Pytest中fixture每次测试重复运行如何缓存返回结果降低云服务开销

DevOps 小满

2026-10-10

解决方案

你只需修改pytest.fixture的作用域参数即可实现需求：pytest的fixture默认作用域为function，即每个测试函数执行前都会重新运行一次fixture逻辑，你可以根据需要把作用域调高，仅运行一次fixture逻辑复用返回值。

最简修改方案

将fixture的scope参数设为module（当前测试文件内所有用例共用，仅运行一次）或session（整个测试会话全局共用，仅运行一次）即可，修改后的代码如下：

@pytest.fixture(scope="module")
def prepare_data():
    (...)
    # 运行在云实例上的耗时操作
    return df1, df2

# 测试用例无需修改，正常调用fixture即可
def test_columns_are_equal(prepare_data):
    assert prepare_data[0].columns == prepare_data[1].columns

def test_schemas_are_equal(prepare_data):
    assert prepare_data[0].dtypes.equals(prepare_data[1].dtypes)

def test_something_else(prepare_data):
    assert(...)

可选补充：持久化缓存

如果你需要跨测试会话缓存结果，即下次重新执行测试时也不需要重新跑云侧的耗时逻辑，可以增加本地缓存判断，示例如下：

import pandas as pd
import pytest
from pathlib import Path

# 定义缓存文件路径
DF1_CACHE = Path("./df1_cache.parquet")
DF2_CACHE = Path("./df2_cache.parquet")

@pytest.fixture(scope="session")
def prepare_data():
    # 缓存存在则直接读取返回
    if DF1_CACHE.exists() and DF2_CACHE.exists():
        df1 = pd.read_parquet(DF1_CACHE)
        df2 = pd.read_parquet(DF2_CACHE)
        return df1, df2
    # 缓存不存在则执行耗时逻辑
    (...)
    # 生成结果后写入缓存
    df1.to_parquet(DF1_CACHE)
    df2.to_parquet(DF2_CACHE)
    return df1, df2