本文对比了Python中datetime、Arrow、Pendulum、Delorean和udatetime等时间库的性能，通过四个典型指标：时间字符串解析、序列化、UTC和本地时间实例化。结果显示，udatetime在性能上显著优于其他库，尤其是在PyPy环境中。对于需要频繁解析时间字符串的场景，udatetime的速度比datetime快4倍，而Arrow、Pendulum和Delorean则分别慢16倍、19倍和20倍。选择时间库时，应考虑其对程序性能的影响。
Python datetime库的主要替代者都有着相似的目标，易用／简单／用户友好．这些目标很赞，我很喜欢这些替代库，所以我投入了大量的精力去研究它们．这里我想研究的是，使用这些替代库会对程序的性能产生什么样的影响？
为什么要担心时间库的性能？因为时间库的使用无处不在．大量使用时间库的Web服务／数据库／数据处理程序，都对性能的要求十分苛刻．想想如果你正在为提高每秒请求数而发愁，而这时引进了一个库让性能下降了一半，我相信你一定会考虑换一个替代品的．
那些抱着＂如果要效率，那你为什么用Python？＂这样想法的人，一定没有听说过PyPy，不知道当今的Python程序的效率已经被优化到了何种程度．
我设置了一个标准来比对Python是时间库的替代品，datetime, Arrow, Pendulum, Delorean 和 udatetime．我选择了４个典型的性能指标来测量这些库的效率．解析一个时间字符串
序列化一个时间字符串
在UTC时间下实例化当前时间的对象
在本地时间下实例化当前时间的对象
在UTC时间下从时间戳计算一个时间的对象
在本地时间下从时间戳计算一个时间的对象
坦率地说，udatetime这个库的主要目的就是优化性能．这里把它拉进来做对比，是为了展示性能优化可以做到什么程度．
这个性能测试的执行环境是Python2.7, PyPy和Python3.5．测试代码每轮会被运行一百万次，结果取３轮的最小值．
最低0.47元/天 解锁文章
302
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
