Zunächst einmal sprechen wir über die Fallstricke, die ich erlebt habe, die Probleme in der Produktion: Ich plane die Ausführung des Python-Skripts und überwache den Prozess, die Laufzeit des Python-Skripts ist viel länger als die Programmausführungszeit, die ich im Python-Skript zähle.
Die Zeit zur Überwachung der Ausführung von Python-Skripten beträgt 36 Stunden, während die Selbstausführungszeit bei Python-Skripten etwa 4 Stunden beträgt.
Das Erste, was mir nach dem Problem einfällt, ist, dass es ein Problem mit Linux gibt, und ich habe in verschiedenen Logs keine Auffälligkeiten gefunden.
Dann denke ich an py2neo, das in Python verwendet wird, um Daten asynchron zu schreiben und die Ausführung des Prozesses zu blockieren.
Schließlich wurde das Problem gefunden: die Art und Weise, wie das Python-Skript time.clock() verwendet, um die Ausführungszeit der CPU zu zählen, nicht die Ausführungszeit des Programms.
Als Nächstes vergleichen wir mehrere Python-Zeitstatistiken:
Methode 1:
datetime.datetime.now() erhält das aktuelle Datum, und nachdem die Programmausführung beendet ist, ist der mit dieser Methode erhaltene Zeitwert der Zeitpunkt der Programmausführung.
Methode 2:
time.time(), um die aktuelle Zeit seit der Epoche (In Sekunden）。 Wenn die Systemuhr sie liefert, kann es nur einen Bruchteil von Sekunden geben. Dieser Ort liefert also einen Gleitkommatyp. Was hier ermittelt wird, ist auch die Ausführungszeit des Programms.
Methode 3:
time.clock() gibt die CPU-Zeit zurück, seit das Programm gestartet oder erstmals aufgerufen wurde. Das ist genauso präzise wie die Systemaufzeichnung. Die Rückgabe ist ebenfalls ein Gleitkommatyp. Was du hier bekommst, ist die Ausführungszeit der CPU.
Hinweis: Programmausführungszeit = CPU-Zeit + io-Zeit + Ruhezustand oder Wartezeit
So teste ich die Ausführungszeit der Funktion mit Methode 2:
|
Veröffentlicht am 23.04.2018 15:54:36
|
|
|
|
