5. Pytest失败重跑机制pytest-rerunfailures

Pytest失败重跑终极指南：pytest-rerunfailures深度解析

在自动化测试中，偶发性失败是常见痛点。本文将深入解析如何通过pytest-rerunfailures插件优雅解决偶发故障问题。

一、核心命令解析

安装命令

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pytest-rerunfailures

• -i：指定镜像源（国内加速）
• pypi.tuna.tsinghua.edu.cn：清华大学PyPI镜像
• pytest-rerunfailures：失败重跑插件

基础重跑命令

pytest -s testcases/test_rerun.py --reruns 5

• --reruns 5：最大重试次数（失败后自动重跑最多5次）

延迟重跑命令

pytest -s testcases/test_rerun.py --reruns 5 --reruns-delay 1

• --reruns-delay 1：每次重试间隔1秒

二、为什么需要失败重跑？

偶发性失败的常见原因

失败类型	占比	典型场景
环境波动	40%	网络抖动、资源竞争
时序问题	30%	异步操作未完成
第三方依赖	20%	API限流、服务不稳定
随机因素	10%	随机数据冲突

重跑机制的价值

graph LRA[首次失败] --> B{是否可重跑？}B -->|是| C[自动重试]B -->|否| D[标记失败]C --> E{重试成功？}E -->|是| F[报告成功]E -->|否| D

三、实战演示：重跑机制应用

测试场景：支付结果查询

# test_payment.py
import pytest
import randomdef test_payment_status():""" 模拟第三方支付接口的不稳定响应 """result = random.choice([True, False])  # 50%失败率assert result, "支付状态查询失败"

执行结果对比

无重跑机制

$ pytest test_payment.py
============================
1 failed in 0.12s

启用重跑机制

$ pytest test_payment.py --reruns 3 --reruns-delay 0.5
============================
rerun test_payment.py::test_payment_status
Rerun #1: 失败
Rerun #2: 成功1 passed, 2 rerun in 0.87s

四、进阶使用技巧

1. 标记特定测试重跑

@pytest.mark.flaky(reruns=3, reruns_delay=1)
def test_api_connection():response = requests.get("https://unstable-api.com")assert response.status_code == 200

优势：针对不稳定API单独设置重试策略

2. 条件重跑（仅重试特定异常）

@pytest.mark.flaky(reruns=3, condition=TypeError  # 仅当捕获TypeError时重试
)
def test_data_processing():# 可能因数据类型错误失败process_data(get_external_data())

3. 重跑结果报告增强

pytest --reruns 2 --reruns-delay 1 --html=report.html

报告效果：

测试用例      状态     重试次数
test_login   PASSED   0
test_payment PASSED   2 (首次失败)

五、重跑机制原理剖析

执行流程

1. pytest收集测试用例
2. 执行原始测试- 成功 → 记录结果- 失败 → 触发重试机制
3. 重试执行（最多N次）- 任意成功 → 标记为passed- 全部失败 → 标记为failed
4. 生成最终报告

注意事项

1. setup/teardown：每次重试都会重新执行
2. 测试状态：只有最终状态计入报告
3. 耗时计算：包含所有重试时间总和

六、最佳实践指南

1. 重试策略配置建议

场景类型	reruns	reruns-delay	说明
网络依赖	3-5	1-3s	等待网络恢复
异步操作	2-3	0.5-1s	给操作完成时间
高负载服务	5+	随机延迟	避免雪崩效应
数据库竞争	3	0.3s	减少锁冲突

2. 避免滥用重跑

不应使用重跑的场景：

• 逻辑性错误（永远失败）
• 环境配置错误
• 数据一致性问题
• 性能不达标场景

3. 结合其他机制

# 重跑+分布式执行
pytest -n auto --reruns 3# 重跑+失败截图
pytest --reruns 2 --screenshot-on-failure# 重跑+性能监控
pytest --reruns 1 --perf-monitor

七、企业级应用案例

案例1：电商支付系统测试

挑战：支付网关接口偶发超时（发生率约5%）
解决方案：

pytest tests/payment/ --reruns 3 --reruns-delay 2

效果：

• 测试稳定性从95%提升至99.9%
• 误报缺陷减少90%
• 团队信任度显著提升

案例2：微服务集成测试

问题：服务启动顺序导致偶发失败
重跑策略：

@pytest.mark.flaky(reruns=2, reruns_delay=5,  # 等待服务注册完成condition=ConnectionError
)
def test_service_integration():# 测试服务间调用

案例3：移动App自动化测试

特殊需求：

• 首次安装权限弹窗干扰
• 应用启动时间波动
  定制方案：

pytest mobile_tests/ --reruns 1 --reruns-delay 10

首次失败后等待10秒重试，避开初始化阶段

八、常见问题解决方案

Q1：重跑导致测试时间过长

解决方案：

# 只对标记为flaky的测试重跑
pytest -m flaky --reruns 3# 使用智能延迟（指数退避）
@pytest.mark.flaky(reruns=3, reruns_delay="exponential")

Q2：如何区分重跑日志？

# conftest.py
def pytest_runtest_logstart(nodeid, location):if hasattr(request.node, "execution_count"):count = request.node.execution_countprint(f"\n[重试 #{count}] {nodeid}")

Q3：重跑后如何清理状态？

@pytest.fixture(autouse=True)
def cleanup_after_retry(request):yieldif hasattr(request.node, "execution_count"):# 每次重试后清理reset_test_state()

九、重跑机制核心价值

核心优势矩阵

维度	传统模式	重跑机制
稳定性	偶发失败导致误报	过滤偶发故障
可信度	报告可信度低	真实反映质量
维护成本	大量时间排查伪缺陷	聚焦真实问题
执行效率	手动重跑浪费时间	自动恢复执行

最佳实践口诀

偶发失败不用慌，rerun插件来帮忙
--reruns 设次数，--delay 定间隔
标记注解更精准，避免滥用记心上
结合报告分布式，测试稳定又高效

通过合理应用pytest-rerunfailures，您可以将自动化测试的稳定性提升到新的高度。记住：重跑是应对偶发故障的利器，但不是代码质量问题的遮羞布。当测试频繁重试时，仍需深入分析根本原因！

---

「小贴士」：点击头像→【关注】按钮，获取更多软件测试的晋升认知不迷路！ 🚀