如何隔离CPU与RAM以固定Python算法的执行时间？

我完全理解你的困扰——明明用一模一样的数据跑算法，每次执行时间却忽高忽低，哪怕已经在Grub里配置了isolcpus也没解决。这种情况在做性能验证或者算法对比时确实很闹心，毕竟稳定的执行时间是结果可信的基础。下面给你几个实际可行的方案，一步步帮你把时间波动降到最小：

1. 正确使用isolcpus：主动绑定进程到隔离核心 #

你只在Grub里设置isolcpus其实还不够——这个参数只是告诉Linux内核不要把普通后台进程调度到这些核心上，但你的Python进程并不会自动跑到隔离核心去。你需要显式地把进程绑定到指定核心：

• 命令行方式：用taskset命令直接绑定核心运行脚本，比如你隔离了核心2和3，就这么跑：

  taskset -c 2 python your_algorithm.py
  

• 代码内绑定：如果不想每次输命令，也可以在Python代码开头加一段绑定逻辑：

  import os
  # 把当前进程绑定到核心2（核心编号从0开始）
  os.sched_setaffinity(0, {2})
  

  这样脚本一启动就会牢牢固定在指定核心上，避免内核调度带来的波动。

2. 锁定内存，避免Swap干扰 #

RAM的动态分配和Swap交换是时间波动的另一个大源头。你可以把算法用到的内存直接锁定在物理内存里，不让系统把它交换到磁盘：

import posix
# 锁定当前已分配的内存，以及未来要分配的内存
posix.mlockall(posix.MCL_CURRENT | posix.MCL_FUTURE)

如果你的测试环境允许，也可以直接关闭Swap分区（sudo swapoff -a），彻底杜绝磁盘交换带来的延迟。

3. 关闭CPU动态调频，保持稳定频率 #

CPU的动态节能调频（比如降频）会直接影响执行速度，你可以把CPU governor设为performance模式，让核心一直保持最高主频运行：

# 给所有CPU设置performance模式
echo performance | sudo tee /sys/devices/system/cpu/cpu*/cpufreq/scaling_governor

测试结束后如果想恢复节能模式，把performance换成powersave就行。

4. 禁用Python垃圾回收（GC） #

Python的自动GC会在后台不定期运行，突如其来的GC操作会打乱你的执行时间。你可以在算法执行前后手动关闭和开启GC：

import gc
# 关闭GC
gc.disable()

# 这里放你的算法代码
run_your_algorithm()

# 执行完再开启GC
gc.enable()

5. 多次运行取稳定值（退而求其次的方案） #

说实话，硬件层面的微小波动（比如CPU缓存命中情况、总线延迟）是完全无法消除的，哪怕做了上面所有优化，可能还是会有几毫秒的差异。如果你的场景允许，可以多次运行算法（比如10次），去掉最高和最低值后取平均值，这样结果会非常稳定。

总结一下：通过核心绑定、内存锁定、关闭调频、禁用GC这几步，你能把执行时间的波动降到几乎可以忽略的程度；如果还是需要“固定值”，多次取平均是最务实的办法。

备注：内容来源于stack exchange，提问作者Dharmendra Thapa