python程序运行在yarn python程序运行过程

1.运用场景

在很多的时候我们需要计算我们程序的性能，这个时候我们常常需要统计程序运行的时间。下面我们就来说说怎么统计程序的运行时间。

---

2. 实现方法

计算Python的某个程序，或者是代码块运行的时间一般有三种方法。

• 方法一

import datetime
start = datetime.datetime.now()
run_function():
    # do something

end = datetime.datetime.now()
print (end-start)

运行结果显示：

---

方法二：

import time
start = time.time()
run_function()
end = time.time()

print str(end-start)

运行结果：

---

方法三：

import time
start = time.clock()
run_function()
end = time.clock()

print str(end-start)

运行结果：

---

---

#方法比较

• 通过对以上方法的比较我们发现，方法二的精度比较高。方法一基本上是性能最差的。这个其实是和系统有关系的。一般我们推荐使用方法二和方法三。我的系统是Ubuntu，也就是Linux系统，方法二返回的是UTC时间。 在很多系统中time.time()的精度都是非常低的，包括windows。
• python 的标准库手册推荐在任何情况下尽量使用time.clock().但是这个函数在windows下返回的是真实时间（wall time）
• 方法一和方法二都包含了其他程序使用CPU的时间。方法三只计算了程序运行CPU的时间。
• 方法二和方法三都返回的是浮点数

---

那究竟 time.clock() 跟 time.time()，谁比较精确呢？带着疑问，查了 Python 的 time 模块文档，当中 clock() 方法有这样的解释：

来自官方文档：

time.clock() 返回的是处理器时间，而因为 Unix 中 jiffy 的缘故，所以精度不会太高。clock转秒，除以1000000。

究竟是使用 time.clock() 精度高，还是使用 time.time() 精度更高，要视乎所在的平台来决定。总概来讲，在 Unix 系统中，建议使用 time.time()，在 Windows 系统中，建议使用 time.clock()。

我们要实现跨平台的精度性，我们可以使用timeit 来代替time.

import timeit

start = timeit.default_timer()
do_func()
end = timeit.default_timer()
print str(end-start)

---