为什么 Python3.6 显示出比 3.7 更好的结果？

Question

我有以下代码（没用，只用于性能测试）

class A:
    def __init__(self, i):
        self.i = i

start = datetime.now()
foo = {}
for i in range(10000000):
    foo[i] = A(i)

print('\nSpent: [ {} ] seconds!'.format((datetime.now()-start).total_seconds()))

问题是，当我使用 Python3.7 运行它时，我得到以下结果

Spent: [ 7.644764 ] seconds!

但是当我用 Python3.6 运行它时

Spent: [ 6.521555 ] seconds!

所以问题是，我是否误解了某些东西，或者旧的 python 更快，我应该使用旧的？

UPD：根据 cmets 的建议，我使用了 timeit 模块，这里是结果

python3.7 -m timeit '"-".join(str(n) for n in range(2000000))'
1 loop, best of 5: 499 msec per loop

python3.6 -m timeit '"-".join(str(n) for n in range(2000000))'
10 loops, best of 3: 405 msec per loop

timeit 的结果对于 3.7 来说仍然很糟糕，真的比 3.6 慢吗？

Answer 1

你的计时方法有缺陷。在 6-7 秒内，现代操作系统不会让 Python 独占访问 CPU，其他事情也在发生，因为操作系统在进程之间切换、为正在写入的文件刷新磁盘缓冲区、执行预定的网络事件等。

您还会生成相当多的对象，这些对象都加载到内存中，因此 Python 必须向操作系统询问要分配的额外内存页面。这取决于您的计算机当时正在执行的其他内容，可以提供多快的内存。看来您第二次运行 Python 3.6，因此很容易释放并重新分配给 Python 3.7 运行的内存仍可用于 3.6 运行，并且最近释放的内存更容易为操作系统重新分配。

接下来，您使用了一个相当不精确的挂钟计时器来计时您的表演。 datetime.now() 适合想知道当前时间的人，但不适合测量性能。对于后一项任务，Python 可以使用更好、更专业的时钟。 Python 本身也有一个称为 garbage collector 的后台进程，它也需要一些时间来完成它的工作，这会影响 Python 执行你给它的任务的方式。

相反，您需要将 Python 必须在此处解决的不同问题分离到单独的测试中。在受控情况下运行这些单独的测试，使用准确的时钟，并尽可能多地禁用分心。运行这些测试很多次，然后取平均时间（如果你只有一个可用的聚合）或多次重复的最佳时间。

Python为此提供了一个库，名为timeit。使用它仅创建实例，而不是将它们全部存储在字典中。如前所述，内存分配取决于操作系统的时间，而不是 Python 的。确保不断重复您的测试；如果-m timeit 只运行一次测试一次你真的不能相信时间安排，减少在基准测试中完成的工作。

接下来，如果您的目标是在一般性能方面比较 Python 3.6 和 3.7，而不是特定的微基准，那么您需要进行广泛的测试。从 3.x 到 3.x+1 版本，东西一直在变化。不要基于单个字符串连接或实例创建测试。并且知道 Python 开发人员将已经完成了所有这些工作。请参阅https://speed.python.org/ 了解核心团队用来监控性能的全套基准和计时，或参阅PyPerformance suite 了解另一个此类基准。