Вла*_*ков 5 python optimization performance time
上下文：我正在 Python 项目中实现带有 TTL 的内存缓存，它必须承受相当大的吞吐量。为了确定缓存记录何时过时，我将其保存为时间戳，当我稍后检索它时，我会根据当前时间检查该时间戳。如果差异高于阈值，则记录已过时，应被丢弃。
\n问题：time.time()或者time.perf_counter()\xe2\x80\x94\xc2\xa0哪个函数返回值更快？差异是相当大还是可以忽略不计？
Tal*_*dar 18
time.time()和之间的选择time.perf_counter()取决于您将使用该函数的上下文。这是因为每个函数处理不同的“时间类型”。
time.time()处理绝对时间，即“现实世界时间”（我们习惯的时间类型）。它是从过去的固定点开始测量的。根据文档，time.time()返回：
(...) 自纪元以来的时间（以秒为单位），以浮点数表示。
time.perf_counter()另一方面，处理相对时间，它与现实世界时间没有明确的关系（即，这种关系对我们来说是未知的，并且取决于几个因素）。它是使用 CPU 计数器进行测量的，并且根据文档中的指定，只能用于测量时间间隔：
返回值的参考点未定义，因此只有连续调用结果之间的差异才有效。
因此，time.perf_counter()主要用于比较性能。
也就是说，我认为比较这两个函数的速度没有任何意义。它们被设计用于不同的用途 - 您应该选择最适合您的用例的一个。引用@Martijn Pieters 的评论：
有时您需要锤子，有时您需要螺丝刀。你不会问哪个更快，而是问哪个更快。你要么有一颗钉子，要么有一颗螺丝。尝试使用螺丝刀钉钉子可能有用，但不是最佳选择。
根据我从您的评论中收集到的信息，您可能最好使用time.perf_counter()，因为您的重点是相对时间而不是“现实世界时间”。在这样的上下文中，time.perf_counter()可能会更精确，因为它使用：
(...) 具有最高可用分辨率的时钟，用于测量较短的持续时间。
Wiz*_*eek 10
两者time的perf_counter性能相同，无法得出哪个更快的结论，并且在所有平台上都有可靠的统计结果，请在得出结论之前在您的目标平台上自行运行基准测试
以下是在您的计算机上重现相同内容的命令
python -m timeit -s "from time import perf_counter as time" -n 10000000 "time()"
python -m timeit -s "from time import time" -n 10000000 "time()"
性能计数器：
python -m timeit -s "from time import perf_counter as time" -n 10000000 "time()"
python -m timeit -s "from time import time" -n 10000000 "time()"
时间：
10000000 loops, best of 5: 69.6 nsec per loop
10000000 loops, best of 5: 75.9 nsec per loop
| 归档时间： |
|
| 查看次数： |
11169 次 |
| 最近记录： |