定时器精度测量需用高精度时钟（如time.perf_counter()或clock_monotonic）记录实际触发时间，与理论时间对比得偏移量；控制变量、连续多次采样、结构化输出统计结果。
定时器精度取决于系统调度、硬件时钟源和代码执行开销，单纯看 sleep 或 setTimer 无法反映真实偏差。要测出延迟偏移，关键不是“让它准时”，而是“记录它实际触发的时间点，并与理论时间对比”。
用高精度时间戳采集实际触发时刻
避免使用 time.time()（精度通常仅毫秒级），改用更精确的时钟源：
- Linux/macOS 推荐 time.clock_gettime(time.CLOCK_MONOTONIC) —— 单调、不受系统时间调整影响、纳秒级分辨率（实际精度取决于内核和硬件）
- Python 3.7+ 可用 time.perf_counter() —— 专为性能测量设计，跨平台、高分辨率、单调递增
- 每次定时任务触发时，立即打一个时间戳，和该次本应触发的理论时间（如 start_time + n × interval）做减法，得到单次偏移量
构造稳定可复现的测试负载
空循环或简单 print 会受 CPU 调度干扰，导致结果抖动大。需控制变量：
- 固定间隔（如 10ms、50ms、100ms），连续运行至少 1000 次以上，减少统计噪声
- 避免在循环中做 I/O、内存分配、日志输出等不确定操作；只做最小动作：打时间戳 + 累加计数
- 绑定 CPU 核心（Linux 下可用 taskset -c 1 python script.py），减少上下文切换干扰
- 关闭非必要后台进程，临时调高进程优先级（如 Linux 的 chrt -f 50）
分离系统延迟与应用延迟
总偏移 = 内核调度延迟 + Python 解释器开销 + 你的回调执行时间。想定位瓶颈：
- 用 timeit 单独测回调函数本身耗时（应远小于定时周期）
- 对比不同机制：threading.Timer、asyncio.sleep、signal.setitimer、/dev/timer（Linux）、或直接调用 clock_nanosleep —— 各自延迟特征不同
- 记录最大偏移、平均偏移、标准差、99% 分位值（比平均值更能反映最差情况）
输出结构化数据便于分析
别只打印“delay: 0.012ms”，保存为 CSV 或 JSON，方便后续绘图或统计：
- 每行含：序号、理论触发时间（绝对时间）、实测触发时间、偏移量（us/ms）、是否超限（如 > interval × 2）
- 运行结束后输出摘要：min/max/avg/stddev，超限次数占比，直方图 bin 分布（例如偏移在 [0,50μs) 占多少）
- 可选：用 matplotlib 快速画偏移趋势图或分布图，一眼识别抖动模式（如周期性尖峰可能指向其他进程抢占）
