如何实现毫秒级精度指定时间调用函数，消除或固定执行延迟？

你遇到的延迟主要来自两个核心原因：

1. 普通操作系统的time.sleep默认是可中断的低精度睡眠，用户态进程的调度粒度通常在10~100ms区间，睡眠结束后还需要等待CPU调度才能执行后续代码
2. 单次长睡眠的计时误差、目标时间计算的微小开销也会叠加延迟

方案1：混合睡眠+忙等待（推荐，精度最高可到1ms内） #

不要一次性睡到目标时间，拆分为两个阶段：

• 剩余时间大于10ms时，用1ms级的短睡眠让出CPU，降低资源占用
• 剩余时间小于1ms时，进入纯忙等待循环判断时间，消除调度延迟
  示例代码如下：

import time
from datetime import datetime

def run_at(target_time):
    # 先把目标时间转成时间戳（毫秒级精度）
    target_ts = time.mktime(target_time.timetuple()) + target_time.microsecond / 1e6
    while True:
        now_ts = time.time()
        diff = target_ts - now_ts
        if diff <= 0:
            break
        # 剩余时间大于10ms就睡1ms，否则忙等
        if diff > 0.01:
            time.sleep(0.001)
    # 到点执行目标代码
    print(datetime.now().strftime('%H:%M:%S.%f')[:-3])

# 测试
tt = datetime(2021, 8, 22, 3, 17, 00)
run_at(tt)

这个方案在普通PC上测试，延迟通常可以控制在±2ms以内，唯一的缺点是最后1ms会占满1个CPU核心，对资源占用敏感的场景可以根据需求调整忙等待的阈值。

方案2：校准固定偏移量（适合需要恒定延迟的场景） #

如果你的运行环境相对稳定，可以先跑10~20次测试统计平均延迟，比如你当前环境平均延迟是38ms，那直接在目标等待时间里减去这个固定偏移量即可：

tt = datetime(2021, 8, 22, 3, 17, 00)
offset = 0.038 # 你自己测出来的平均延迟
wait_time = time.mktime(tt.timetuple()) - time.time() - offset
if wait_time > 0:
    time.sleep(wait_time)
print(datetime.now().strftime('%H:%M:%S.%f')[:-3])

这个方案不会额外占用CPU，但精度受环境波动影响较大，适合负载稳定的服务器环境。

额外优化建议 #

• 提升进程优先级：Windows下可以用psutil.Process().nice(psutil.REALTIME_PRIORITY_CLASS)，Linux下执行nice -n -20 python 你的脚本.py，甚至配置实时调度策略，能大幅降低调度带来的延迟波动
• 不要在定时执行前跑其他重负载代码，避免CPU缓存被占、GC触发等额外开销
• 普通桌面操作系统最多能做到1ms左右的精度，如果需要微秒级精度，必须使用实时操作系统。

内容的提问来源于stack exchange，提问作者Amin DM