[python] pytest와 unittest 비교 분석

Python에서 가장 널리 사용되는 두 테스팅 프레임워크인 pytest와 unittest에 대해 비교 분석해 보겠습니다.

기본 특징 비교

pytest

• Python 커뮤니티에서 가장 인기 있는 서드파티 테스팅 프레임워크
• 간결한 문법과 직관적인 assert 문 사용
• 풍부한 플러그인 생태계 보유
• 파이썬 함수 기반의 테스트 작성 방식

unittest

• Python 표준 라이브러리에 내장
• Java의 JUnit에서 영감을 받은 객체지향적 접근 방식
• 클래스 기반의 테스트 작성 방식
• 별도의 설치 없이 바로 사용 가능

문법 및 사용 방식

pytest 예시

# test_example.py
def test_addition():
    assert 1 + 1 == 2

def test_string():
    assert "hello" + " world" == "hello world"

unittest 예시

# test_example.py
import unittest

class TestMethods(unittest.TestCase):
    def test_addition(self):
        self.assertEqual(1 + 1, 2)

    def test_string(self):
        self.assertEqual("hello" + " world", "hello world")

if __name__ == '__main__':
    unittest.main()

pytest / unittest 장단점

장단점	pytest	unittest
장점	1. 간결한 문법: 일반 Python 함수와 assert 문으로 테스트 작성 2. 강력한 픽스처 시스템: 모듈화된 fixture 시스템으로 테스트 설정 관리 3. 파라미터화 테스트: @pytest.mark.parametrize 데코레이터로 여러 입력값 테스트 4. 풍부한 플러그인: 500개 이상의 플러그인으로 기능 확장 가능 5. 자세한 실패 보고서: 실패한 assert의 비교 값을 자동으로 표시 6. 테스트 검색: 파일명, 클래스명, 함수명에 대한 패턴 매칭으로 테스트 필터링	1. 표준 라이브러리: 별도 설치 불필요 2. 객체지향적 설계: 상속과 확장이 용이한 클래스 기반 구조 3. 다양한 assert 메서드: 용도별 특화된 assert 메서드 제공 4. 테스트 격리: 각 테스트 메서드마다 새로운 테스트 객체 생성 5. 다른 프레임워크와의 호환성: TestCase 클래스는 다른 테스트 프레임워크에서도 사용 가능
단점	1. 별도 설치 필요: 표준 라이브러리가 아님 2. 런타임 동작 변경: pytest는 import 시 Python 내부를 수정(monkeypatching) 3. 학습 곡선: 고급 기능 활용을 위한 학습 필요	1. 장황한 문법: 클래스 정의와 메서드 사용으로 코드량 증가 2. 제한된 픽스처: setUp/tearDown만으로는 복잡한 테스트 환경 구성이 어려움 3. 확장성 제한: 플러그인 시스템 부재 4. 덜 직관적인 실패 메시지: pytest보다 덜 상세한 오류 정보

성능 비교

• 실행 속도: 일반적으로 pytest가 대규모 테스트 스위트에서 더 빠름
• 병렬 실행: pytest-xdist 플러그인으로 병렬 테스트 실행 지원 (unittest는 서드파티 도구 필요)
• 메모리 사용: unittest가 약간 더 가벼운 경향이 있음
• 대규모 프로젝트: pytest가 대규모 프로젝트에서 더 효율적인 관리 도구 제공

고급 기능 비교

기능	pytest	unittest
픽스처	함수 기반 모듈화된 픽스처 시스템	setUp/tearDown 메서드
매개변수화	내장 지원 (@pytest.mark.parametrize)	서드파티 필요 (예: parameterized)
스킵/xfail	@pytest.mark.skip, @pytest.mark.xfail	@unittest.skip, @unittest.expectedFailure
모의 객체	monkeypatch 픽스처, pytest-mock	unittest.mock 모듈
코드 커버리지	pytest-cov 플러그인	coverage.py와 통합
필터링	이름 패턴, 마커, 키워드	TestLoader 커스터마이징 필요

프레임워크 선택 기준?

pytest 선택이 좋은 경우

• 새 프로젝트 시작 시
• 테스트 코드를 간결하게 유지하고 싶을 때
• 복잡한 테스트 시나리오와 준비가 필요할 때
• 확장성과 풍부한 플러그인이 필요할 때

unittest 선택이 좋은 경우

• 외부 의존성을 최소화하고 싶을 때
• 이미 unittest로 작성된 레거시 코드베이스가 있을 때
• Java/JUnit 배경을 가진 개발자들이 친숙함을 느끼길 원할 때
• 객체지향적 테스트 구조를 선호할 때

실제로는 두 프레임워크를 함께 사용하는 경우도 많습니다. pytest는 unittest로 작성된 테스트도 실행할 수 있어, 점진적인 마이그레이션이 가능합니다.