time.perf_counter() 或 time.perf_counter_ns() 给出奇怪且不正确的值

我在处理多处理时编写了这个简单的代码。

from multiprocessing import Process, cpu_count
import time

def counter(num):
    count = 0
    while count < num:
        count += 1

def main():
    print(cpu_count())

  
    a = Process(target=counter, args=(250000000,))
    b = Process(target=counter, args=(250000000,))
    c = Process(target=counter, args=(250000000,))
    d = Process(target=counter, args=(250000000,))
    
    a.start()
    b.start()
    c.start()
    d.start()

    a.join()
    b.join()
    c.join()
    d.join()

    
    print("Finished in:", time.perf_counter(), "seconds")

if __name__ == "__main__":
    main()

嗯，我的代码中的所有内容都运行得很完美，除了 time.perf_counter() 为一个几乎只花了 2-3 秒的程序提供了 7000 秒的时间。我尝试使用 time.perf_counter_ns() 但它没有达到我的预期。首先，它给了我科学形式的值，当我将纳秒转换为秒时，它仍然给了我与之前相同的结果。而不是那些，我尝试使用 timeit 模块打印 timeit.timeit() ，它确实给了我像 0.0143249234 这样的值，用于一个花费超过 2 秒的程序。当我打印 cpu_cores 而不是显示我的电脑有多少个核心时，它确实给了我这个 <bound method BaseContext.cpu_count of <multiprocessing.context.DefaultContext object at 0x000001B68DDCD1C0>>

代码中出现奇怪的时间测量结果是因为你误解了 cpu_count() 的使用方式以及 time.perf_counter() 的行为。让我们来分解一下：

问题 1： cpu_count() 的误用

• 你正在将 cpu_count() 作为一个可调用对象打印出来，而不是调用它。这就是为什么你会看到 <bound method...> 的输出。为了获得 CPU 核心数量，你应该调用该函数：

python print(cpu_count()) # 正确调用函数

问题 2： time.perf_counter() 的范围

• time.perf_counter() 测量的是自某个未定义的时间点以来经过的总时间，包括你的 Python 进程休眠的时间。当你启动一个进程时， time.perf_counter() 已经开始计时，它会持续计时，即使你的进程没有在执行任何操作。

• 在你的代码中，你正在你的 main() 函数中启动 time.perf_counter() ，然后启动你的进程。当你的进程在后台运行时， main() 函数会立即完成，而 time.perf_counter() 则会继续计时。这意味着 time.perf_counter() 捕获的时间不仅包括你的进程的执行时间，还包括 main() 函数完成到你的进程完成之间的时间。

解决方案

为了准确测量你的多进程代码的执行时间，你需要在启动你的进程之前和之后立即调用 time.perf_counter() ：

import multiprocessing
import time

def counter(num):
    count = 0
    while count < num:
        count += 1

def main():
    num_cores = multiprocessing.cpu_count()
    print("CPU 核心数量:", num_cores)

    start_time = time.perf_counter()  # 在启动进程之前开始计时

    a = multiprocessing.Process(target=counter, args=(250000000,))
    b = multiprocessing.Process(target=counter, args=(250000000,))
    c = multiprocessing.Process(target=counter, args=(250000000,))
    d = multiprocessing.Process(target=counter, args=(250000000,))

    a.start()
    b.start()
    c.start()
    d.start()

    a.join()
    b.join()
    c.join()
    d.join()

    end_time = time.perf_counter()  # 在进程完成后停止计时

    print("完成时间:", end_time - start_time, "秒")

if __name__ == "__main__":
    main()

通过这种方式，你将只测量你的进程实际运行所花费的时间。