如何分析pytest测试收集阶段的速度瓶颈并优化？

• 用Python cProfile直接追踪收集全过程
  既然pytest-profiling只覆盖测试执行阶段，直接用Python内置的cProfile追踪从pytest启动到收集完成的所有函数调用。执行命令：

  python -m cProfile -o collect_stats.prof -m pytest --collect-only -k nomatchingtestfilter
  

  生成collect_stats.prof文件后，用pstats模块分析耗时Top函数：

  import pstats
  stats = pstats.Stats('collect_stats.prof')
  stats.sort_stats(pstats.SortKey.TIME)
  stats.print_stats(20)
  

  重点关注pytest内部收集相关函数（比如_pytest.main.Session.perform_collect、_pytest.python.PytestPluginManager.load_setuptools_entrypoints），以及测试文件的导入、参数化处理逻辑。

• 排查测试文件的导入耗时
  收集阶段会加载所有匹配的测试文件及其依赖模块，如果某个文件导入了重型依赖（如numpy、pandas或自定义大模块），会显著拖慢速度。单独测试单个测试文件的导入耗时：

  time python -c "import your_test_module"
  

  逐个排查涉测文件，定位导入慢的模块，考虑延迟导入（在测试函数内部而非模块顶部导入）或优化依赖加载逻辑。

• 检查参数化测试的生成开销
  数百个参数化测试实例的生成过程可能在pytest内部消耗时间——即便你的pytest_collection_modify_items执行快，pytest原生处理参数化的步骤仍可能有瓶颈。可以临时注释部分参数化装饰器，对比收集耗时，确认是否由参数化导致。如果是，考虑拆分参数化测试、减少单次参数化的实例数量，或优化参数生成逻辑（比如避免在参数化中执行复杂计算）。

• 启用pytest详细收集日志
  用-vv参数打印收集的详细过程，观察哪个文件或测试项的收集耗时较长：

  pytest --collect-only -k nomatchingtestfilter -vv
  

  从输出中可以看到pytest逐个处理文件、生成测试项的过程，快速定位到具体耗时的环节。

• 排查conftest.py的隐藏开销
  即便自定义收集钩子执行快，conftest.py中可能存在隐式加载逻辑——比如导入了不必要的模块、定义了大量session级fixture（收集阶段虽不执行，但加载定义仍有开销）。可以临时重命名conftest.py，对比收集耗时，确认是否由conftest导致，再逐步恢复内容排查具体问题。

内容的提问来源于stack exchange，提问作者Gaurang Tandon