單元測試

單元測試基於最小單元，也就是程式的基本部件，比如函式、類等，在隔離測試各部件，確保底層正確的前提下，在行組合向上完成套件測試。
測試驅動開發(TDD)要求在編寫程式碼之前，先構建測試，但這並不容易。多數時候，需求和架構的不成熟會導致演算法劇烈變化，這樣很難先行將測試確定下來。可以考慮和編碼同步，在重構過程中剝離出測試用例。兩廂對照，還可要求程式碼必須具備可測試性。
請注意，測試用例要檢查的是錯誤，而非目標正確返回。另外，單個用例要足夠簡單，僅測試一項功能，否則其本身就難以維護。可將複雜功能分解以測試套件的方式進行打包。另外，還應避免測試目標的私有成員，這會導致過高的耦合，讓程式碼重構變得困難。同樣第三方庫也不是測試目標，或許有一個基於介面的隔離代理。

效能測試

1.timeit為標準庫自帶，用於測量少於程式碼片段的執行時間。其基本演算法思路就是執行足夠多的次數，從中選取最小平均值，以縮小測量誤差。
2.標準庫的profile模組用於測量執行過程中函式的執行時間和呼叫次數
標準庫自帶兩個版本，呼叫介面基本一致。cProfile以C實現，額外開銷小。
profile是純python實現，開銷大，適合編寫擴充套件分析器。
3.獲知引發效能問題的函式後，接下來需要進一步分析具體成因。line_profiler可以對函式內的程式碼逐行進行測量。
4.memory profile用於逐行分析程式碼記憶體佔用。
當記憶體佔用過多時，可能會引發實體記憶體不足，或者導致與硬碟的平凡交換，這些會導致嚴重的效能問題。
5.pympler被用來統計物件例項的記憶體使用
他的方法summary可以對整個直譯器程序內的存活物件做出評估，以查證哪類物件可能存在問題。
tracker可在不同執行點建立跟蹤快照，這樣通過輸出快照的差異，就可能發現嫌疑目s標，以及問題程式碼的位置。
sizeof找到嫌疑目標之後，我們開始對其進行個體檢查，這需要使用asizeof.與sys.getsizeof不同，他遞迴統計所有成員和屬性。

程式碼除錯

pdb
啟動方式

1.python -m pdb main.py # 命令列除錯
2.import pdb
pdb.set_trace() # 特定位置插入斷點，除錯
3.pdb.run('test()') # 直接除錯

插入斷點後，語句就會停在該處，命令列顯示pdb語句，輸入help可看到pdb的命令。