为何将变量计算移至嵌套函数后单次耗时飙升？性能咨询

核心原因分析 #

1. 闭包变量的访问开销远高于局部变量 #

在版本1中，x=a+b的计算发生在foo1内部，a、b、x都是foo1的局部变量。Python对局部变量的访问是直接通过栈帧的局部变量表索引定位，几乎没有额外开销，所以单次计算耗时极低（0.004秒）。

而版本2中，x=a+b被移到嵌套函数foo2内部，此时a和b属于foo1的局部变量，对foo2来说是非局部（nonlocal）变量。Python需要通过闭包的cell对象间接访问这些变量——每次访问a或b，都要先找到闭包对应的cell结构，再从中取出变量值，这个间接查找的过程比直接访问局部变量慢很多，直接拉高了单次x计算的耗时（0.052秒）。

2. 调用频率与单次开销的抵消导致累计耗时相近 #

你的测试场景中，foo1被持续调用但foo2极少执行。假设：

• 版本1中foo1调用了N次，每次x计算耗时0.004秒，累计耗时为N * 0.004
• 版本2中foo2调用了M次，每次x计算耗时0.052秒，累计耗时为M * 0.052

当N * 0.004 ≈ M * 0.052时（比如N=1300，M=100），两者的累计耗时就会相近。这是单次高开销和低调用次数，与单次低开销和高调用次数之间的抵消结果。

3. 非局部变量访问的额外运行时检查 #

Python在处理闭包变量时，会额外执行一系列运行时检查：确认变量是否存在于闭包的cell中、验证变量的可访问性等。这些检查步骤在局部变量访问中是不存在的，进一步增加了嵌套函数内计算的执行路径长度，导致耗时上升。

补充验证建议 #

如果想确认这个结论，可以尝试在foo2内部将a、b先赋值给局部变量再计算：

def foo1():
    a=1
    b=2
    
    def foo2():
        local_a = a
        local_b = b
        x = local_a + local_b
        print(x)
    if some_condition==True:
        foo2()
foo1()

此时local_a和local_b是foo2的局部变量，后续计算的耗时会显著降低，接近版本1的单次耗时。

内容的提问来源于stack exchange，提问作者Tejas Bhardwaj