代码测量时间与实际耗时差异巨大，原因何在？RPi集群测试疑问

我正在通过处理大型列表测试RPi集群，构建字符串列表以计算哈希值模拟加密货币挖矿，代码运行于Raspberry Pi 3B Rev 1.2。

构建列表的代码如下：

from pympler import asizeof
import itertools
import time

start = time.process_time()
combos = list(itertools.combinations_with_replacement('abcdefghijlkmnopqrstuvwxyz', 6))
stop = time.process_time()
print(len(combos), asizeof.asizeof(combos)/1e6, (stop-start))

运行结果：

andrew@master:~ $ python mem_test_1.py 
736281 70.727904 0.68859771

实际用秒表计时约45秒，与代码测量时间差距极大；在M2 MacBook上运行时也存在类似差异，且尝试time.time()和time.perf_counter()后结果一致。请问该时间差的原因是什么？

原因分析 #

时间差的核心是CPU执行时间与实际总运行时间的本质区别，具体拆解为以下几点：

• time.process_time()仅统计Python进程实际占用CPU的计算时间，完全不包含CPU等待系统资源（如内存分配、磁盘swap交换）的耗时。
• 当执行list(itertools.combinations_with_replacement(...))时，需要一次性生成并存储73万+个元组元素：
  1. 若RPi 3B的内存被其他进程占用较多，系统会触发磁盘swap交换——把内存中闲置数据写入SD卡，再读取所需数据，SD卡读写速度远慢于内存，这部分等待时间CPU处于空闲状态，不会被process_time()统计。
  2. 即便内存充足，Python内存分配器处理大量小对象（每个元组包含6个字符对象）时，也会产生额外的调度开销，这些等待时间同样不计入CPU时间。
• 秒表测量的是从命令启动到程序结束的总墙钟时间，涵盖了CPU计算、内存分配、swap读写、甚至终端输出的所有耗时，因此和代码统计的CPU时间差距极大。

至于time.time()和time.perf_counter()结果与process_time()一致，是因为你仅将计时范围限定在list(...)代码行——这行的CPU计算时间确实很短，而内存相关的等待时间本质上是在生成器迭代过程中伴随发生的，但并未被单独统计。

内容的提问来源于stack exchange，提问作者Andrew H