还在用 Selenium 跑 3 小时的回归？有人用 Playwright 砍到了 4 分钟

先看一组数字。

TestDino 2026 年 2 月的基准测试：同样一条操作动作，Playwright 平均 290 毫秒，Selenium 536 毫秒。一套 250 条用例的 E2E 套件，Playwright 跑完 3 分 48 秒，Selenium 要 6 分 52 秒，差了 45%。

45% 很可观。但 45% 解释不了“3 小时到 4 分钟”。

真正让差距从“快一点”变成“快一个量级”的，不是单步速度，是 Selenium 那 3 小时里，有大量时间根本不在“执行操作”上。

一、先算账：Selenium 的 3 小时，时间去哪了

一套典型的手写 Selenium 回归，耗时结构大概是这样：

驱动初始化。Selenium 每个 session 启动 driver 要多花 3 到 5 秒。如果用例之间不复用 session，几百条用例光启动浏览器就要吃掉十几分钟。

HTTP 往返。Selenium 的 WebDriver 协议是 HTTP 请求-响应模式，每一个命令——click、type、navigate——都是一次完整的 HTTP 往返。单次 536 毫秒听起来不多，但一条用例几十个动作，几百条用例叠起来，就是实打实的小时级开销。

等待写错了。Selenium 没有内建的自动等待，开发者要么写 time.sleep(3)，要么写显式等待。写 sleep 就是在赌页面速度——赌输了 flaky，赌赢了浪费。学术研究对 51 个 Apache 项目的分析发现，45% 的 flaky 修复最终都指向异步时序问题。这些“修 flaky”的时间，不会出现在回归耗时里，但会吃掉 QA 的每一个下午。

并行是靠 Grid 堆出来的。Selenium 原生不提供轻量并行，要并行就得上 Selenium Grid。Grid 的代价是：节点间网络延迟、浏览器实例争抢 CPU 和内存、每个节点要单独维护浏览器和 driver 版本。设置过高反而因为资源争抢导致整体性能下降。

3 小时里，真正“必须串行、必须等”的部分，远比想象中少。 剩下的大部分是协议开销、等待浪费、和基础设施摩擦。

二、Playwright 的 4 分钟，快在哪

架构差异：长连接 vs 轮询

Playwright 不用 WebDriver 的 HTTP 模式。它通过 Chrome DevTools Protocol（CDP）建立一条持久的 WebSocket 连接，所有命令走这条长连接。没有每次命令的 HTTP 握手，没有轮询。

单步 290ms vs 536ms 的差距，根源就在这里。但更关键的是，这条长连接还带来了 原生的网络拦截和事件监听能力——不需要额外搭 Mock 服务，就能在测试里直接拦截和断言网络请求。

自动等待：把“等页面”从代码里删掉

Playwright 在执行每个动作之前，会自动检查元素的可见性、稳定性和可操作性，等待逻辑内建在 API 里。Selenium 需要手动写显式等待，而 Playwright 的自动等待机制直接消灭了“写错等待”这一整类问题。

Bitrise 分析超过 1000 万次 CI 构建后发现，**经历 flaky 测试的团队比例从 2022 年的 10% 涨到了 2025 年的 26%**。自动等待不是锦上添花，它是把“修 flaky”的时间从日常工作中拿掉。

原生并行：不需要 Grid

Playwright 原生支持并行执行，配合 pytest-xdist 用 -n auto 按 CPU 核心数自动分配 worker。Playwright 的 browser context 是隔离的，并行 worker 之间不会互相污染状态。

实际数据：有团队把完整测试套件从 30 分钟以上压到了 10 分钟以内，靠的就是并行。testquality 的 2026 年基准显示，并行套件运行大约快 3 倍，Playwright 的吞吐量约 1200 条测试/小时，Selenium 约 600 条。

4 分钟不是一个脚本的功劳，是“单步更快 + 不再手写等待 + 并行跑起来 + 不需要维护 Grid”四件事叠加的结果。

三、一个可以照着改的最小配置

如果现在手上有一套跑 3 小时的 Selenium 套件，不需要推倒重来。按这个顺序改，每一步都有可量化的收益。

第一步：换连接方式，先拿单步收益。 把 driver 初始化改成复用 storageState 或 browser context，跳过每条用例重新登录和启动浏览器的开销。仅这一步，几百条用例的套件就能省出十几分钟。

第二步：删掉所有 sleep，换成 Playwright 的自动等待和 web-first 断言。 不要写 page.wait_for_timeout(3000)，用 expect(locator).to_be_visible()。这一步不会让“执行时间”数字变好看，但会大幅降低 flaky 率——而修 flaky 的时间，才是 QA 日常最大的隐性成本。

第三步：开并行。pytest -n auto，或者用 Playwright 的 --shard=1/N 做分片。注意两点：确保用例之间没有顺序依赖（-n auto 会打乱执行顺序），以及并行 worker 数量不要超过 CPU 物理核心数，否则资源争抢会吃掉并行收益。

第四步：断言分层，别让“工具成功”冒充“业务通过”。 Playwright 快，但它不会自动帮你校验业务逻辑。UI 断言之外，用 Playwright 的网络拦截能力捕获关键请求，校验状态码和核心字段；涉及支付、订单、库存的场景，加一层业务状态查询。快不是目的，快且能拦住 Bug 才是。

四、避坑指南

坑一：只看单步速度，不做并行。 Playwright 单步快 45% 是事实，但 3 小时到 4 分钟靠的是并行和等待机制的叠加。只换工具不开并行，收益远低于预期。

坑二：并行 worker 开太多。-n auto 在 CI 容器里可能拿到不准确的 CPU 核数。显式设置 worker 数，别超过物理核心数。Selenium Grid 的教训已经证明，过度并行会因为资源争抢导致整体效能下降。

坑三：以为换了 Playwright 就不需要等待策略。 Playwright 的自动等待解决的是“元素可操作性”的等待，不解决“业务异步完成”的等待。如果被测系统有一个异步回调需要几秒才落库，你仍然需要显式等待业务状态，而不是指望自动等待。

坑四：迁移时把 Selenium 的写法原样翻译。 把 WebDriverWait 换成 page.wait_for_timeout 等于没换。Playwright 的收益来自用它的原生机制——自动等待、web-first 断言、context 隔离、网络拦截——而不是把旧代码逐行翻译成新 API。

坑五：为了 4 分钟牺牲断言质量。 最快的测试是通过率 100% 但什么都不检查的测试。三层断言（工具层、页面层、业务层）不能因为追求速度而砍掉任何一层。

最后

Selenium 的 3 小时，不是因为它“老”。是因为它的架构决定了每一次操作都要付一次 HTTP 往返的税，每一条用例都要付一次驱动启动的税，每一次并行都要付一次 Grid 维护的税。

Playwright 的 4 分钟，也不是因为什么黑科技。它把协议开销压下去了，把等待逻辑内建了，把并行变成了原生能力，然后把省下来的时间还给了 QA。

但最根本的变化不在工具，在谁做机器的活。3 小时里大量的“启动、等加载、写 sleep、修 flaky、维护 Grid”，本来就是机器该做的事。把这些交还给机器之后，QA 的时间才能花在“这个改动该重点测哪里、这个失败是不是真 Bug、这个版本能不能发”上。

工具的快，是为了让人的判断不被操作拖住。

本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料，主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容，侧重测试实践、工具应用与工程经验整理。