为什么相同的 python 代码有不同的时钟时间？

Question

我正在使用以下 python 代码对我的服务器进行基准测试：

import time
initial_clock = time.clock()
res = 0
for i in range(1, 10000000):
    res += i * i
print (time.clock() - initial_clock)

当我多次运行时，我得到不同的执行时间，从 2.163377 秒到 2.970836 秒不等。我知道由于 CPU 负载的变化，相同的代码可能具有不同的执行时间，但正如 time.clock 文档中所述，它仅考虑当前进程时钟，因此使用 time.clock() 应该具有相同的执行时间即使使用 time.time() 不同。不应该？

另外，我是否可以得到 clock 一段 python 代码的精确计数？

编辑：我使用 time.process_time() 并得到相同的结果。

Answer 1

计时码第一条规则：使用timeit module。这会自动为您的 OS 选择最佳计时器，最大限度地减少其他影响，并需要多次计时运行才能为您提供最准确的时间估计。

其次，time.clock() 不是特定于进程的。这是 CPU 上的时钟时间，是的，但不是当前进程使用 CPU 花费的时间。在 CPU 上安排到运行的其他进程将增加所用时间的波动。您想改用 time.process_time()。

但是，所有代码都受制于潜在的缓存和 Python 特定的周期性进程，例如 garbage collector 运行ning。您不能期望获得可重复的 time.clock() 或 time.process_time() 值，因为该时钟无法解释 Python 进程本身中的此类后台工作。您可以在计时代码时禁用垃圾收集器进程（timeit 为您执行此操作），但这对内部缓存没有帮助（它们是特定于实现的，大多数未记录）。

timeit 使用 time.perf_counter() 来包括花费在 I/O 和其他可能被测试代码启动的进程上的时间。您可以在使用 timeit 作为命令行脚本时使用 -p 开关，或者在调用 API 函数时传递 timer=time.process_time 来告诉它使用 time.process_time()。

为什么相同的 python 代码有不同的时钟时间？

why same python code has different clock time?

python

cpu-usage

clock