首先說一下我遇到的坑，生產上遇到的問題，我調度Python腳本執行并監控這個進程，python腳本運行時間遠遠大于python腳本中自己統計的程序執行時間。
監控python腳本執行的時間是36個小時，而python腳本中統計自己執行的時間是4個小時左右。
問題暴漏之后首先想到的是Linux出了問題，查找各種日志未發現有何異常。
然后是想到python中用到的py2neo的寫數據異步，阻塞進程執行。
最后，終于找到問題的所在：python腳本使用統計時間的方式是time.clock()，而這種方式統計的是CPU的執行時間，不是程序的執行時間。
接下來，就幾種python的統計時間方式對比一下：
方法1：
|
1
2
3
4
5
6
|
import datetimestarttime = datetime.datetime.now()#long running#do something otherendtime = datetime.datetime.now()print (endtime - starttime).seconds |
datetime.datetime.now()獲取的是當前日期，在程序執行結束之后，這個方式獲得的時間值為程序執行的時間。
方法2：
|
1
2
3
4
5
|
start = time.time()#long running#do something otherend = time.time()print end-start |
time.time()獲取自紀元以來的當前時間（以秒為單位）。如果系統時鐘提供它們，則可能存在秒的分數。所以這個地方返回的是一個浮點型類型。這里獲取的也是程序的執行時間。
方法3：
|
1
2
3
4
5
|
start = time.clock()#long running#do something otherend = time.clock()print end-start |
time.clock()返回程序開始或第一次被調用clock（）以來的CPU時間。 這具有與系統記錄一樣多的精度。返回的也是一個浮點類型。這里獲得的是CPU的執行時間。
注：程序執行時間=cpu時間 + io時間 + 休眠或者等待時間
感謝閱讀，希望能幫助到大家，謝謝大家對本站的支持！
原文鏈接：http://blog.csdn.net/wangshuang1631/article/details/54286551
