内置time模块与timeit/cProfile的分工与配合

三者用途不同，应根据场景选择：

1. time模块 — 原始时间获取

• time.perf_counter(): 纳秒级单调时钟，包括睡眠时间，适合度量代码执行耗时
• time.process_time(): 仅CPU执行时间，不包括睡眠，适合纯CPU密集型任务
• time.time(): 墙钟时间，可能受NTP调整影响，不推荐用于基准测试

import time

start = time.perf_counter()
result = sum(range(1000000))
elapsed = time.perf_counter() - start

2. timeit — 微基准测试

• 适合测量毫秒/微秒级的小代码片段
• 自动多次运行取平均值
• 内部使用time.perf_counter()

3. cProfile — 函数级性能剖析

• 适合分析整个程序的函数调用关系和耗时分布
• 开销较大（约10-20%），不适合精确测量单行代码

选择建议： | 场景 | 推荐工具 | |------|---------| | 单行/小片段 | timeit | | 函数耗时对比 | timeit.repeat | | 程序整体分析 | cProfile + snakeviz | | 生产环境采样 | py-spy | | 精确CPU时间 | time.process_time() |