time.clock()测量时长异常咨询：原因排查与稳定测量方案

咱们先从time.clock()的实际行为说起——在你用的Ubuntu 18.04（Linux系统）+ Python环境里，time.clock()其实在Python 3.3之后就已经被重定向到time.process_time()了，它测的是你的进程实际占用的CPU时间（包括用户态和内核态的执行时间），本来是为了规避time.time()那种墙上时间受系统等待的影响，但这不代表它完全不受系统状态干扰。

为什么你的测量时长会越来越长？ #

你提到同一numpy操作的测量值从1900多秒涨到2700多秒，而且time.time()和time.clock()结果接近，这说明你的操作确实是纯CPU密集型（几乎没I/O等待），那导致变慢的大概率是这几个原因：

• 内存压力与GC抢占：你猜测的垃圾回收频繁真的很可能。虽然numpy是C实现，但如果你的代码循环里不断创建数组却没及时释放，内存碎片或者高占用会让系统开始偷偷用swap（哪怕你没主动磁盘操作，swap也是磁盘读写），或者Python的GC频繁触发抢CPU，直接拖慢执行速度。
• CPU热降频：如果服务器CPU长时间高负载跑，温度上去后会自动降频，主频一降，同一操作自然要花更久的时间——这时候不管是CPU时间还是墙上时间都会涨，因为实际执行指令的速度变慢了。
• 系统负载波动：哪怕你的screen会话是独立的，服务器上其他进程说不定在某个时间段占了更多CPU或内存带宽，numpy的操作非常依赖内存带宽，一旦被抢占，执行效率肯定下来。

给你几个稳定测量的替代方案 #

1. 换用更靠谱的测量函数 #

别再用time.clock()了，直接上Python 3.3+推荐的两个函数：

• time.process_time()：专门测当前进程的CPU占用时间，不含睡眠时间，精准反映CPU密集型操作的实际执行耗时。
• time.perf_counter()：高精度的墙上时间测量，比time.time()准得多，适合看从开始到结束的总耗时。

给你个简单的代码示例：

import time

# 记录开始时间
start_cpu = time.process_time()
start_wall = time.perf_counter()

# 这里放你的numpy操作代码
# ...

# 记录结束时间
end_cpu = time.process_time()
end_wall = time.perf_counter()

print(f"实际CPU执行时间: {end_cpu - start_cpu:.2f}s")
print(f"总耗时（含调度等待）: {end_wall - start_wall:.2f}s")

2. 规避系统干扰的小技巧 #

• 多次测量取中位数：单次测量很容易被瞬时的系统波动影响，建议重复跑5-10次，去掉最高和最低值，取中位数或者平均，结果会稳定很多。
• 控制实验环境：测量前先用top或htop看看服务器的CPU、内存使用率，关掉不必要的进程；如果是长时间跑的操作，让CPU冷却一会儿再测，避免热降频的影响。
• 手动清理内存：每次测量前可以手动触发GC（import gc; gc.collect()），或者主动释放不用的numpy数组（比如del array_var），减少内存压力带来的干扰。

3. 简单的FLOPS统计方法 #

如果你想统计浮点运算次数，有这几个办法：

• 手动估算：根据numpy操作类型算。比如矩阵乘法A @ B，如果A是(m,k)，B是(k,n)，浮点运算次数大概是2mk*n，用总次数除以CPU时间就能得到FLOPS。
• 利用BLAS/LAPACK的 verbose 模式：numpy一般会用OpenBLAS或MKL加速，你可以设置环境变量来让它们输出性能数据：
  • 用MKL的话，运行脚本前加export MKL_VERBOSE=1，会输出运算时间和FLOPS。
  • 用OpenBLAS的话，加export OPENBLAS_VERBOSE=2就能看到详细统计。
• Linux自带的perf工具：这是个神器，安装sudo apt install linux-tools-common后，用perf stat -e r530000 python your_script.py就能统计浮点运算次数（r530000是通用浮点事件代码，不同CPU可能有差异，也可以用perf list查看所有浮点相关事件）。

最后总结一下 #

你遇到的问题本质是系统状态（内存负载、CPU热降频、资源抢占）导致了执行效率下降，而time.clock()和time.time()都会如实反映这种变化。通过换用更可靠的测量函数、多次取中位数优化结果、控制实验环境，再配合BLAS/LAPACK或perf工具统计FLOPS，就能得到稳定的测量数据了。

内容的提问来源于stack exchange，提问作者Radio Controlled