如何在C++中测量代码执行时间_C++代码性能计时方法

使用std::chrono库中的steady_clock可高精度测量代码执行时间，通过记录开始和结束时间点并计算差值，结合多次测量取平均值可提高准确性。

在C++中测量代码执行时间，最直接且常用的方法是利用标准库提供的计时工具，例如

在C++中，测量代码执行时间最可靠且现代的方式是使用C++11及更高版本引入的

基本的工作流程是这样的：

1. 获取开始时间点： 在你想要测量的那段代码执行之前，记录一个当前时间点。
2. 执行代码： 运行你的目标代码。
3. 获取结束时间点： 在目标代码执行完毕后，再记录一个当前时间点。
4. 计算时间差： 用结束时间点减去开始时间点，得到一个时间间隔（duration）。
5. 转换和输出： 将这个时间间隔转换为你需要的单位，比如毫秒、微秒或纳秒，然后打印出来。

一个常见的实践是使用

std::chrono::high_resolution_clock

high_resolution_clock

system_clock

steady_clock

steady_clock

立即学习“C++免费学习笔记（深入）”；

下面是一个使用

std::chrono::steady_clock

飞书多维表格

表格形态的AI工作流搭建工具，支持批量化的AI创作与分析任务，接入DeepSeek R1满血版

下载

#include 
#include  // 引入chrono库
#include  // 为了演示，引入thread库

void expensive_operation() {
    // 模拟一个耗时操作
    std::this_thread::sleep_for(std::chrono::milliseconds(150));
    // 实际的代码逻辑...
}

int main() {
    // 1. 获取开始时间点
    auto start = std::chrono::steady_clock::now();

    // 2. 执行你的目标代码
    expensive_operation(); // 调用需要计时的函数

    // 3. 获取结束时间点
    auto end = std::chrono::steady_clock::now();

    // 4. 计算时间差
    // std::chrono::duration_cast 可以将时间间隔转换为指定单位
    auto duration = std::chrono::duration_cast(end - start);

    // 5. 输出结果
    std::cout << "代码执行时间: " << duration.count() << " 毫秒" << std::endl;

    // 也可以转换为微秒或纳秒
    auto duration_us = std::chrono::duration_cast(end - start);
    std::cout << "代码执行时间: " << duration_us.count() << " 微秒" << std::endl;

    return 0;
}

这里我刻意用了

steady_clock

system_clock

std::chrono

库在性能分析中的优势与常见陷阱

std::chrono

time.h

ctime

• 精度高：

  chrono

  能够提供纳秒级别的精度（取决于底层系统实现），这对于测量微秒甚至纳秒级的代码段执行时间至关重要。传统的

  clock()

  函数精度往往只能到毫秒甚至更低，而且其返回的通常是CPU时间，而非墙钟时间，这在某些场景下会造成误解。
• 类型安全：

  chrono

  中的时间点（

  time_point

  ）和时间间隔（

  duration

  ）都是强类型的。你不能直接把一个毫秒数加到一个秒数上，除非你明确地进行了类型转换。这种设计避免了单位混淆带来的潜在错误，比如把毫秒当成秒来计算。
• 易用性： 虽然初看可能觉得语法略显复杂，但一旦理解了

  time_point

  和

  duration

  的概念，它的使用模式其实非常直观：记录开始，记录结束，相减，转换。
• 跨平台： 作为C++标准库的一部分，

  chrono

  在所有支持C++11及更高版本的平台上都能使用，保证了代码的可移植性。

然而，在使用

chrono

• 时钟选择： 我前面提到了

  steady_clock

  和

  high_resolution_clock

  。虽然

  high_resolution_clock

  听起来很诱人，但它并不总是

  steady_clock

  。如果你的系统时间可能被调整（比如通过NTP同步），那么

  system_clock

  和作为其别名的

  high_resolution_clock

  就可能导致你的计时结果不准确，甚至出现负值（如果系统时间被调回了）。所以，对于测量代码执行时间，

  steady_clock

  几乎总是更安全、更可靠的选择。
• 编译优化： 编译器非常聪明，有时它会“优化掉”那些看起来没有副作用的代码。如果你只是为了计时而调用一个函数，但这个函数的返回值或副作用在后续代码中没有被使用，编译器可能会直接不执行它。为了避免这种情况，你可以确保被计时代码的输出被使用，或者使用

  volatile

  关键字（虽然这通常不推荐，因为它会限制优化），或者更常见的是，在性能测试中，确保你的测试代码是真实场景的模拟。
• 测量开销： 计时操作本身也是有开销的，尽管对于现代CPU来说，这个开销通常非常小，可以忽略不计。但在测量极短（纳秒级）的代码段时，计时器的开销可能会变得相对显著，甚至影响结果。对于这种极端情况，可能需要更专业的硬件级性能计数器或者多次测量取平均值来抵消。
• 单次测量的局限性： 单次测量结果往往不能代表代码的真实性能。CPU缓存、分支预测、操作系统调度、其他进程的干扰等因素都会影响单次执行的时间。因此，进行多次测量，并计算平均值、中位数或分析分布，是更科学的做法。

如何通过多次测量和平均值提高计时准确性

正如我刚才提到的，单次测量在性能分析中往往不够可靠。为了获得更准确、更具代表性的代码执行时间，我们通常会采取多次测量并计算统计值的方法。这不仅能减少随机噪声的影响，还能揭示代码在不同运行条件下的性能波动。

这里有一个基本的实现思路：

#include 
#include 
#include  // 用于std::accumulate
#include  // 用于std::sort
#include 
#include 

void complex_calculation() {
    // 模拟一个稍微复杂一点的计算
    volatile long long sum = 0; // 使用volatile防止编译器过度优化
    for (int i = 0; i < 100000; ++i) {
        sum += i * i;
    }
    // 确保sum被使用，否则编译器可能优化掉循环
    // std::cout << "Sum: " << sum << std::endl;