根本原因是测试用例不满足并行前提：存在共享状态、资源竞争（如共用数据库连接、临时文件路径、全局变量）或低数量用例（少于10个），导致-n auto无法真正并发，甚至因锁争抢而变慢；应先检查隔离性、显式指定-n 3等合理核数，并配合--dist=loadgroup和--boxed调试。
pytest-xdist安装后为什么pytest -n auto没提速？
多数人装完pytest-xdist直接跑pytest -n auto，发现耗时几乎没变，甚至更慢。根本原因不是插件没生效，而是测试本身不满足并行前提：单个测试用例必须相互隔离、无共享状态、不争抢同一资源（如数据库连接、临时文件路径、全局变量）。如果测试里有time.sleep(1)或写入同一个/tmp/test.log，并行反而会因锁竞争拖慢整体速度。
- 先用
pytest --collect-only确认测试数量是否足够（少于10个用例并行收益极低） - 检查是否有测试修改了模块级变量（比如在
conftest.py里赋值的shared_counter = 0） - 避免在
setup_method里创建全局临时目录，改用tmp_pathfixture（它为每个进程生成独立路径）
如何指定CPU核心数而不依赖auto？
-n auto会调用os.cpu_count()，但实际可用核心常被系统保留或超线程干扰。更稳妥的是显式指定数字，尤其在CI环境（如GitHub Actions默认只分配2核）。
- 查真实可用逻辑核：
python -c "import os; print(os.cpu_count())" - 留1核给系统调度：4核机器建议用
-n 3，而非-n auto - 限制内存敏感型测试并发数：加
--max-slave-restart=0防止子进程OOM后反复重启
示例命令：pytest -n 3 --dist=loadgroup -v（loadgroup按test class分组，比默认load更均衡）
测试失败时如何快速定位是哪个worker出的问题？
并行执行时错误堆栈默认被截断，且不同worker的日志混在一起，很难判断失败发生在哪个进程。关键在于启用详细日志和独立输出路径。
立即学习“Python免费学习笔记（深入）”；
- 加
--tb=short避免长traceback刷屏，配合-v显示完整测试名 - 用
--log-file=test.log --log-file-level=INFO把各worker日志分开写入（需配合logging配置） - 最有效方式：失败时自动保存worker状态，加参数
--boxed（每个测试在独立进程运行，崩溃不污染其他worker）
注意：--boxed会显著降低性能，仅在调试阶段启用。
哪些fixture或插件与pytest-xdist不兼容？
不是所有pytest生态组件都支持多进程。典型冲突点是依赖进程内单例或共享内存的工具。
-
pytest-cov需升级到≥4.0，并显式加--cov-report=term-missing --cov=myproject，否则覆盖率统计会丢失 -
pytest-asyncio在--asyncio-mode=auto下可能死锁，建议固定为--asyncio-mode=strict - 自定义fixture若用了
atexit.register()或threading.local()，需改为进程安全版本（如用multiprocessing.Manager）
一个容易被忽略的细节：conftest.py里的pytest_runtest_makereport hook在worker进程里执行，不能假设它和主进程共享变量。
