Pytest Fixture 相较于全局变量的核心优势疑问（除整洁性外）

除了代码整洁，fixture 在测试场景下比全局变量实用得多，核心优势体现在这几点：

• 灵活的作用域控制
  全局变量从测试会话启动到结束一直存在，不管测试用不用都会占用资源。而 fixture 可以通过scope参数精准控制生命周期：比如scope="function"会给每个测试函数单独初始化实例，scope="module"只在当前模块初始化一次，scope="session"则贯穿整个测试会话。你可以根据资源的复用需求选择合适的作用域，避免不必要的资源浪费。

• 自动的资源清理
  用全局变量时，资源清理（比如关闭数据库连接、删除临时文件）得自己手动写钩子或者在测试末尾处理，很容易遗漏导致资源泄漏。fixture 可以通过yield语法实现初始化+清理的闭环：

  @pytest.fixture(scope="session")
  def db_connection():
      conn = create_db_connection()
      yield conn  # 测试用例执行时拿到这个连接
      conn.close()  # 测试结束后自动关闭连接
  

  不管测试成功还是失败，清理逻辑都会执行，完全不用额外操心。

• 可组合的依赖关系
  fixture 可以依赖其他 fixture，把复杂的初始化逻辑拆成多个小模块。比如你可以先写一个读取配置的db_config fixture，再让db_connection依赖它：

  @pytest.fixture
  def db_config():
      return {"host": "localhost", "port": 5432}
  
  @pytest.fixture
  def db_connection(db_config):
      return create_db_connection(**db_config)
  

  这种层级依赖能让代码逻辑更清晰，复用性更强。全局变量做不到这种模块化的依赖，只能硬编码初始化顺序，逻辑复杂后很容易出错。

• 更好的测试隔离性
  全局变量的问题在于，某个测试用例如果不小心修改了它的值，会直接影响后续所有测试，排查问题时很难定位到是哪个测试搞的鬼。而 fixture 会根据作用域提供隔离的实例：比如function级别的 fixture，每个测试拿到的都是全新的实例，就算被修改也不会影响其他测试，从根源上避免了这类污染问题。

• 原生支持参数化
  你可以给 fixture 加上参数化，让它生成多组不同的测试数据，配合测试用例实现多场景覆盖。比如：

  @pytest.fixture(params=["mysql", "postgresql"])
  def db_connection(request):
      if request.param == "mysql":
          conn = create_mysql_conn()
      else:
          conn = create_pg_conn()
      yield conn
      conn.close()
  

  这样所有依赖这个 fixture 的测试都会自动跑两遍，分别测试两种数据库。全局变量要实现类似功能，得手动写循环或者分支，代码会变得臃肿且不易维护。

• 明确的依赖可见性
  在测试函数中声明需要的 fixture，比如def test_query(db_connection):，任何人看代码都能立刻知道这个测试依赖数据库连接。而全局变量的依赖是隐式的，新人接手时得翻遍代码才能理清测试到底用到了哪些全局资源，排查问题的效率极低。

内容的提问来源于stack exchange，提问作者scott_m