Python代码中time()计算看似异常耗时的问题排查

你误解了耗时的来源：不是计算total_used_time耗时，而是_run_step函数的执行时间几乎等于0.99 * time_limit，以下是详细的代码执行流程分析：

代码执行流程拆解 #

以time_limit=0.5为例：

1. 第一次进入while循环：
   • 计算total_used_time = time.time() - self.start，此时程序刚启动，耗时仅约1e-6秒，所以打印的s1、s2都是这个极小值。
   • 调用_run_step(env, self.agent_id, depth)，这个函数的执行耗时接近0.99 * 0.5 = 0.495秒（对应输出里第二个s1的0.4996秒）。
   • 打印s3时，使用的是之前计算的旧total_used_time值，并未重新获取当前时间，所以s3的时间和s1、s2一致。
2. 第一次循环结束，回到while开头：
   • 重新计算total_used_time，此时距离self.start已经过去了_run_step的执行时间，满足total_used_time >= 0.99 * time_limit的条件，循环终止，打印depth=2。

验证方法 #

你可以在_run_step调用前后添加时间打印，直接查看该函数的耗时：

print(f'before _run_step: {time.time() - self.start}')
_, op = self._run_step(env, self.agent_id, depth)
print(f'after _run_step: {time.time() - self.start}')

执行后就能清晰看到_run_step函数占用了大部分时间，而非total_used_time的计算操作。

内容的提问来源于stack exchange，提问作者Algo