Pytest加-n参数提速的前提是测试无状态，否则会白跑或随机失败；需安装pytest-xdist、避免资源竞争、合理选--dist策略并根据I/O或CPU密集型调整进程数。
直接加 -n 参数就能提速，但多数人卡在“加了没效果”或“加了反而失败”上——根本原因不是参数没写对，而是测试本身没做好并行准备。
为什么 pytest -n 4 有时等于白跑
它不会报错，但实际只跑 1 个进程，或结果随机失败。常见诱因：
-
ImportError: No module named 'xdist'：根本没装pytest-xdist，只装了pytest - 加了
-n auto却只启 1 个 worker：os.cpu_count()返回 1（比如 GitHub Actions 默认仅分配 2 核，-n auto就是 1） - 测试里有硬编码端口（如
8000）、固定临时路径（如/tmp/cache.json）、共享数据库连接——多个进程抢同一资源，有的卡住、有的覆盖、有的报PermissionError - 用了
@pytest.fixture(scope='session')但误以为所有 worker 共享一个实例；实际上每个 worker 都会独立执行一次该 fixture
哪些测试必须改才能并行跑
不是所有测试都能直接套 -n。以下几类不改就必出问题：
- 写同一文件：
open('report.txt', 'w')→ 改用tempfile.mkstemp(prefix=f'test_{os.getpid()}_') - 读写同一个 SQLite 文件：
sqlite:///test.db→ 改用sqlite:///file::memory:或带 worker ID 后缀：f"test_{os.environ.get('PYTEST_XDIST_WORKER')}.db" - HTTP 测试绑定固定端口：
HTTPServer(('', 8000), handler)→ 改用HTTPServer(('', 0), handler)让系统自动分配 - 测试类内方法依赖顺序（如
test_login和test_use_token）→ 不能用默认--dist=load，得加--dist=loadgroup并标记：@pytest.mark.xdist_group(name="auth")
--dist 参数选哪个才不踩坑
默认 --dist=load 按单个 test function 分发，最细粒度也最容易撞状态。按场景换策略：
提示词大师-python版
下载
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
立即学习“Python免费学习笔记（深入）”；
- 测试文件之间完全独立（比如
test_api.py和test_utils.py）→ 用--dist=loadfile - 同一个
class里的多个 test 共享 setup/teardown 或内部状态 → 用--dist=loadscope - 想确保某组标记的测试（如
@pytest.mark.slow）不被拆开 → 用--dist=loadgroup，配合@pytest.mark.xdist_group(name="slow") - CI 环境内存紧张，怕某个 test 占满资源拖垮全部 → 加
--max-worker-restart=2防止单点崩溃雪崩
进程数设多少才真实快
-n auto 是懒人选项，但往往不是最优解：
- I/O 密集型测试（HTTP 请求、DB 查询）：
-n 2或-n 4常比-n 8更快，再多进程只是增加上下文切换和锁争抢 - CPU 密集型测试（大量计算、加密解密）：可接近物理核数，但别超
os.cpu_count() - 1（留一个核给系统调度） - 混合型测试：先用
pytest --durations=10 -n 4看耗时分布，再决定是否调高或改策略 - Windows 上 spawn 方式启动子进程，若测试 import 了
torch或cv2，可能卡在AttributeError: module '__main__' has no attribute '__file__'→ 改用-n 2或迁移到 Linux CI
真正难的从来不是加参数，而是让每个 test 函数彻底“无状态”：不碰全局变量、不复用连接、不依赖执行顺序、不写死路径或端口。并行不是魔法，它只是把隐式耦合提前暴露出来而已。
