使用 asv 进行基准测试
PyBroker 使用 asv（Airspeed Velocity） 跨提交跟踪回测性能。asv 运行基准测试，将每次提交的结果存储在 .asv/results/ 下，并生成用于可视化回归跟踪的 HTML 仪表盘。
基准测试套件位于 benchmarks/ 目录下，并通过 .github/workflows/asv-pr.yml 在每个 pull request 的 CI 中执行，该工作流会针对每个受支持的 Python 版本运行一次 asv continuous origin/<base> HEAD，并为每个版本发布一条包含差异的置顶 PR 评论。这些版本来自 .github/python-versions.json——测试矩阵和夜间基准测试运行同样以它为唯一真实来源。
安装
pip install asv
asv machine --yes # one-time per machine
运行
对当前工作树进行基准测试：
asv run --quick # one sample per benchmark, fastest feedback
asv run # calibrated samples, publication quality
比较两次提交：
asv continuous dev HEAD # local equivalent of the CI gate
asv compare dev HEAD # diff table
PR 门禁使用两个阈值：在 --factor 1.25 处拦截，并报告所有变动幅度达到 1.1 或以上的项，其中基准提交解析为 origin/<base branch>：
asv continuous origin/dev HEAD --factor 1.25 --interleave-rounds
asv compare origin/dev HEAD --factor 1.1 --only-changed
第二条命令会重新读取第一条命令存储的结果，因此不会产生额外的基准测试开销。
为什么门禁的阈值比报告阈值更宽松：1.1 低于共享 runner 的噪声下限。在 src/ 和 benchmarks/ 在基准提交与目标提交之间逐字节相同的六次 asv continuous 运行中，仍有一次运行标记出了回归——且总是发生在耗时低于 2ms 的微基准测试上，比值最高达 1.18。而向前分析宏基准测试（耗时 100ms 及以上）从未出现变动。将门禁设在 1.25 可以过滤掉已测得的噪声；1.1 的表格则保留了较小的变动，供人工判断。
有两个标志能起到部分作用，但单独使用都不够。--interleave-rounds 会在两次提交之间交替运行轮次，而不是把每次提交的轮次集中运行，这样任务过程中的漂移（散热降频、噪声邻居、页缓存）会均匀影响两侧，而不会完全落在后运行的那次提交上；它复用现有的轮次，因此不会产生额外开销。--no-stats 则被刻意 不 使用：它会禁用显著性检验，仅将原始中位数与 --factor 进行比较。
如果噪声下限上升，应提高采样量（--attribute rounds=N），而不是放宽门禁的比例因子——放宽该因子会以牺牲真实的覆盖率为代价。
生成并预览 HTML 仪表盘：
asv publish
asv preview # serves at http://127.0.0.1:8080
基准测试套件
asv 套件位于 benchmarks/ 目录下，分布在四个模块中。对于超过 1.25 倍的性能回退，CI 会使 PR 失败，除非该 PR 带有 bench-override 标签；对于超过 1.1 倍但未达到该标准的回退，则仅报告而不阻断。新增的热路径应当添加相应的基准测试。
bench_backtest.py—— 端到端的向前分析基准（预热、冷启动、扩展规模、模型、时间区间、无滑点），以及针对指标和评估内核、SymbolArrayStore、滞后特征准备和缓存的微基准测试。同时还会跟踪向前分析权益曲线的哈希值，以便标记数值上的偏差。bench_common.py—— 结果导出的量化处理和时间区间压缩。bench_data.py—— 数据源缓存 I/O 和 yfinance 数据重塑，仅针对固定版本的测试夹具。bench_slippage.py—— 在成交量和波动率滑点模型下的向前分析。
向前分析基准测试运行在 tests/testdata/daily_1.pkl``（4 个品种，2 年日线数据，2020 行）之上，这与测试套件通过 ``tests/fixtures.py 使用的夹具相同；更大规模的场景则使用合成的 OHLCV 数据。WalkforwardCold 和 WalkforwardProperCold 刻意承担 Numba 的 JIT 编译开销，因此切勿为二者添加预热（warmup）。
环境
asv.conf.json 使用 environment_type: virtualenv，因此每次提交都会在根据 setup.cfg 新建的虚拟环境中进行基准测试。安装命令为 python -mpip install -e .：不使用 Poetry，也不使用 tox，只用 pip。
其 pythons 列出了每个受支持的版本，并由 .github/scripts/check_python_versions.py 与 .github/python-versions.json 保持同步。asv 会为其能找到解释器的每个条目构建一个环境，因此本地运行会覆盖已安装的那些版本；传入 --python 可以只选择其中一个：
asv run --python=3.12
asv continuous dev HEAD --python=3.12
CI 总是显式传入 --python，矩阵中的每个分支对应一个版本。
如果是本地临时性的基准测试，你可以将配置切换为 environment_type: existing``（使用当前已激活的虚拟环境），以跳过针对每次提交重建环境的步骤。如果修改了 ``asv.conf.json，请在提交前将其还原。
添加基准测试
在 benchmarks/ 目录下创建一个新文件（或在现有文件中添加一个类）。asv 会识别任何包含 time_、peakmem_ 或 track_ 方法的类。setup 会在每个基准测试方法之前运行，teardown 则在之后运行。
有关参数化基准测试、超时设置和自定义跟踪指标的更多信息，请参阅 asv 编写基准测试指南。