Python 在所有系统上的执行时间不一致

Question

让我对 python 发疯的东西……我以前以为是just Windows，但我错了。我可以拥有完全相同的代码并多次运行它，但它的执行时间却大相径庭。以如下测试代码为例：

import math
def fib(count):
    x = 0
    while x < count:
        a = int(((((1 + math.sqrt(5)) / 2) ** x) - (((1 - math.sqrt(5)) / 2) ** (x))) / math.sqrt(5))
        x+=1

if __name__ == '__main__':  
    import timeit

    t = timeit.Timer("fib(1250)", setup="from __main__ import fib",)
    #print t.timeit(10)
    count = 10000
    results = t.repeat(count, 1)
    min = 0xFFFF
    max = 0
    sum = 0
    for i in results:
        i = i*1000.0
        if i < min: min = i
        if i > max: max = i
        sum+=i

    print "Min {:.3f} | Max {:.3f} | Max/Min {:.3f} | Avg {:.3f}".format(min, max, max/min, sum/count)

基本上，它会生成 fibonacii 的前 1250 个元素 10,000 次，并使用 timeit 来获取每次运行所需的时间。然后我合并这些时间并找到最小值、最大值、平均值以及最小值和最大值之间的方差（如果你愿意的话，可以是散布）。

结果如下：

Windows: Min 3.071 | Max 8.903 | Max/Min 2.899 | Avg 3.228
Mac OS:  Min 1.531 | Max 3.167 | Max/Min 2.068 | Avg 1.621
Ubuntu:  Min 1.242 | Max 10.090 | Max/Min 8.123 | Avg 1.349

因此，Linux 是最快的，但也有最大的差异。很多。但是它们都可以有相当大的波动：Mac 只有 200%，但 Windows 为 290%，Linux 为 810%！

实际上执行所需的时间有很大不同吗？是timeit不够准确吗？还有什么我想念的吗？我在生成动画方面做了很多工作，我需要尽可能一致的时间。

Answer 1

你测量的时间很短，然后某处发生的一点点事情都会产生很大的影响。

我在我的机器（OS X、Core i7、Python 2.7）上运行了你的测试脚本并制作了results 的绘图：

您可以看到，大多数情况下计时结果非常一致，但也有一些孤立的算法事件需要更多时间（因为发生了其他事情）。

---

我对你的计时程序做了一个微小的调整：

results=t.repeat(10, 1000)

所以，现在我们正在计时运行 1000 个函数调用。总时间自然是一样的（10000次调用）：

现在您可以看到性能更加可预测。可能你的部分时间不稳定是由于时间方法，而不是由于真正不同的时间来执行任何事情。在现实世界的操作系统环境中，毫秒级的计时是很困难的。即使您的计算机“什么都不做”，它仍然在切换任务、做后台作业等。

---

我知道最初的目的不是计算斐波那契数。但如果是这样，那么选择正确的工具就会有所不同：

import numpy as np

def fib(count):
    x = np.arange(count)
    a = (((1 + np.sqrt(5))/2) ** x - ((1 - np.sqrt(5)) / 2) ** x) / np.sqrt(5)
    a = a.astype('int')

这给出了：

Min 0.120 | Max 0.471 | Max/Min 3.928 | Avg 0.125

十倍速度提升。

---

关于此答案中的图像，它们是用matplotlib 绘制的。第一个是这样完成的：

import matplotlib.pyplot as plt

# create a figure
fig = plt.figure()
# create axes into the figure
ax = fig.add_subplot(111)
# plot the vector results with dots of size 2 (points) and semi-transparent blue color
ax.plot(results, '.', c=(0, 0, 1, .5), markersize=2)

参见matplotlib 的文档。使用IPython 和pylab 最容易上手。

Answer 2

我制作了一个类似于@drV 的情节（给他投票，他是第一个！） - 不同之处在于我对结果进行了排序，以便您可以看到趋势线。提示是，即使最大值很高，平均值也很低，所以最后会有一些异常值。

我使用 pylab 只需将其添加到底部：

from pylab import *
results.sort()
plot(range(len(results)),results)
show()