C#实现测量程序运行时间及cpu使用时间

对一个服务器程序想统计每秒可以处理多少数据包 要如何做？答案是用处理数据包的总数 除以累记处理数据包用的时间 这里要指出的是 运行一段程序 使用的cpu时间 跟实际运行的时间是不一样的 附例如下

private void ShowRunTime()            {            TimeSpan ts = Process GetCurrentProcess() TotalProcessorTime            Stopwatch s = new Stopwatch()            s Start()

int Circles =             for (int i = i <Circles++i)            {                Console WriteLine(i ToString())            }

double Msecs = Process GetCurrentProcess() TotalProcessorTime Subtract(ts ) TotalMilliseconds            s Stop()

Console WriteLine(string Format( 循环次数:{ } CPU时间(毫秒)={ } 实际时间(毫秒)={ } Circles Msecs s Elapsed TotalMilliseconds s ElapsedTicks))            Console WriteLine(string Format( tick = { }毫秒 s Elapsed TotalMilliseconds / s Elapsed Ticks))        }    程序输出如下

循环次数: CPU时间(毫秒)= 实际时间(毫秒)=     tick = 毫秒

可以看出在这个例子中 两者差距比较大 其原因如下

）Windows是多任务 *** 作系统 按照线程为单位对cpu时间轮询分配 即一个程序运行的中途 可能被剥夺cpu资源 供其他程序运行

）程序本身会有不占用cpu时间的等待过程 这个等待可能是我们程序主动的 比如启动一个进程 然后等待进程的结束 也可能是我们没有意识到的 如例子的Console WriteLine方法 猜想其内部进行了一系列的异步I/O *** 作然后等待 *** 作的完成 这其间并没有占用调用进程的cpu时间 但耗费了很多等待时间

总结

）性能的测量 应该用程序运行时间来测量 当然也需要使用cpu时间作为参考 如果两者差距很大 需要考虑为何出现这种情况

lishixinzhi/Article/program/net/201311/13400

1. 使用装饰器来衡量函数执行时间

有一个简单方法，那就是定义一个装饰器来测量函数的执行时间，并输出结果：

import time

from functoolsimport wraps

import random

def fn_timer(function):

  @wraps(function)

  def function_timer(*args, **kwargs):

      t0= time.time()

      result= function(*args, **kwargs)

      t1= time.time()

      print("Total time running %s: %s seconds" %

          (function.__name__, str(t1- t0))

)

      return result

return function_timer

@fn_timer

def random_sort(n):

  return sorted([random.random() for i in range(n)])

if __name__== "__main__":

  random_sort(2000000)

输出：Total time running random_sort: 0.6598007678985596 seconds

使用方式的话，就是在要监控的函数定义上面加上 @fn_timer 就行了

或者

# 可监控程序运行时间

import time

import random

def clock(func):

    def wrapper(*args, **kwargs):

        start_time= time.time()

        result= func(*args, **kwargs)

        end_time= time.time()

        print("共耗时: %s秒" % round(end_time- start_time, 5))

        return result

return wrapper

@clock

def random_sort(n):

  return sorted([random.random() for i in range(n)])

if __name__== "__main__":

  random_sort(2000000)

输出结果：共耗时: 0.65634秒

2. 使用timeit模块

另一种方法是使用timeit模块，用来计算平均时间消耗。

执行下面的脚本可以运行该模块。

这里的timing_functions是Python脚本文件名称。

在输出的末尾，可以看到以下结果：4 loops, best of 5: 2.08 sec per loop

这表示测试了4次，平均每次测试重复5次，最好的测试结果是2.08秒。

如果不指定测试或重复次数，默认值为10次测试，每次重复5次。

3. 使用Unix系统中的time命令

然而，装饰器和timeit都是基于Python的。在外部环境测试Python时，unix time实用工具就非常有用。

运行time实用工具：

输出结果为：

Total time running random_sort: 1.3931210041 seconds

real 1.49

user 1.40

sys 0.08

第一行来自预定义的装饰器，其他三行为：

    real表示的是执行脚本的总时间

    user表示的是执行脚本消耗的CPU时间。

    sys表示的是执行内核函数消耗的时间。

注意：根据维基百科的定义，内核是一个计算机程序，用来管理软件的输入输出，并将其翻译成CPU和其他计算机中的电子设备能够执行的数据处理指令。

因此，Real执行时间和User+Sys执行时间的差就是消耗在输入/输出和系统执行其他任务时消耗的时间。

4. 使用cProfile模块

5. 使用line_profiler模块

6. 使用memory_profiler模块

7. 使用guppy包

现象描述：

1、time.clock 在win系统和linux系统下对相同程序的计时结果不一致

2、到底应该用什么时间计时？为什么用time.time与time.clock计时会有那么大的差异

在计算机领域有多种时间。

第一种称作CPU时间或执行时间，用于测量在执行一个程序时CPU所花费的时间。第二种称作挂钟时间，测量执行一个程序时的总时间。挂钟时间也被称作流逝时间或运行时间。与CPU时间相比，挂钟时间通常长些，因为CPU执行测量的程序可能同时还在执行其它程序的指令。

另一个重要概念是所谓的系统时间，由系统时钟测量。系统时间表示计算机系统时间传递的概念。要记住系统时钟是可以由 *** 作系统修改的，就是修改系统时间。

在Unix系统上，time.time的作用与Windows相同，但time.clock的意义不同。

在Unix系统上，time.clock以秒为单位返回当前处理器时间，例如，执行当前线程所花费的CPU时间。而在Windows上，它是以秒为单位的返回自首次调用该函数以来所流逝的系统时间。

以我遇到的Ubuntu系统上运行time.time和time.clock的例子：

time.time()显示系统时间过去大概1秒，而time.clock()显示花费在当前进程上的CPU时间只有于1毫秒。

而win下time.time()和time.clock()显示系统时间都是大致过去了1秒

在测量程序准确性能时应该使用哪一个呢？

这要视情况而定。如果程序运行的系统能够提供足够的资源给程序，例如，一个运行基于Python的web应用程序的web服务器，则使用time.clock()来测量程序会更有意义，因这个web应用程序可能是服务器上的主要程序 。如果程序运行的系统上还同时运行着其它大量程序，则使用time.time()进行测量会更有意义。 如果不是这样，就应该使用基于挂钟的计时器来测量程序的性能，因为这样通常能反应程序的环境。

放结论，一般情况下：

1、win用time.clock或time.time

2、linux 下用time.time  或 datetime.datetime.now().timestamp()

【1】（重要）https://blog.csdn.net/ao985438294363006/article/details/101349790    Python测量时间，用time.time还是time.clock 

---