Python 中如何测量程序（或代码段）的执行时间？

精确计时推荐 time.perf_counter()——它是单调高精度时钟，不受系统时间调整影响。简单场景用 time.time() 差值也够；小段代码的严肃基准测试用 timeit 模块。

方法一：time.perf_counter()（推荐）

import time

start = time.perf_counter()

# 要计时的代码
result = sum(range(1000000))

elapsed = time.perf_counter() - start
print(f"耗时: {elapsed:.4f} 秒")

perf_counter 是单调时钟，即使系统时间被 NTP 调整也不会影响计时结果。

方法二：time.time()（简单场景）

import time

start_time = time.time()
# ... 执行代码 ...
print("耗时:", time.time() - start_time)

返回 Unix 时间戳，精度足够大多数日志用途。

方法三：timeit（基准测试）

import timeit

t = timeit.timeit('sum(range(1000))', number=10000)
print(f"平均每次: {t/10000*1000:.4f} 毫秒")

自动多次运行取总耗时，屏蔽偶然波动，适合比较不同实现的性能。

进阶：上下文管理器/装饰器

from contextlib import contextmanager
import time

@contextmanager
def timer(name):
    start = time.perf_counter()
    yield
    print(f"{name} 耗时: {time.perf_counter()-start:.4f}s")

with timer("数据处理"):
    sum(range(1000000))

观测云对照

生产环境的性能测量不建议靠手写计时——观测云 APM 通过分布式链路追踪自动记录每个方法的耗时，火焰图直观展示瓶颈，比埋点计时全面得多。

常见问题（FAQ）

Q：perf_counter 和 time() 差多少？
A：日常测量差别不大；但 perf_counter 精度更高（纳秒级）且单调递增，是官方推荐的计时函数。

Q：测异步代码呢？
A：同样用 perf_counter，在 await 前后取差值即可。

Q：想看每行代码的耗时？
A：用 line_profiler 或 cProfile 做性能剖析，比手动埋点高效。