</span>)
    time.sleep(<span style="color:#880000">1</span>)
    <span style="color:#0000ff">assert</span> <span style="color:#880000">1</span>


<span style="color:#0000ff">if</span> __name__ == <span style="color:#a31515">'__main__'</span>:
    pytest.main([<span style="color:#a31515">"-s"</span>, <span style="color:#a31515">"test_a.py"</span>])
</code></span></span>

<span style="color:#111111"><span style="background-color:#ffffff"><code class="language-python"><span style="color:#008000"># file_name: test_b.py</span>


<span style="color:#0000ff">import</span> pytest
<span style="color:#0000ff">import</span> time


<span style="color:#0000ff">def</span> <span style="color:#a31515">test_b_01</span>():
    <span style="color:#0000ff">print</span>(<span style="color:#a31515">"----------------->>> test_b_01"</span>)
    time.sleep(<span style="color:#880000">1</span>)
    <span style="color:#0000ff">assert</span> <span style="color:#880000">1</span>


<span style="color:#0000ff">def</span> <span style="color:#a31515">test_b_02</span>():
    <span style="color:#0000ff">print</span>(<span style="color:#a31515">"----------------->>> test_b_02"</span>)
    time.sleep(<span style="color:#880000">1</span>)
    <span style="color:#0000ff">assert</span> <span style="color:#880000">1</span>


<span style="color:#0000ff">def</span> <span style="color:#a31515">test_b_03</span>():
    <span style="color:#0000ff">print</span>(<span style="color:#a31515">"----------------->>> test_b_03"</span>)
    time.sleep(<span style="color:#880000">1</span>)
    <span style="color:#0000ff">assert</span> <span style="color:#880000">1</span>


<span style="color:#0000ff">def</span> <span style="color:#a31515">test_b_04</span>():
    <span style="color:#0000ff">print</span>(<span style="color:#a31515">"----------------->>> test_b_04"</span>)
    time.sleep(<span style="color:#880000">1</span>)
    <span style="color:#0000ff">assert</span> <span style="color:#880000">1</span>


<span style="color:#0000ff">if</span> __name__ == <span style="color:#a31515">'__main__'</span>:
    pytest.main([<span style="color:#a31515">"-s"</span>, <span style="color:#a31515">"test_b.py"</span>])
</code></span></span>

①正常运行以上代码，耗时：8.09s

②设置并行运行数量为4，耗时：3.48s，大大的缩短了测试用例的执行时间。

pytest-xdist分布式测试的原理

前言

1、xdist的分布式类似于一主多从的结构，master机负责下发命令，控制slave机；slave机根据master机的命令执行特定测试任务。

2、在xdist中，主是master，从是workers。

大致原理

1、xdist会产生一个或多个workers，workers都通过master来控制。

2、每个worker负责执行完整的测试用例集，然后按照master的要求运行测试，而master机不执行测试任务。

pytest-xdist分布式测试的流程

第一步：创建worker

1、master会在总测试会话（test session）开始前产生一个或多个worker。

2、master和worker之间是通过execnet和网关来通信的。

3、实际编译执行测试代码的worker可能是本地机器也可能是远程机器。

第二步：收集测试项用例

1、每个worker类似一个迷你型的pytest执行器。

2、worker会执行一个完整的test collection过程。【收集所有测试用例的过程】

3、然后把测试用例的ids返回给master。【ids表示收集到的测试用例路径】

4、master是不会执行任何测试用例集的。
注意：分布式测试（pytest-xdist）方式执行测试时不会输出测试用例中的print内容，因为主机并不执行测试用例，pycharm相当于一个master。

第三步：master检测workers收集到的测试用例集

1、master接收到所有worker收集的测试用例集之后，master会进行一些完整性检查，以确保所有worker都收集到一样的测试用例集（包括顺序）。

2、如果检查通过，会将测试用例的ids列表转换成简单的索引列表，每个索引对应一个测试用例的在原来测试集中的位置。

3、这个方案可行的原因是：所有的节点都保存着相同的测试用例集。

4、并且使用这种方式可以节省带宽，因为master只需要告知workers需要执行的测试用例对应的索引，而不用告知完整的测试用例信息。

第四步：测试用例分发

--dist-mode选项

each：master将完整的测试索引列表分发到每个worker。

load：master将大约25%的测试用例以轮询的方式分发到各个worker，剩余的测试用例则会等待workers执行完测试用例以后再分发

注意：可以使用pytest_xdist_make_scheduler 这个hook来实现自定义测试分发逻辑。

第五步：测试用例的执行

1、workers 重写了 pytest_runtestloop ：pytest的默认实现是循环执行所有在test session这个对象里面收集到的测试用例。

2、但是在xdist里, workers实际上是等待master为其发送需要执行的测试用例。

3、当worker收到测试任务, 就顺序执行 pytest_runtest_protocol 。

4、值得注意的一个细节是：workers 必须始终保持至少一个测试用例在的任务队列里, 以兼容 pytest_runtest_protocol(item, nextitem) hook的参数要求，为了将 nextitem传给hook。

5、worker会在执行最后一个测试项前等待master的更多指令。

6、如果它收到了更多测试项, 那么就可以安全的执行 pytest_runtest_protocol ，因为这时nextitem参数已经可以确定。

7、如果它收到一个 "shutdown"信号, 那么就将 nextitem 参数设为 None, 然后执行 pytest_runtest_protocol

第六步：测试用例再分发（--dist-mode=load）

1、当workers开始/结束执行时，会把测试结果返回给master，这样其他pytest hook比如： pytest_runtest_protocol就可以正常执行。

2、master在worker执行完一个测试后，基于测试执行时长以及每个work剩余测试用例综合决定是否向这个worker发送更多的测试用例

第七步：测试结束

1、当master没有更多执行测试任务时，它会发送一个“shutdown”信号给所有worker。

2、当worker将剩余测试用例执行完后退出进程。

3、master等待所有worker全部退出。

4、然而此时仍需要处理诸如 pytest_runtest_logreport 等事件。

pytest实现多线程运行测试用例（pytest-parallel）

安装

<span style="color:#111111"><span style="background-color:#ffffff"><code class="language-mipsasm">pip <span style="color:#0000ff">install </span>pytest-parallel
</code></span></span>

常用参数配置

① --workers=n ：多进程运行需要加此参数， n是进程数。默认为1

② --tests-per-worker=n ：多线程需要添加此参数，n是线程数

如果两个参数都配置了，就是进程并行；每个进程最多n个线程，总线程数：进程数*线程数

【注意】

①在windows上进程数永远为1。

②需要使用 if name == “main” :，在dos中运行会报错（即在命令行窗口运行测试用例会报错）

示例：

pytest test.py --workers 3 ：3个进程运行
pytest test.py --tests-per-worker 4 ：4个线程运行
pytest test.py --workers 2 --tests-per-worker 4 ：2个进程并行，且每个进程最多4个线程运行，即总共最多8个线程运行。

<span style="color:#111111"><span style="background-color:#ffffff"><code class="language-python"><span style="color:#0000ff">import</span> pytest


<span style="color:#0000ff">def</span> <span style="color:#a31515">test_03</span>():
    <span style="color:#0000ff">print</span>(<span style="color:#a31515">'测试用例3操作'</span>)


<span style="color:#0000ff">def</span> <span style="color:#a31515">test_04</span>():
    <span style="color:#0000ff">print</span>(<span style="color:#a31515">'测试用例4操作'</span>)


<span style="color:#0000ff">if</span> __name__ == <span style="color:#a31515">"__main__"</span>:
    pytest.main([<span style="color:#a31515">"-s"</span>, <span style="color:#a31515">"test_b.py"</span>, <span style="color:#a31515">'--workers=2'</span>, <span style="color:#a31515">'--tests-per-worker=4'</span>])
</code></span></span>

pytest-parallel与pytest-xdist对比说明

① pytest-parallel 比 pytst-xdist 相对好用，功能支持多。

② pytst-xdist 不支持多线程；

③pytest-parallel 支持python3.6及以上版本，所以如果想做多进程并发在linux或者mac上做，在Windows上不起作用（Workers=1），如果做多线程linux/mac/windows平台都支持，进程数为workers的值。

自动化测试相关教程推荐：

2023最新自动化测试自学教程新手小白26天入门最详细教程,目前已有300多人通过学习这套教程入职大厂！！_哔哩哔哩_bilibili

2023最新合集Python自动化测试开发框架【全栈/实战/教程】合集精华，学完年薪40W+_哔哩哔哩_bilibili

测试开发相关教程推荐

2023全网最牛，字节测试开发大佬现场教学，从零开始教你成为年薪百万的测试开发工程师_哔哩哔哩_bilibili

postman/jmeter/fiddler测试工具类教程推荐

讲的最详细JMeter接口测试/接口自动化测试项目实战合集教程，学jmeter接口测试一套教程就够了！！_哔哩哔哩_bilibili

2023自学fiddler抓包，请一定要看完【如何1天学会fiddler抓包】的全网最详细视频教程！！_哔哩哔哩_bilibili

2023全网封神，B站讲的最详细的Postman接口测试实战教学，小白都能学会_哔哩哔哩_bilibili

总结：

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

如果对你有帮助的话，点个赞收个藏，给作者一个鼓励。也方便你下次能够快速查找。

如有不懂还要咨询下方小卡片，博主也希望和志同道合的测试人员一起学习进步

在适当的年龄，选择适当的岗位，尽量去发挥好自己的优势。

我的自动化测试开发之路，一路走来都离不每个阶段的计划，因为自己喜欢规划和总结，

测试开发视频教程、学习笔记领取传送门！！