Hypothesis能否实现类似PropEr的测试用例样本统计功能？

完全可以，Hypothesis 内置的hypothesis.event接口就是专门用来实现这类测试用例分布统计能力的，和PropEr的collect/2功能定位完全匹配。

具体使用方式 #

• 你只需要在测试逻辑中，针对每一条生成的测试用例，调用event()方法传入你要统计的分类标签即可，Hypothesis 会在测试运行结束后自动统计每个标签对应的用例占比，输出标准化的分布统计报告。

对应你给出的Erlang PropEr示例，用Hypothesis实现的等效Python代码如下：

from hypothesis import given, event
from hypothesis.strategies import lists, tuples, integers, characters

# 对应示例中的key、val生成规则，可根据实际测试场景调整
def key():
    return characters()
def val():
    return integers()

def to_range(bucket_size, val):
    # 对应原示例的分桶逻辑，将重复数归到固定步长的区间
    lower = (val // bucket_size) * bucket_size
    upper = lower + bucket_size
    return f"({lower},{upper})"

@given(lists(tuples(key(), val())))
def test_dupes(kv):
    m = dict(kv)
    for k, _v in kv:
        assert k in m
    # 计算重复键的总数量
    dup_count = len(kv) - len({k for k, _ in kv})
    # 等效于PropEr的collect方法，上报统计标签
    event(f"dupes,{to_range(5, dup_count)}")

输出效果 #

测试正常通过后，Hypothesis会在测试结果末尾附带事件统计信息，和你给出的PropEr输出逻辑一致，会明确展示每个分类标签对应的用例占比，典型输出如下：

test_dupes: PASSED

100 passing examples, 0 failing examples
Event distribution:
* 82.0% dupes,(0,5)
* 12.0% dupes,(5,10)
* 5.0% dupes,(10,15)
* 1.0% dupes,(15,20)

扩展说明 #

• 如果需要做数值类指标的定向观测，可以搭配hypothesis.target接口使用，支持对生成用例的数值特征做聚合统计；如果需要记录单条用例的调试细节，可以用hypothesis.note接口。
• 如果需要把统计数据上报到内部监控系统，可以自定义Hypothesis执行监听器，在测试生命周期钩子中读取收集到的event数据，自行完成上报逻辑即可。

内容的提问来源于stack exchange，提问作者Yoshi