为何不相关位置的time.sleep会影响time.perf_counter_ns计时结果

1. CPU低功耗状态恢复延迟 #

Linux系统默认开启CPU动态电源管理机制，当你调用time.sleep(1)时，当前Python进程会进入阻塞状态，空闲的CPU会自动进入更深层次的低功耗C-state状态以节省能耗。当sleep结束进程被唤醒时，CPU需要从低功耗状态切换回全速运行状态，这个切换过程会产生额外的延迟，直接拉高了前若干次time.perf_counter_ns调用的耗时，最终拉高了整体平均结果。

2. CPU缓存冷启动开销 #

进程调用time.sleep被挂起时，操作系统会将CPU调度给其他进程使用，原Python进程在CPU缓存（L1/L2数据缓存、指令缓存、TLB地址转换快表）中存储的相关数据会被逐渐清空/覆盖。sleep结束进程重新回到CPU执行时，缓存处于冷启动状态，执行time.perf_counter_ns系统调用时会产生大量缓存未命中，系统调用的执行开销远高于缓存热的场景。
而你没有加sleep的测试用例中，进程启动后立刻执行计时循环，CPU缓存还保留着进程启动阶段加载的time模块相关指令、内核计时接口的相关数据，缓存命中率极高，所以平均耗时更低。

你可以在time.sleep(1)之后添加一段预热逻辑，先运行若干次空调用或者无关操作把CPU缓存预热、让CPU回到全速运行状态，再执行计时循环，结果就会和不加sleep的版本基本一致：

import time
total = 0
num_samples = 1000
time.sleep(1)
# 新增预热逻辑
for _ in range(10000):
    pass
# 再执行计时
for i in range(num_samples):
    s = time.perf_counter_ns()
    e = time.perf_counter_ns()
    total += e - s
print(total/num_samples)

也可以直接把样本量放大到100万级，少量预热阶段的高耗时样本会被大量正常样本拉平，平均结果也会回归正常水平。

内容的提问来源于stack exchange，提问作者Ed_