`time.perf_counter()` 是 Python 标准库 `time` 模块中提供的一个**高精度、单调递增的性能计时器函数**，专为**测量短时间间隔（如代码执行耗时）而设计**，是 Python 中**推荐用于性能分析和基准测试（benchmarking）的首选计时器**。 ✅ 核心特性： | 特性 | 说明 | |------|------| | **高分辨率** | 返回值为浮点数（单位：秒），精度可达纳秒级（取决于系统硬件和 OS，通常优于 `time.time()`） | | **单调性（Monotonic）** | 值**永不倒退**——不受系统时钟调整（如 NTP 同步、手动改时间、夏令时）影响，保证 `t2 - t1` 始终 ≥ 0 | | **无挂起感知（Not suspended-aware）** | 在进程被挂起（如休眠、暂停）期间，计时器**继续流逝**（即它测量的是“墙上时间”wall-clock time，而非 CPU 时间） | | **不关联绝对时间** | 返回值是**自某个未指定起点（如系统启动或首次调用）起的相对时间**，不可用于获取当前日期/时间（应使用 `time.time()` 或 `datetime.now()`） | 📌 典型用途：精确测量代码段执行耗时（例如函数运行时间、算法性能对比）。 --- ✅ 示例代码（测量函数执行时间）： ```python import time def example_function(): time.sleep(0.1) # 模拟耗时操作 return sum(i * i for i in range(100000)) # ✅ 正确用法：perf_counter 配对使用 start = time.perf_counter() result = example_function() end = time.perf_counter() elapsed = end - start print(f"函数执行耗时: {elapsed:.6f} 秒") # 输出类似：函数执行耗时: 0.102345 秒 ``` 🔍 对比其他常用计时器（帮助理解为何选 `perf_counter`）： | 函数 | 是否单调？ | 是否受系统时间调整影响？ | 是否适合测耗时？ | 说明 | |------|-------------|---------------------------|-------------------|------| | `time.perf_counter()` | ✅ 是 | ❌ 否 | ✅ **强烈推荐** | 最佳通用性能计时器 | | `time.time()` | ❌ 否（可能跳变） | ✅ 是 | ⚠️ 不推荐（仅当需绝对时间+容忍误差） | 返回 Unix 时间戳，精度低且可被系统修改 | | `time.process_time()` | ✅ 是 | ❌ 否 | ✅ 适合测 **CPU 时间**（排除 I/O 等等待） | 只统计当前进程的 CPU 执行时间，挂起/睡眠时不计 | | `time.monotonic()` | ✅ 是 | ❌ 否 | ✅ 可用，但精度通常略低于 `perf_counter` | 更底层的单调时钟，`perf_counter` 是其“更高精度超集” | 💡 小贴士： - `perf_counter()` 和 `process_time()` 都是单调的，但： - `perf_counter()` → 测「真实经过时间」（wall-clock time） - `process_time()` → 测「CPU 占用时间」（适合分析纯计算密集型瓶颈） --- ✅ 进阶技巧：使用上下文管理器封装计时（更 Pythonic） ```python from contextlib import contextmanager import time @contextmanager def timer(label="Block"): start = time.perf_counter() try: yield finally: end = time.perf_counter() print(f"[{label}] 耗时: {end - start:.6f} 秒") # 使用示例 with timer("列表推导式"): _ = [i**2 for i in range(1000000)] ```