性能分析器本质是接收函数并返回带计时能力新函数的高阶函数，使用time.perf_counter()精准计时，保持原函数签名不变，支持各类可调用对象及边界情况，并可扩展为返回耗时元组。

直接用高阶函数写一个性能分析器，本质就是写一个接收函数、返回新函数的包装逻辑。它不依赖任何框架或第三方库，核心在于“把计时行为塞进调用流程”，同时保持原函数签名和行为不变。

用 time.perf_counter() 获取高精度耗时

别用 time.time() —— 它受系统时间跳变影响，也不够准。真正适合性能分析的是 time.perf_counter()：单调递增、纳秒级分辨率、专为测量短间隔设计。

• 调用前执行 start = time.perf_counter()
• 调用后立即执行 elapsed = time.perf_counter() - start
• 对毫秒级以下的函数（比如简单计算、字典查找）也能稳定捕获差异

封装成可复用的高阶函数

这个函数接收目标函数，返回一个带计时能力的新函数。不需要装饰器语法也能用，更贴近“高阶函数”本意：

import time
from functools import wraps
<p>def make_timer(func):
@wraps(func)
def timed_func(*args, *<em>kwargs):
start = time.perf_counter()
result = func(</em>args, **kwargs)
elapsed = time.perf_counter() - start
print(f"[{func.<strong>name</strong>}] 耗时 {elapsed:.6f} 秒")
return result
return timed_func
</p>

使用方式很直白：

• fast_calc = make_timer(lambda x: x ** 2)
• fast_calc(123) → 输出耗时并返回结果
• 也可用于已有函数：process_data = make_timer(process_data)

支持业务函数类型全覆盖

只要函数可调用，就能套进去。包括：

• 普通函数（如数据清洗、字符串处理）
• 类中的实例方法（需先绑定，或改用 method_decorator 变体）
• 带默认参数、*args、**kwargs 的复杂接口
• 返回值为 None、生成器、异常等边界情况，都不影响计时逻辑

轻量扩展：返回耗时而不只是打印

如果业务需要把耗时传给监控系统或做阈值判断，可以微调返回结构：

def make_timer_with_result(func):
    @wraps(func)
    def timed_func(*args, **kwargs):
        start = time.perf_counter()
        result = func(*args, **kwargs)
        elapsed = time.perf_counter() - start
        return result, elapsed  # 返回元组：(结果, 耗时)
    return timed_func
<h1>使用</h1><p>result, cost = make_timer_with_result(some_business_func)(input_data)
if cost > 0.5:
alert_slow_execution()
</p>