Pythontime模块高效计时方法
本文深入解析了Python中精准计时的核心实践:明确指出`time.perf_counter()`才是性能测量的黄金标准——它高精度、单调递增、不受NTP校时等系统时钟干扰,而`time.time()`仅适用于记录绝对时间点;同时手把手教你避开装饰器开发中的高频陷阱,包括`functools.wraps`缺失导致元信息丢失、计时逻辑误放外层、全局变量引发多线程污染,并针对嵌套调用耗时拆解、异步函数(async/await)的特殊计时需求给出简洁可靠的解决方案,帮你从“计出数字”真正进阶到“读懂瓶颈”。

time.time() 和 time.perf_counter() 该选哪个
计时不准,八成是用了 time.time()。它受系统时钟调整影响——比如 NTP 同步后倒退几毫秒,你的耗时可能直接变负数。
time.perf_counter() 才是专为性能测量设计的:单调递增、高精度、不受系统时间干扰,Python 3.3+ 默认推荐。
- 测函数执行耗时 → 无条件用
perf_counter() - 记录“什么时间点开始”(如日志打点)→ 可用
time.time()或time.strftime() - 在容器或虚拟机里跑,
perf_counter()依然稳定;time.time()可能因宿主机时钟漂移出问题
@timer 装饰器写法与闭包陷阱
自己写装饰器时,最容易漏掉 functools.wraps(func),导致被装饰函数的 __name__、__doc__ 全变成装饰器里的名字,调试和 IDE 补全直接失效。
另一个坑是把计时逻辑写在装饰器外层——那样只运行一次,不是每次调用都计时。
- 计时代码必须放在返回的内层函数里(即实际执行逻辑的位置)
- 务必用
@functools.wraps(func)包装内层函数 - 别在装饰器参数里默认传
print——想输出就显式传logger=print,否则单元测试没法捕获或屏蔽
import functools import timedef timer(logger=None): def decorator(func): @functools.wraps(func) def wrapper(*args, *kwargs): start = time.perf_counter() result = func(args, **kwargs) elapsed = time.perf_counter() - start if logger: logger(f"{func.name} took {elapsed:.4f}s") return result return wrapper return decorator
嵌套调用时的累计耗时怎么拆解
一个函数调了三个子函数,你只看到总耗时 200ms,但不知道哪块拖慢了——这时候不能靠单个 @timer,得加上下文标识或层级标记。
简单有效的方式是传入 level 参数,或者用 threading.local() 记录调用栈深度,再配合缩进输出。不过更轻量的做法是让装饰器支持可选前缀:
- 给
timer()加个prefix参数,比如@timer(prefix="[DB]") - 避免用全局变量存“当前路径”,多线程下会串
- 如果真要完整调用树,别硬刚装饰器,改用
contextvars(Python 3.7+)或直接上logging的extra字段传上下文
异步函数(async def)不能直接套 time.perf_counter()
对 async def 函数加普通 @timer,你会发现计时结果总是 0.0000s——因为装饰器没 await,只计了协程对象创建时间,不是实际运行时间。
必须写异步版本的装饰器,且内部要用 await 调用原函数,并用 asyncio.get_event_loop().time() 或保持用 time.perf_counter()(它本身是线程安全的,也适用于 async 场景)。
- 别用
time.time()在 async 里计时,精度低还可能跳变 - 异步装饰器里不能用
time.sleep(),但计时本身不阻塞,放心用perf_counter() - 若函数既可能是 sync 也可能是 async,装饰器得做类型判断,但通常不值得——明确区分
@timer和@async_timer更清晰
事情说清了就结束。真正难的不是写对那几行计时代码,而是当耗时突然翻倍时,你能一眼看出是 I/O 阻塞、GIL 争抢,还是装饰器本身在反复创建 logger 实例。
以上就是《Pythontime模块高效计时方法》的详细内容,更多关于的资料请关注golang学习网公众号!
番茄音乐组件设置教程:快速切换歌曲封面
- 上一篇
- 番茄音乐组件设置教程:快速切换歌曲封面
- 下一篇
- 盐神居备用入口及地址详解
-
- 文章 · python教程 | 3小时前 | python · Python 十六进制 二进制调试 memoryview.hex bytes_per_sep
- Python memoryview.hex 怎样为十六进制输出设置分组分隔符
- 480浏览 收藏
-
- 文章 · python教程 | 3小时前 | python · Python decimal context same_quantum
- Python decimal.Context.same_quantum 怎样判断两个十进制数的指数是否相同
- 336浏览 收藏
-
- 文章 · python教程 | 4小时前 |
- Python textwrap.TextWrapper.drop_whitespace 怎样控制换行边缘的空白保留
- 238浏览 收藏
-
- 文章 · python教程 | 6小时前 | python · 文件系统 · Python 文件比较 mtime filecmp.clear_cache filecmp.cmp 比较缓存
- Python filecmp.clear_cache 怎样清除文件比较结果缓存
- 290浏览 收藏
-
- 文章 · python教程 | 7小时前 | 标准库 · 递归 · python · Python 解释器 递归限制 sys.getrecursionlimit
- Python sys.getrecursionlimit 怎样读取解释器设置的递归深度上限
- 129浏览 收藏
-
- 文章 · python教程 | 9小时前 | Python教程 · Python memoryview memoryview.toreadonly bytearray 只读视图 缓冲区协议
- Python memoryview.toreadonly 怎样生成只读视图而不复制底层数据
- 470浏览 收藏
-
- 文章 · python教程 | 9小时前 | 标准库 · Python教程 · Python decimal flags 精度 舍入 Context.copy_abs Decimal.copy_abs
- Python decimal.Context.copy_abs 怎样取绝对值而不受当前精度舍入影响
- 389浏览 收藏
-
- 文章 · python教程 | 10小时前 | 字符串 · 标准库 · Python教程 · Python placeholder 文本截断 textwrap TextWrapper max_lines
- Python textwrap.TextWrapper.placeholder 怎样为截断后的段落设置结束标记
- 301浏览 收藏
-
- 文章 · python教程 | 11小时前 | python · Python 参数绑定 inspect BoundArguments apply_defaults
- Python inspect.BoundArguments.apply_defaults 怎样给已绑定参数补上默认值
- 411浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1099次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1095次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1265次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1204次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1051次使用
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

