Python pytest：有没有一种方法可以报告测试的内存使用情况？

我查看了pytest文档，但找不到任何相关内容。我知道pytest--durations=0将打印所有测试的运行时。有没有办法让pytest也打印出函数消耗的峰值内存使用量？否则，我可能只能使用下面的装饰功能。但我想知道是否有更好的方法来做到这一点

from functools import wraps

    def mem_time(func):
        @wraps(func)
        def wrapper(*args, **kwargs):

            # Start of function
            r0 = resource.getrusage(resource.RUSAGE_SELF)
            t0 = datetime.datetime.now()

            # Call function
            status = func(*args, **kwargs)

            # End of function
            r1 = resource.getrusage(resource.RUSAGE_SELF)
            t1 = datetime.datetime.now()

            sys.stderr.write('{}: utime {} stime {} wall {}\n'.format(func.__name__,
                                                                      datetime.timedelta(seconds=r1.ru_utime - r0.ru_utime),
                                                                      datetime.timedelta(seconds=r1.ru_stime - r0.ru_stime),
                                                                      t1 - t0))

            sys.stderr.write('{}: mem {} MB ({} GB)\n'.format(func.__name__,
                                                              (r1.ru_maxrss - r0.ru_maxrss) / 1000.0,
                                                              (r1.ru_maxrss - r0.ru_maxrss) / 1000000.0))

            return status

        return wrapper

---

内存分析：

据我所知，没有插件可以从pytest获取内存分析。 使用以下链接进行内存分析

其他参考资料：

累计次数：

但是要获得使用plugin

pytest评测的所有调用的累计次数

pip install pytest-profiling

用法：

pytest -s -v [file_name] --profile

输出有点像这样

Profiling (from /home/work/project/analytics/testing/TestCases/cloud/prof/combined.prof):
Wed Nov 20 12:09:47 2019    /home/work/project/analytics/testing/TestCases/cloud/prof/combined.prof

         437977 function calls (380211 primitive calls) in 3.866 seconds

   Ordered by: cumulative time
   List reduced from 683 to 20 due to restriction <20>

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.000    0.000    3.866    3.866 runner.py:107(pytest_runtest_call)
        1    0.000    0.000    3.866    3.866 python.py:1457(runtest)
        1    0.000    0.000    3.866    3.866 hooks.py:275(__call__)
        1    0.000    0.000    3.866    3.866 manager.py:59(<lambda>)
        1    0.000    0.000    3.866    3.866 manager.py:65(_hookexec)
        1    0.000    0.000    3.866    3.866 callers.py:157(_multicall)
        1    0.000    0.000    3.866    3.866 python.py:188(pytest_pyfunc_call)
        1    0.001    0.001    3.866    3.866 test_abc.py:46(test_abc)
        1    0.000    0.000    3.865    3.865 test_abc.py:9(run_abc_test)
        1    0.001    0.001    3.854    3.854 dataAnalyzer.py:826(sanitize_data)
        1    0.000    0.000    3.773    3.773 Analyzer.py:563(Traffic)
        1    0.000    0.000    3.772    3.772 traffic.py:83(false_alarm_checks)
        3    0.000    0.000    3.767    1.256 api.py:60(get)
        3    0.000    0.000    3.765    1.255 api.py:135(_get_from_overpass)
        3    0.000    0.000    3.765    1.255 api.py:101(post)
        3    0.000    0.000    3.765    1.255 api.py:16(request)
        3    0.000    0.000    3.762    1.254 sessions.py:445(request)
        3    0.000    0.000    3.759    1.253 sessions.py:593(send)
        3    0.000    0.000    3.757    1.252 adapters.py:393(send)
        3    0.000    0.000    3.755    1.252 connectionpool.py:447(urlopen)

评测（来自/home/work/project/analytics/testing/TestCases/cloud/prof/combined.prof）：
2019年11月20日星期三12:09:47/home/work/project/analytics/testing/TestCases/cloud/prof/combined.prof
437977次函数调用（380211次基元调用），耗时3.866秒
排序人：累计时间
由于限制，名单从683人减少到20人
ncalls tottime percall cumtime percall文件名：lineno（函数）
1 0.000 0.000 3.866 3.866 runner.py:107（pytest_runtest_调用）
1 0.000 0.000 3.866 3.866 python.py:1457（运行测试）
1 0.000 0.000 3.866 3.866挂钩。py:275（调用）
1 0.000 0.000 3.866 3.866经理。py:59（）
1 0.000 0.000 3.866 3.866经理。py:65
1 0.000 0.000 3.866 3.866呼叫者。py:157（_multicall）
1 0.000 0.000 3.866 3.866 python.py:188（pytest_pyfunc_调用）
1 0.001 0.001 3.866 3.866测试abc.py:46（测试abc）
1 0.000 0.000 3.865 3.865测试abc.py:9（运行abc测试）
1 0.001 0.001 3.854 3.854 dataAnalyzer.py:826（对数据进行消毒）
1 0.000 0.000 3.773 3.773分析仪。py:563（流量）
1 0.000 0.000 3.772 3.772流量。py:83（假警报检查）
3 0.000 0.000 3.767 1.256 api.py:60（get）
3 0.000 0.000 3.765 1.255 api.py:135（从立交桥获取）
3 0.000 0.000 3.765 1.255 api.py:101（post）
3 0.000 0.000 3.765 1.255 api.py:16（请求）
3 0.000 0.000 3.762 1.254节。py:445（请求）
3 0.000 0.000 3.759 1.253节。py:593（发送）
3 0.000 0.000 3.757 1.252适配器。py:393（发送）
3 0.000 0.000 3.755 1.252连接池。py:447（urlopen）

pytest monitor一个新的pytest插件可以帮助监控资源使用、计时、内存等。所有指标都存储在sqlite数据库中，用于后期分析

从pypi或conda forge查看pytest monitor：

示例

$ pytest --db ./monitor.db

$ sqlite3 ./monitor.db

sqlite>.headers on

sqlite> select ITEM, MEM_USAGE from TEST_METRICS;

ITEM|MEM_USAGE
test_api/test_data_get[/data/listdsh]|17.5703125
test_api/test_data_get[/data/listrecipients]|17.97265625
test_api/test_data_get[/data/getuserdetails]|18.125

---

希望这会有所帮助

如果有兴趣，我可以找出一些代码，向您展示测试前后python进程复制的内存。然而，由于Python并不总是快速释放内存，因此它不一定会给您提供正确的结果，但在某些情况下，它可以非常有教育意义。有兴趣吗？请。这总是一个很好的学习。谢谢。在欧洲有点晚（很早）。我会把代码挖出来明天发布。刚刚检查了我的旧代码。我不认为它比rusage更好。虽然python2的代码已经运行了，但现在几乎没有人关心它

pip安装psutil

安装，然后导入操作系统。psutil；rss=psutil.Process（os.getpid（））.memory_info（）.rss