在昨天的帖子中，我提到通过改写bitCNY抵押率排行榜的实现代码来加快程序的处理速度。为了衡量程序改进前后的差异，我在代码中计算了一下程序执行时间，通过对比时间来判断效率提升了多少。

封面图源：https://pixabay.com

其实，计算代码执行时间是很简单也很常用的功能，但是对于我这个半路出身的程序员，尤其还是个记忆力不佳的程序员，每次都要查查文档或者参考一下以前自己写过的代码才能写出来。这种感觉很不好，于是我决定把这个整理一下记下来，这样下次我再用的时候，搜索一下steemit即可✌。

程序执行时间分为两种情况，一种是CPU时间，一种是运行时间。

CPU时间

CPU时间即程序占用CPU的时间，对于非程序员可能有点费解，时间就是时间还有啥运行时间和CPU时间呢？我举个简单的例子就懂了，比如我们每天上班要和电脑打交道，但是除了和电脑打交道的时间，我们还要在上下班路上浪费时间、中午去食堂吃饭浪费时间、接杯咖啡喝瓶可乐什么的要浪费时间、和美女同事聊天浪费时间、偶尔去趟厕所也要浪费时间、还有可能坐在座位上发呆也在浪费时间...... 也就是说，尽管你每天上班8个小时，但可能在电脑上工作的时间不超过一个小时。

对于程序而言也是一样，我们写一个程序开始执行，程序中可能有延时等待、可能有磁盘和网络IO操作、可能要等别的进程释放CPU占用等等，简而言之，它不是一直占用CPU的，而它实际占用CPU的时间就称之为CPU时间。

扯远了，在Linux系统下，Python程序中可以用下列代码计算程序占用的CPU时间：

import time
start = time.clock()
......
end =  time.clock()
print("CPU Time: ", end - start)

但是呢，据说这个time.clock有点不好用(其实我觉得挺好啦)，主要有两点：

Linux下和Windows下行为不一致。
Linux不包含程序睡觉的时间，Windows下包含了睡觉时间；
这个函数在Windows下精度更高，在Linux下精度不高。

所以在Python 3.3以后引进了两个新的东东

time.perf_counter(), benchmarking, most precise clock for short period
time.process_time(), profiling, CPU time of the process

感兴趣的自己看文末参考资料吧，我头有点大。

程序运行时间

在昨天的帖子中，我提到老版本的生成bitCNY抵押率排行榜程序生成100条记录需要105，而新版本的只需要3秒，这个时间就是我们从计时开始到计时结束所耗费的时间。

import time
start = time.time()
......
end =  time.time()
print("Execution Time: ", end - start)

其中 time.time()获取当前时间戳，在Linux以及大多数系统下，时间戳是距离January 1, 1970, 00:00:00 (UTC)的秒数，其实我们取得是差额，基准是谁都无所谓啦。

测试

将上述代码应用到我们老版本的bitCNY抵押率排行榜程序中

start = time.time()
cpu_start = time.clock()
process_start = time.process_time()
perf_start = time.perf_counter()
......
end = time.time()
cpu_end = time.clock()
process_end = time.process_time()
perf_end = time.perf_counter()
print("CPU Time:", cpu_end - cpu_start)
print("Proc Time:", process_end - process_start)
print("Exec Time:", end - start)
print("Perf Time:", perf_end - perf_start)

输出结果如下：

同样的代码，代入我们新版本的程序中，输出结果如下：

由此可见我们的新代码无论从CPU占用还是执行时间上来讲，都得到了大幅改善。

Python 计算程序CPU时间以及运行时间

CPU时间

程序运行时间

测试

参考内容