Ejecución paralela de pruebas unitarias con pytest y coverage

Curso de Python Avanzado para Arquitectura de Proyectos y PyPI

Contenido del curso

Calidad de Código: Automatización y Validación

Rendimiento medición de velocidad y memoria

Programación concurrente con asyncio

Distribución y empaquetamiento

Tomar examen

Cursos Empresas Blog Live Conf Eventos Precios

0:008:44

Ejecución paralela de pruebas unitarias con pytest y coverage

Curso de Python Avanzado para Arquitectura de Proyectos y PyPI

Clase 7 de 17

Clase 7 / 17

Recursos

Refactorizar sin pruebas es arriesgado. Con pruebas unitarias, pytest y coverage obtienes velocidad y confianza: ejecutas tests en paralelo, mides qué partes del código están cubiertas y ves errores con mejor detalle. Además, aplicar Test Driven Development guía el diseño y evita regresiones.

¿Qué es pytest y por qué mejora tus pruebas unitarias?

Pytest es el estándar moderno en Python para pruebas unitarias. Es más simple de escribir, ofrece mejor reporte de errores y soporta plugins avanzados sin complicar la sintaxis. Lo mejor: puede ejecutar los unit tests existentes sin reescribirlos.

Pruebas unitarias: validan unidades pequeñas de código y documentan el comportamiento esperado.
Unit Test: biblioteca estándar tradicional; en el proyecto de Platzi News se usó para crear tests.
Pytest: ejecución sencilla, reporting claro y extensible mediante plugins.

¿Cómo instalar pytest como dependencia de desarrollo?

Ejecuta: v add --dev pytest.
Verás los paquetes instalados y cambios en pyproject con la versión de pytest.

¿Qué configuración básica necesita pytest?

En pyproject, agrega la sección de configuración: tool.pytest.ini_options.
Define las rutas de pruebas con testPaths y los patrones con python_files.
Expón la app con PYTHONPATH apuntando a SRC para que pytest encuentre tu código.

# pyproject.toml
[tool.pytest.ini_options]
testPaths = ["tests"]
python_files = ["test_*.py"]

¿Cómo medir cobertura con coverage y generar reportes útiles?

La métrica coverage indica qué porcentaje de tu código está cubierto por pruebas. Ayuda a priorizar dónde escribir nuevos tests y a visualizar líneas no ejercitadas.

Instala el plugin: v add --dev pytest-cov.
Ejecuta con parámetros de cobertura y reporte HTML.

pytest --cov=SRC --cov-report=html

Se genera la carpeta htmlcov con index.html y un resumen por archivo.
Ejemplo observado: 80 % de cobertura total. Archivos con 100 % están completos; otros muestran líneas sin probar.
Interpretación visual: líneas verdes aprobadas; líneas rojas sin pruebas que las ejecuten.

¿Qué decisiones tomar con el reporte de coverage?

Prioriza módulos en rojo con lógica crítica.
Agrega casos para ramas no cubiertas (condiciones, excepciones, bordes).
Repite la medición hasta alcanzar un nivel objetivo sostenible.

¿Cómo paralelizar pruebas con xdist y aplicar TDD en tu flujo?

La ejecución paralela con xdist usa múltiples núcleos para reducir drásticamente el tiempo de feedback. Esto incentiva ciclos rápidos y seguros, ideal al practicar TDD.

Instala el plugin: v add --dev pytest-xdist.
Ejecuta en paralelo con detección automática de núcleos.

pytest -n auto

Resultado observado: todas las pruebas en menos de un segundo usando 11 workers.
Agrega verbosidad para más detalle en la terminal: progreso, nodo, clase y método del test.

pytest -n auto --cov=SRC --cov-report=html -b -v

¿Por qué sumar Test Driven Development a esta configuración?

Test Driven Development te hace escribir el test antes del código.
Beneficios: diseño más claro, foco en requisitos y verificación continua al refactorizar.
Con pytest, coverage y xdist, el ciclo rojo–verde–refactor es ágil y confiable.

¿Qué otros plugins puedes explorar para tu contexto?

pytest-mock: crea mocks de dependencias fácilmente.
pytest-randomly: ejecuta en orden aleatorio para detectar dependencias entre tests.
La ecosistema de pytest incluye miles de plugins: elige el que resuelva tu necesidad específica.

¿Te gustaría compartir qué plugin adicional probaste, cómo configuraste tu pyproject o qué mejoras viste en tiempos y cobertura?

Gabriel Obregón

Hace un año

🧠Pytest + Coverage + xdist + TDD

🔶 1. Núcleo del Tema

Refactorizar sin pruebas = riesgo

Refactorizar con pytest + coverage + xdist + TDD = velocidad + claridad + confianza

➡️ Ejecución más rápida

➡️ Reportes más claros

➡️ Código más seguro

🟦 2. Pytest en un vistazo

🌟 Por qué usarlo

· ✔️ Sintaxis limpia

· ✔️ Reportes de error detallados

· ✔️ Ecosistema enorme de plugins

· ✔️ Corre tests de unittest sin cambiarlos

🧩 Conceptos clave

🔹 Pruebas unitarias → verifican piezas pequeñas del código

🔹 unittest → módulo estándar, más verboso

🔹 pytest → moderno, flexible, práctico

🟩 3. Instalación rápida

🔧 Instalar como dependencia de desarrollo:

v add --dev pytest

🟨 4. Configuración esencial

📌 En pyproject.toml:

[tool.pytest.ini_options]

testPaths = ["tests"]

python_files = ["test_*.py"]

📍 Asegura que pytest vea tu código

Configura PYTHONPATH apuntando a la carpeta SRC.

🟥 5. Coverage: ver realmente qué pruebas tu código

🎯 ¿Por qué usar coverage?

· Detecta huecos de pruebas

· Mide progreso

· Prioriza qué mejorar

🔌 Instalar plugin:

v add --dev pytest-cov

▶️ Ejecutar con reporte visual:

pytest --cov=SRC --cov-report=html

👁️ Lo que verás:

📂 Carpeta htmlcov → index.html con:

· Líneas verdes = cubiertas

· Líneas rojas = sin pruebas

· % total por archivo

· Ramas, condiciones y funciones no ejecutadas

🔵 6. Cómo tomar decisiones con el coverage

🎯 Prioriza:

· Módulos críticos “en rojo”

· Casos límite

· Excepciones

· Condiciones no cubiertas

🔁 Repite la medición para crecer de forma sostenible.

🟣 7. Acelerar pruebas con xdist

🔌 Instalación:

v add --dev pytest-xdist

⚡ Ejecución paralela:

pytest -n auto

🔍 Con detalle extra:

pytest -n auto --cov=SRC --cov-report=html -b -v

🟢 Beneficio: feedback casi instantáneo (menos de 1 s en muchos casos)

🟧 8. TDD integrándose en este flujo

🔄 Ciclo:

Rojo → Verde → Refactor

Beneficios:

· Diseño guiado por tests

· Claridad en requisitos

· Refactorización segura

· Flujo rápido gracias a xdist + pytest + coverage

🟫 9. Plugins útiles para mejorar aún más

🔹 pytest-mock → mocks fáciles

🔹 pytest-randomly → detecta dependencias ocultas entre pruebas

➡️ Pytest tiene miles de plugins listos para expandir capacidades.

Calidad de Código: Automatización y Validación

Python That Lasts in Production

Configuración inicial del proyecto Platy News con Python

Ruff: Formatea automáticamente código Python con facilidad

Fixing Real Type Errors With MyPy

Ruff Linter: Catch Python Bugs Before Runtime

Configuración de pre-commit con Ruff y MyPy para validar código

Ejecución paralela de pruebas unitarias con pytest y coverage

Configuración de GitHub Actions para CI/CD con Python

Configuración de logging y Sentry para monitoreo en producción

Rendimiento medición de velocidad y memoria

Medición de rendimiento de código con Timeit en Python

Análisis de rendimiento en Python con cProfile y Snakeviz

Programación concurrente con asyncio

Programación asíncrona en Python con AsyncIO para operaciones I/O

Sintaxis async y await en Python para concurrencia eficiente

How asyncio's Event Loop Schedules Tasks

Migración de Request síncrono a HTTPX asíncrono en Python

Distribución y empaquetamiento

Automate Dev Tasks with Make Targets

Publicación de paquetes Python con UV y TestPyPI

Ejecución paralela de pruebas unitarias con pytest y coverage

Progreso del curso

Calidad de Código: Automatización y Validación

Rendimiento medición de velocidad y memoria

Programación concurrente con asyncio

Distribución y empaquetamiento

Recursos

Recursos