正确调用benchmark fixture需显式声明为函数参数，如def test_sort_performance(benchmark): result = benchmark(sorted, [3, 1, 4, 1, 5])；漏参数或误用@pytest.mark.benchmark均会导致失败。
直接用 pytest-benchmark 跑性能测试，核心就一条：把待测函数写成普通 pytest 测试函数，再用 benchmark fixture 调用它——不是装饰器，也不是单独命令行参数。
如何正确调用 benchmark fixture
benchmark 是 pytest 自动注入的 fixture，必须作为函数参数显式声明。常见错误是漏掉这个参数，或试图用 @pytest.mark.benchmark 直接修饰函数（这不会触发基准测试）。
- ✅ 正确写法：
def test_sort_performance(benchmark): result = benchmark(sorted, [3, 1, 4, 1, 5]) - ❌ 错误写法：
def test_sort_performance(): ...（缺少benchmark参数，会报fixture 'benchmark' not found） - ❌ 错误写法：
@pytest.mark.benchmark def test_sort_performance(): ...（标记无效，不执行基准测试）
benchmark() 的三种常用调用方式及适用场景
传入函数+参数的方式不同，影响的是被测代码的执行粒度和结果解释性：
-
benchmark(func, *args, **kwargs)：最常用，等价于func(*args, **kwargs)，测量单次调用开销（适合纯函数、无状态操作） -
benchmark.pedantic(func, args=..., setup=..., iterations=..., rounds=...)：控制更细，比如想固定跑 100 次迭代、重复 5 轮取中位数，或需要 setup 函数预热/构造数据 -
benchmark(lambda: func(...))：适合带闭包、需延迟求值或含副作用的逻辑（但注意 lambda 本身有微小开销，对 sub-microsecond 级别敏感时需留意）
为什么 test 运行后没看到性能报告？
pytest 默认不输出 benchmark 结果，必须显式启用输出格式或保存到文件：
立即学习“Python免费学习笔记（深入）”；
- 加
--benchmark-only才只运行 benchmark 测试（否则普通 test 和 benchmark test 都会跑，但后者不输出） - 加
--benchmark-compare可对比历史结果（需先用--benchmark-save=xxx存档） - 最简验证方式：
pytest --benchmark-only -v，确保看到类似Median (50.0%): 12.45 us的行 - 注意：如果测试函数里没调用
benchmark(...)，pytest 会静默跳过该 benchmark 测试，也不会报错
setup 和 teardown 容易被忽略的细节
很多性能差异其实来自数据构造或环境初始化，但 benchmark 默认不包含 setup 时间。要用 pedantic 模式显式分离：
-
setup函数返回一个元组(args, kwargs)或可调用对象，用于每次迭代前准备输入 -
setup本身不计入耗时，但返回的数据会被传给目标函数——这意味着如果你在setup里做了 heavy 初始化，又没把它移到setup外，结果会失真 - 没有内置 teardown，如需清理（比如临时文件、缓存），得在
setup返回的 callable 里手动处理，或改用普通 pytest fixture +yield配合benchmark
真正卡住人的往往不是语法，而是没意识到 benchmark 测的是“函数调用”而非“函数定义”，以及默认不包含 setup 开销——这两点一旦搞反，测出来的数字就完全不可比。
