背景
平常做测试的时候，经常需要测试脚本运行的时间，常规的做法，就是在开关和结尾都打上一个时间点，最后计算出来。但这种作法，都的很low，其实有理好的方式。
性能测试
timeit是Python标准库中的一个模块，用于衡量Python代码的执行时间。它可以用来测试代码的性能，帮助开发者找到程序中的瓶颈，优化代码，提高程序的运行速度。
timeit模块提供了一些函数，最常用的是timeit()函数，它可以在多次运行代码后返回平均运行时间。这个函数可以接受多个参数，其中最重要的是要测试的代码和运行的次数。
下面是一个简单的示例，展示如何使用timeit来测试一个简单的for循环：
代码语言：javascript复制import timeit
# 定义要测试的函数
def test():
return [x**2 for x in range(1000)]
# 使用timeit计时函数执行时间，循环1000次
execution_time = timeit.timeit(test, number=1000)
print(f"函数执行时间：{execution_time} 秒")在这个例子中，我们首先导入了timeit模块，然后定义了一个名为test()的函数，该函数使用列表推导式返回一个包含前1000个整数的平方的列表。最后，我们使用timeit.timeit()函数测试这个函数的运行时间，并指定要运行的次数为1000次。
最后
尽管timeit是一个强大的代码执行时间测量工具，但它也有一些缺点需要注意：
精度受限：由于计时过程中可能存在其他系统活动和资源竞争，可能导致执行时间的测量结果不够准确。尤其是对于执行时间很短的代码片段，由于时间取样的局限性，可能无法捕捉到微小的差异。因此，在测量较短执行时间的代码时，需要进行多次测量并取平均值以提高精度。
单线程测量：timeit默认在单线程环境下运行，无法直接测量多线程或异步代码的性能。如果要测量多线程或异步程序的执行时间，可能需要使用其他工具或技术进行评估。
不适合复杂场景：timeit主要适用于简单的代码测试和性能优化。对于涉及到大规模数据处理、IO操作或复杂算法的代码，timeit可能无法提供全面的性能分析。针对这些场景，可能需要结合其他性能分析工具和技术进行更深入的分析。
编程环境依赖：timeit模块在不同的编程环境和操作系统上的行为可能有所不同。某些因素，如硬件、操作系统、Python解释器版本等，可能会对计时结果产生影响。因此，在比较不同系统或环境下的性能差异时，需要谨慎处理。
只测量执行时间：timeit只提供了对代码执行时间的测量，无法直接测量其他性能指标，如内存占用、CPU利用率等。如果需要全面评估代码的性能，可能需要结合其他工具和技术进行综合分析。
尽管存在上述缺点，timeit仍然是一个非常有用的工具，可帮助开发人员快速测量代码的执行时间，并找出潜在的性能问题。在使用timeit进行性能分析时，应考虑这些限制，并结合其他工具和方法来获取更准确和全面的性能数据。
