Pytest失敗重跑機(jī)制pytest-rerunfailures的實(shí)現(xiàn)
在自動化測試中,偶發(fā)性失敗是常見痛點(diǎn)。本文將深入解析如何通過pytest-rerunfailures插件優(yōu)雅解決偶發(fā)故障問題。
一、核心命令解析
安裝命令
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pytest-rerunfailures
-i:指定鏡像源(國內(nèi)加速)pypi.tuna.tsinghua.edu.cn:清華大學(xué)PyPI鏡像pytest-rerunfailures:失敗重跑插件
基礎(chǔ)重跑命令
pytest -s testcases/test_rerun.py --reruns 5
--reruns 5:最大重試次數(shù)(失敗后自動重跑最多5次)
延遲重跑命令
pytest -s testcases/test_rerun.py --reruns 5 --reruns-delay 1
--reruns-delay 1:每次重試間隔1秒
二、為什么需要失敗重跑?
偶發(fā)性失敗的常見原因
| 失敗類型 | 占比 | 典型場景 |
|---|---|---|
| 環(huán)境波動 | 40% | 網(wǎng)絡(luò)抖動、資源競爭 |
| 時(shí)序問題 | 30% | 異步操作未完成 |
| 第三方依賴 | 20% | API限流、服務(wù)不穩(wěn)定 |
| 隨機(jī)因素 | 10% | 隨機(jī)數(shù)據(jù)沖突 |
重跑機(jī)制的價(jià)值
graph LR
A[首次失敗] --> B{是否可重跑?}
B -->|是| C[自動重試]
B -->|否| D[標(biāo)記失敗]
C --> E{重試成功?}
E -->|是| F[報(bào)告成功]
E -->|否| D
三、實(shí)戰(zhàn)演示:重跑機(jī)制應(yīng)用
測試場景:支付結(jié)果查詢
# test_payment.py
import pytest
import random
def test_payment_status():
""" 模擬第三方支付接口的不穩(wěn)定響應(yīng) """
result = random.choice([True, False]) # 50%失敗率
assert result, "支付狀態(tài)查詢失敗"
執(zhí)行結(jié)果對比
無重跑機(jī)制
$ pytest test_payment.py ============================ 1 failed in 0.12s
啟用重跑機(jī)制
$ pytest test_payment.py --reruns 3 --reruns-delay 0.5 ============================ rerun test_payment.py::test_payment_status Rerun #1: 失敗 Rerun #2: 成功 1 passed, 2 rerun in 0.87s
四、進(jìn)階使用技巧
1. 標(biāo)記特定測試重跑
@pytest.mark.flaky(reruns=3, reruns_delay=1)
def test_api_connection():
response = requests.get("https://unstable-api.com")
assert response.status_code == 200
優(yōu)勢:針對不穩(wěn)定API單獨(dú)設(shè)置重試策略
2. 條件重跑(僅重試特定異常)
@pytest.mark.flaky(
reruns=3,
condition=TypeError # 僅當(dāng)捕獲TypeError時(shí)重試
)
def test_data_processing():
# 可能因數(shù)據(jù)類型錯(cuò)誤失敗
process_data(get_external_data())
3. 重跑結(jié)果報(bào)告增強(qiáng)
pytest --reruns 2 --reruns-delay 1 --html=report.html
報(bào)告效果:
測試用例 狀態(tài) 重試次數(shù)
test_login PASSED 0
test_payment PASSED 2 (首次失敗)
五、重跑機(jī)制原理剖析
執(zhí)行流程
1. pytest收集測試用例
2. 執(zhí)行原始測試
- 成功 → 記錄結(jié)果
- 失敗 → 觸發(fā)重試機(jī)制
3. 重試執(zhí)行(最多N次)
- 任意成功 → 標(biāo)記為passed
- 全部失敗 → 標(biāo)記為failed
4. 生成最終報(bào)告
注意事項(xiàng)
- setup/teardown:每次重試都會重新執(zhí)行
- 測試狀態(tài):只有最終狀態(tài)計(jì)入報(bào)告
- 耗時(shí)計(jì)算:包含所有重試時(shí)間總和
六、最佳實(shí)踐指南
1. 重試策略配置建議
| 場景類型 | reruns | reruns-delay | 說明 |
|---|---|---|---|
| 網(wǎng)絡(luò)依賴 | 3-5 | 1-3s | 等待網(wǎng)絡(luò)恢復(fù) |
| 異步操作 | 2-3 | 0.5-1s | 給操作完成時(shí)間 |
| 高負(fù)載服務(wù) | 5+ | 隨機(jī)延遲 | 避免雪崩效應(yīng) |
| 數(shù)據(jù)庫競爭 | 3 | 0.3s | 減少鎖沖突 |
2. 避免濫用重跑
不應(yīng)使用重跑的場景:
- 邏輯性錯(cuò)誤(永遠(yuǎn)失?。?/li>
- 環(huán)境配置錯(cuò)誤
- 數(shù)據(jù)一致性問題
- 性能不達(dá)標(biāo)場景
3. 結(jié)合其他機(jī)制
# 重跑+分布式執(zhí)行 pytest -n auto --reruns 3 # 重跑+失敗截圖 pytest --reruns 2 --screenshot-on-failure # 重跑+性能監(jiān)控 pytest --reruns 1 --perf-monitor
七、企業(yè)級應(yīng)用案例
案例1:電商支付系統(tǒng)測試
挑戰(zhàn):支付網(wǎng)關(guān)接口偶發(fā)超時(shí)(發(fā)生率約5%)
解決方案:
pytest tests/payment/ --reruns 3 --reruns-delay 2
效果:
- 測試穩(wěn)定性從95%提升至99.9%
- 誤報(bào)缺陷減少90%
- 團(tuán)隊(duì)信任度顯著提升
案例2:微服務(wù)集成測試
問題:服務(wù)啟動順序?qū)е屡及l(fā)失敗
重跑策略:
@pytest.mark.flaky(
reruns=2,
reruns_delay=5, # 等待服務(wù)注冊完成
condition=ConnectionError
)
def test_service_integration():
# 測試服務(wù)間調(diào)用
案例3:移動App自動化測試
特殊需求:
- 首次安裝權(quán)限彈窗干擾
- 應(yīng)用啟動時(shí)間波動
定制方案:
pytest mobile_tests/ --reruns 1 --reruns-delay 10
首次失敗后等待10秒重試,避開初始化階段
八、常見問題解決方案
Q1:重跑導(dǎo)致測試時(shí)間過長
解決方案:
# 只對標(biāo)記為flaky的測試重跑 pytest -m flaky --reruns 3 # 使用智能延遲(指數(shù)退避) @pytest.mark.flaky(reruns=3, reruns_delay="exponential")
Q2:如何區(qū)分重跑日志?
# conftest.py
def pytest_runtest_logstart(nodeid, location):
if hasattr(request.node, "execution_count"):
count = request.node.execution_count
print(f"\n[重試 #{count}] {nodeid}")
Q3:重跑后如何清理狀態(tài)?
@pytest.fixture(autouse=True)
def cleanup_after_retry(request):
yield
if hasattr(request.node, "execution_count"):
# 每次重試后清理
reset_test_state()
九、重跑機(jī)制核心價(jià)值
核心優(yōu)勢矩陣
| 維度 | 傳統(tǒng)模式 | 重跑機(jī)制 |
|---|---|---|
| 穩(wěn)定性 | 偶發(fā)失敗導(dǎo)致誤報(bào) | 過濾偶發(fā)故障 |
| 可信度 | 報(bào)告可信度低 | 真實(shí)反映質(zhì)量 |
| 維護(hù)成本 | 大量時(shí)間排查偽缺陷 | 聚焦真實(shí)問題 |
| 執(zhí)行效率 | 手動重跑浪費(fèi)時(shí)間 | 自動恢復(fù)執(zhí)行 |
最佳實(shí)踐口訣
偶發(fā)失敗不用慌,rerun插件來幫忙 --reruns 設(shè)次數(shù),--delay 定間隔 標(biāo)記注解更精準(zhǔn),避免濫用記心上 結(jié)合報(bào)告分布式,測試穩(wěn)定又高效
通過合理應(yīng)用pytest-rerunfailures,您可以將自動化測試的穩(wěn)定性提升到新的高度。記?。?strong>重跑是應(yīng)對偶發(fā)故障的利器,但不是代碼質(zhì)量問題的遮羞布。當(dāng)測試頻繁重試時(shí),仍需深入分析根本原因!
到此這篇關(guān)于Pytest失敗重跑機(jī)制pytest-rerunfailures的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)Pytest失敗重跑內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
使用Python實(shí)現(xiàn)批量修改文件的修改日期功能
在日常的文件管理中,您可能需要批量修改文件的修改日期,比如,您可能希望將某個(gè)文件夾中的所有文件的修改日期隨機(jī)設(shè)置為6到8月份之間的日期,這在數(shù)據(jù)整理中可能非常有用,本文將詳細(xì)介紹如何使用Python實(shí)現(xiàn)這一功能,需要的朋友可以參考下2024-10-10
在anaconda中配置graphviz包的詳細(xì)過程
graphviz是貝爾實(shí)驗(yàn)室開發(fā)的一個(gè)開源的工具包,它使用一個(gè)特定的DSL(領(lǐng)域特定語言):dot作為腳本語言,然后使用布局引擎來解析此腳本,并完成自動布局,這篇文章主要介紹了如何在anaconda中配置graphviz包,需要的朋友可以參考下2023-02-02
python opencv 讀取圖片 返回圖片某像素點(diǎn)的b,g,r值的實(shí)現(xiàn)方法
今天小編就為大家分享一篇python opencv 讀取圖片 返回圖片某像素點(diǎn)的b,g,r值的實(shí)現(xiàn)方法,具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-07-07
Vscode使用matplotlib顯示圖像詳細(xì)圖文教程
最近使用python里的matplotlib庫繪圖,想在代碼結(jié)束時(shí)顯示圖片看看,下面這篇文章主要給大家介紹了關(guān)于Vscode使用matplotlib顯示圖像的相關(guān)資料,需要的朋友可以參考下2024-03-03
輕松實(shí)現(xiàn)TensorFlow微信跳一跳的AI
這篇文章主要教大家如何輕松實(shí)現(xiàn)TensorFlow微信跳一跳的AI,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2018-01-01
python Tcp協(xié)議發(fā)送和接收信息的例子
今天小編就為大家分享一篇python Tcp協(xié)議發(fā)送和接收信息的例子,具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-07-07

