验证器性能测试¶

zerodep validate 与 pydantic v2 的性能对比。

测试环境

CPU: x86_64 Linux
Python: 3.12
工具: pytest-benchmark 5.2.3（报告均值）
对标库: pydantic 2.13.0
最后更新: 2026-04-21

实现对比¶

实现	文件/包	说明
zerodep	`validate.py`	仅依赖标准库的运行时验证器（纯 Python）
pydantic	（参考库）	使用 Rust 核心的流行验证库

性能对比（均值）¶

测试项	zerodep	pydantic	比率
简单验证（3 字段）	5.6 μs	1.5 μs	pydantic 快 3.8x
嵌套验证（TypedDict 套 TypedDict）	10.0 μs	2.1 μs	pydantic 快 4.7x
约束验证（Annotated Gt/Ge/Le）	9.3 μs	1.5 μs	pydantic 快 6.1x
列表验证（50 个 dict）	220.7 μs	31.6 μs	pydantic 快 7.0x
JSON Schema 生成	9.9 μs	200.5 μs	zerodep 快 20.2x

要点总结¶

pydantic v2 使用 Rust 编译核心（pydantic-core），因此原始速度对比并不公平。zerodep 是纯 Python 实现，零依赖。
单对象验证方面，pydantic 凭借 Rust 核心快 4-7 倍。zerodep 验证一个简单 3 字段 TypedDict 仅需 ~5.6 μs——对于网络延迟是瓶颈的 API 请求/响应验证完全足够。
JSON Schema 生成是 zerodep 的强项 —— 仅需 9.9 μs，比 pydantic 的 200.5 μs 快 20.2 倍。这对动态生成 Schema 而非仅启动时生成的应用尤为重要。
批量数据验证（50 个 dict 列表）pydantic 快 7.0 倍，Rust 核心在重复类型检查上效率很高。
zerodep 无需任何 pip 依赖 —— 仅使用标准库 typing、dataclasses、re。

缓存优化（v0.4.0+）

从 v0.4.0 起，多个内部辅助函数使用 @functools.lru_cache(maxsize=None) 缓存，包括 _typeddict_fields()、_dataclass_fields()、_find_discriminator()、_is_typeddict()、_is_dataclass_type() 和 _unwrap_annotated()。这消除了对相同类型重复验证时的冗余 get_type_hints() 和类型内省调用，简单类型提速 3-5 倍，复杂嵌套 TypedDict 结构提速可达 10 倍。

自行运行¶

pip install pytest pytest-benchmark pydantic
pytest validate/test_validate_benchmark.py --benchmark-only -v