首先说一下我遇到的坑，生产上遇到的问题，我调度Python脚本执行并监控这个进程，python脚本运行时间远远大于python脚本中自己统计的程序执行时间。
监控python脚本执行的时间是36个小时，而python脚本中统计自己执行的时间是4个小时左右。
问题暴漏之后首先想到的是linux出了问题，查找各种日志未发现有何异常。
然后是想到python中用到的py2neo的写数据异步，阻塞进程执行。
最后，终于找到问题的所在：python脚本使用统计时间的方式是time.clock()，而这种方式统计的是CPU的执行时间，不是程序的执行时间。
接下来，就几种python的统计时间方式对比一下：
方法1：
import datetime starttime = datetime.datetime.now() #long running #do something other endtime = datetime.datetime.now() print (endtime - starttime).seconds
datetime.datetime.now()获取的是当前日期，在程序执行结束之后，这个方式获得的时间值为程序执行的时间。
方法2：
start = time.time() #long running #do something other end = time.time() print end-start
time.time()获取自纪元以来的当前时间（以秒为单位）。如果系统时钟提供它们，则可能存在秒的分数。所以这个地方返回的是一个浮点型类型。这里获取的也是程序的执行时间。
方法3：
start = time.clock() #long running #do something other end = time.clock() print end-start
time.clock()返回程序开始或第一次被调用clock（）以来的CPU时间。 这具有与系统记录一样多的精度。返回的也是一个浮点类型。这里获得的是CPU的执行时间。
注：程序执行时间=cpu时间 + io时间 + 休眠或者等待时间
以上就是Python执行时间的几种计算方法的详细内容，更多关于Python执行时间的计算方法的资料请关注脚本之家其它相关文章！
