Faker 实测：一万条假数据 840 毫秒，姓名一半重名

Faker 是生成假数据的库，七十多种 locale，能造姓名、地址、手机号、公司、邮箱、身份证、银行卡这些字段。写演示页面、造测试库、给截图打码都靠它。

它的接口很好用，但有两个数字值得先知道：造一万条要多久，以及造出来的数据到底有多不重复。

三行生成一条记录

from faker import Faker

fz = Faker("zh_CN")
print(fz.name(), fz.address(), fz.phone_number(), fz.company())

输出像这样，字段之间没有关联，每次调用各自独立随机：

李敏 | 山东省建平县上街嘉禾路j座 651161 | 18159407816 | 精芯信息有限公司
梁波 | 江西省浩市东丽孙路x座 934192 | 18632764835 | 时刻科技有限公司
赵鑫 | 广西壮族自治区汕尾县静安李路L座 253287 | 13301226916 | 商软冠联传媒有限公司

注意地址里的门牌是字母加数字，电话是符合国内号段的格式。它按 locale 内的模板拼，不是随机字符串。

一万条记录的速度

每条五个字段（姓名、地址、手机、公司、邮箱），各跑 3 次取中位：

中文比英文快 3.7 倍。差别在数据源：中文的姓名是姓表加名字表两段拼，英文要从更大的词库里选，地址模板的层级也更多。

各字段的成本不一样

address() 是最贵的，一次 34.2 微秒，因为它要拼省、市、区、路名、门牌五段。造十万条带地址的记录，光这一列就要 3.4 秒。

唯一性别指望

一万条记录里，各字段不重复的比例：

姓名只有一半多不重复，因为中文姓名是「姓表 × 名字表」组合出来的，常用组合撞车很正常。想拿姓名当唯一键会踩坑。

需要唯一值有两个办法：给姓名后加序号，或者用 fz.unique.name()。后者内部维护一个已用集合，撞了就重试，数据量接近词库上限时会越来越慢，甚至抛 UniquenessException。

和固定列表手工拼比

Faker 造 1 万条：       840.4 ms
固定列表随机拼 1 万条：    7.7 ms    → 快 110 倍

手工版本就是 random.choice 从几个汉字表里取，两条数据 7.7 毫秒。差两个数量级，因为 Faker 每次调用都要走 provider 分发、查模板、格式化，保证字段看起来像真的。

所以选型看目的：只需要「一堆不重复的字符串」，手工拼足够；需要「看起来像真实的身份证号、地址、公司名」，Faker 省下的真实性设计远超这点性能差。

locale 写错会直接报错

>>> Faker("xx_XX")
AttributeError: Invalid configuration for faker locale `xx_XX`

它不静默回退到默认语言，写错就是异常。从配置文件里读 locale 的场景要做兜底。Faker(["zh_CN", "en_US"]) 可以一次给多个，每次随机选一个，适合造多语言混合数据。

需要结果可复现时用 Faker.seed(42)，同一个种子两次跑出来的前几条完全一致，实测两次都是「梁鑫、李欣、蔡利」。CI 里造固定测试数据靠这个。

什么时候别用它

造百万级数据。按 1.2 万条/秒算，一百万条要 80 秒以上，还得算落库时间。造大库建议先生成模板再批量替换，或者直接用数据库的随机函数。

需要字段之间有关联。Faker 的姓名、地址、公司互相独立，造出来的「地址在山东、公司在北京、手机是广东号段」这种组合很常见。要合理的关联数据得自己按 locale 分组造。

填充真实业务表。它的数据格式对，但业务语义不对，用久了会污染测试断言。测试断言应该基于自己造的最小样本。

没测的部分列一下，3 项：unique 模式在上万条时的实际耗时 / 各 locale 的唯一率对比 / 与 mimesis 的速度差异。