测量一段操作耗时：perf_counter与日历时间区别

如果你只是想量一段自建操作花了多长时间，用 time.perf_counter() 取两次调用的差值就够了。

按 Python 官方 time 模块文档，perf_counter() 返回一个性能计数器的值，单位是秒的小数部分，是“可用来测量短时长的最高可用分辨率时钟”。文档同时写明：它返回值的参考点是未定义的，所以只有两次调用结果之间的差值有意义。

而 time.time() 返回的是自 epoch 起的秒数，是一个浮点数。文档说明 epoch 是时间开始计数的那个点，即 time.gmtime(0) 的返回值，在所有平台上都是 1970 年 1 月 1 日 00:00:00 UTC。

这两句话决定了用途分工：perf_counter 的绝对值没有意义，只能做减法；time() 的绝对值有意义，可以换算成年月日时分秒。所以“这段操作花了多久”用前者，“这件事发生在哪一刻”用后者。

本文只演示计时器差值的简单无副作用计算，不给出任何性能基准结论，也不把示例值当成真实测量结果。

下面这段只在你自己的练习目录里运行，不读写外部文件、不改系统设置。路径请换成你自己的练习相对路径，例如 exercise/。

import time

start = time.perf_counter()

# 这里放你要量的那段操作，下面用一个自建的循环占位
total = 0
for i in range(100000):
    total += i

end = time.perf_counter()
print("elapsed:", end - start)

输入：一段你自己写的、没有副作用的计算。输出：一个浮点数，表示两次调用之间经过的秒数。

关键点是只取差值。start 和 end 各自的数值在不同机器、不同运行之间都不一样，打印它们本身没有比较意义。文档说得很清楚：参考点未定义，只有差值有效。

如果你需要更细的粒度，文档提供了 perf_counter_ns()，它返回整数纳秒，用来避免浮点类型带来的精度损失。用法一样，也是两次相减。

time.time() 也能做减法，但文档专门提示了一个风险：虽然这个函数通常返回非递减的值，但如果系统时钟在两次调用之间被调回，它可能返回比上一次更小的值。

也就是说，用 time() 量耗时，结果可能因为系统对时、手动改时间等原因出现负值或偏大偏小。而 perf_counter 在 CPython 上使用的是与 time.monotonic() 相同的时钟，文档描述 monotonic 是一个“不能倒退的时钟”，且不受系统时钟更新的影响。

所以判断标准可以简化成一句：

- 要量“经过了多少时间”，且不希望被系统时钟调整干扰，用 perf_counter。

- 要记录“这个时刻对应的日历时间”，用 time()，必要时再用 gmtime() 或 localtime() 换算。

文档还提到，time() 返回的数值可以传给 gmtime() 得到 UTC 的 struct_time，或传给 localtime() 得到本地时间的 struct_time。这是 time() 的用途，不是 perf_counter 的用途。

如果你的自建操作里有 time.sleep()，要分清两个计时器。

文档对 perf_counter 的说明是：它包含 sleep 期间经过的时间。对 process_time 的说明则相反：它返回当前进程的系统 CPU 时间与用户 CPU 时间之和，不包含 sleep 期间经过的时间。

这意味着同一个脚本，用两个计时器量出来的差值回答的是不同问题：

- perf_counter 差值：从开始到结束，墙上过了多久。

- process_time 差值：这段时间里，CPU 真正花在这个进程上多少。

文档对 process_time 也写明参考点未定义，只有两次调用的差值有效，并且它是进程范围的。所以两者都不能拿绝对值去比较，只能各自做减法。

选择方法：你关心“用户等了多久”，用 perf_counter；你关心“CPU 忙了多久”，用 process_time。本文只演示差值计算，不对任何具体数值下结论。

拿到一个差值后，不要直接把它当成这段操作的固有耗时。可以按下面顺序检查（以下为编辑整理的检查方向，不是对某台机器的实测记录）：

1. 差值是不是负数。如果是，说明你用的很可能是 time() 而不是 perf_counter，或者两次调用的顺序写反了。

2. 差值是不是明显偏大。检查这段操作里有没有包含 sleep、等待输入、网络请求这类会拉长时间的动作。perf_counter 会把 sleep 算进去。

3. 两次调用之间有没有夹进无关代码。把 start 和 end 尽量贴近你要量的那段操作，中间不要放打印、文件读写等额外动作。

文档还提醒了一点：各种实时函数的精度可能低于其数值单位所暗示的精度。例如在多数 Unix 系统上，时钟每秒只“滴答”50 或 100 次。所以差值的小数位多，不代表精度就有那么高。

如果同一段操作量了多次，各次结果不一致是正常的，不要取其中最小的那个当成“真实耗时”。

适用范围：本文只处理用 perf_counter 和 time() 的差值测量一段自建操作的耗时，以及两者的用途区别。所有示例都是自建的练习代码，不涉及真实业务数据，也不执行任何系统修改。

几条需要提前知道的边界：

- 文档说明，这个模块的函数并非在所有平台上都可用，多数函数调用的是同名平台 C 库函数，语义可能因平台而异。

- 本文不给出任何性能基准、耗时标准或“多快算快”的判断，示例中的循环次数和打印结果都不是基准结论。

- 本文不涉及多线程、多进程计时，也不涉及 clock_gettime 等底层接口。

- 计时结果受机器负载、解释器版本等因素影响，本文不对具体数值做解释。

参考资料：Python 官方 time 模块文档，https://docs.python.org/3/library/time.html