程序阻塞和性能测量

35程序阻塞和性能测量《Python开发技术应用》要统计一个程序或程序中的一个片段的运行时间，可以在其执行的前后各调用一次time.time()函数，记录下当时的时间，然后相减，就能求出它运行的时间。importtimestart=time.time()#记录开始时间primes=[]n=int(input('输入N：'))foriinrange(1,n+1,2):forjinrange(3,int(i**0.5)+1,2):ifi%j==0:breakelse:

primes.append(i)print(f'总共找到了{len(primes)}个素数:',primes)end=time.time()#记录结束时间print(f'总共耗时{end-start}秒！')1675436744.018775(2023-02-0323:05:44)1675436752.580325(2023-02-0323:05:52)1675436752.580325-1675436744.018775=8.561540运行时间测量的基本方法time.time()实际是获取当前的系统时间，一般来自于实时时钟，如果统计期间系统时间变了（比如人为设置或NTP自动同步）结果也会受影响，所以要得到更客观的时间间隔，应该使用time.perf_counter()函数。time.perf_counter()函数以CPU的时钟周期为参照系，不受系统时间影响，首次调用时，perf_counter()函数会随机找一个时间点作为基准值，然后返回基准值和当前时间点的差值；若再次调用perf_counter()函数，会重复使用同一个基准值，获得新的时间差值。同一个基准值得到的两个时间差值相减，就是程序运行的时长。用CPU时间进行测量用time.perf_counter()函数只能得到程序执行的时间跨度，可理解为工期。现代操作系统都是多用户、多任务，系统内核会对多个程序进行调度，为它们合理分配CPU时间。因此，执行的工期和实际消耗的CPU时间往往有偏差。如果关心实际消耗的CPU时间，可以使用下面两个函数：cess_time()-基于进程为单位的CPU时钟参考值time.thread_time()-基于线程为单位的CPU时钟参考值线程是比进程更小的执行单元，得到的结果可能更精确。因为进程的创建、维护本身还会消耗CPU时间。基于进程和基于线程的时间参考值os.sleep(second:float)函数的作用是让当前的Python程序阻塞指定的时间，单位是秒。下面用perf_counter()和thread_time()函数对比在阻塞一定时间的情况下的差异。importtimestart=time.perf_counter()primes=[]n=100time.sleep(3)#暂停3秒foriinrange(1,n+1,2):forjinrange(3,int(i**0.5)+1,2):ifi%j==0:breakelse:

primes.append(i)print(f'总共找到了{len(primes)}个素数。')end=time.perf_counter()print(f'总共耗时{end-start}秒！')importtimestart=time.thread_time()primes=[]n=100time.sleep(3)#暂停3秒foriinrange(1,n+1,2):forjinrange(3,int(i**0.5)+1,2):ifi%j==0:breakelse:

primes.append(i)print(f'总共找到了{len(primes)}个素数。')end=time.thread_time()print(f'总共耗时{end-start}秒！')执行结果：总共找到了25个素数。总共耗时3.0146766000252683秒！执行结果：总共找到了25个素数。总共耗时0.0秒！基于进程和基于线程的时间参考值【习题】：对于求N以内所