Python 为什么禁用标准日志记录模块时速度如此之慢？

我做了这个基准测试：

导入日志
导入副本
输入pstats
导入cProfile
从io导入StringIO
def差异（第一个统计数据、第二个统计数据）：
first_stats=copy.deepcopy（first_stats）
第一个\u stats.total\u调用-=第二个\u stats.total\u调用
第一次_stats.prim_调用-=第二次_stats.prim_调用
第一个统计数据.total\u tt-=第二个统计数据.total\u tt
first_set=set（first_stats.stats.keys（））
second_set=set（second_stats.stats.keys（））
交叉点=第一个集合。交叉点（第二个集合）
对于交叉点中的func：
first_source=first_stats.stats[func]
second_source=second_stats.stats[func]
第一个呼叫中心、第一个呼叫中心、第一个呼叫中心、第一个呼叫中心，呼叫者=第一个呼叫源
第二个呼叫中心，第二个呼叫中心，第二个呼叫中心，第二个呼叫中心，呼叫者=第二个呼叫源
first_stats.stats[func]=（第一次抄送第二次抄送，第一次抄送第二次抄送，第一次抄送第二次抄送，第一次抄送第二次抄送，第一次抄送第二次抄送，呼叫者）
对于func，第二个_stats.stats.items（）中的源：
如果func不在first_stats.stats中：
func=列表（func）
func[0]='*'+func[0]
func=元组（func）
first_stats.stats[func]=源
返回第一个属性
def打印差异（统计数据）：
输出\u流=StringIO（）
stats.stream=输出流
stats.sort_stats（“时间”）
stats.print_stats（）
返回输出\u stream.getvalue（）
def平均值（统计数据、平均计数）：
stats.total_calls/=平均_计数
stats.prim_调用/=平均_计数
stats.total_tt/=平均计数
对于func，源位于stats.stats.items（）中：
cc、nc、tt、ct、呼叫者=源
stats.stats[func]=（cc/average\u计数、nc/average\u计数、tt/average\u计数、ct/average\u计数、呼叫者）
返回数据
def profile_something（profile_函数、平均计数、迭代计数）：
输出\u流=StringIO（）
探查器状态=pstats.Stats（流=输出流）
对于范围内的索引（平均计数）：
profiler=cProfile.Profile（）
profiler.enable（）
配置文件\函数（迭代次数\计数）
profiler.disable（）
探查器_status.add（探查器）
打印（'Profiled'，'{0:7.3f}'。格式（profiler_status.total_tt），'seconds at'，'%3d'（索引+1），
'for'，profile\函数。\名称\刷新=真）
平均值（探查器状态、平均计数）
探查器\u status.sort\u stats（“时间”）
探查器_status.print_stats（）
返回“\n%s的配置文件结果”%（配置文件\u函数。\u名称\u，输出\u流.getvalue（）），配置文件\u状态
def run_评测（第一个_函数、第二个_函数、平均_计数、迭代次数_计数）：
第一个函数结果，第一个函数统计=profile某物（第一个函数，平均数，迭代数）
第二个函数结果，第二个函数统计=profile某物（第二个函数，平均数，迭代数）
总差异=打印差异（差异（第一个功能统计、第二个功能统计））
时间差=第一个函数统计值总值-第二个函数统计值总值
输出=2500
输出\u流=StringIO（）
打印（第一个函数\u结果[0:输出]，文件=输出\u流）
打印（'\n'，第二个函数\u结果[0:输出]，文件=输出\u流）
打印（'\n\n总差异\n'，总差异[0:输出]，文件=输出流）
返回（（时间差、第一个函数统计、总计、第二个函数统计、总计、，
第一个函数。第二个函数。第二个函数。格式（迭代次数，，，d'），
输出\u stream.getvalue（））
def get_logging_debug（）：
logging.Logger.manager.loggerDict.clear（）
log=logging.getLogger（“基准”）
如果不是log.hasHandlers（）：
date_format=“%H:%M:%S”
string_format=“%（asctime）s:%（毫秒）010.6f-%（name）s.%（funcName）s:%（行号）d-%（消息）s”
stream=logging.StreamHandler（）
格式化程序=logging.formatter（字符串格式、日期格式）
stream.setFormatter（格式化程序）
log.addHandler（流）
返回日志
def日志记录\修改\日志\调试\关闭（迭代次数\计数）：
log=get_logging_debug（）
log.setLevel（“警告”）
对于范围内的索引（迭代次数计数）：
log.debug（'Message'）
def标准日志\u快速调试\u关闭（迭代次数\u计数）：
类名称（对象）：
def_uuuinit_uuu（self，is_debug）：
self.is_debug=is_debug
调试器=类名（False）
对于范围内的索引（迭代次数计数）：
如果debugger.u为调试：
打印（‘消息’）
结果=[]
追加（运行评测（standardlog\u fastdebug\u off，logging\u mod\u log\u debug\u off，1100000））
打印（'\n\n结果详细信息：'）
对于索引，结果为enumerate（结果，开始=1）：
打印（“\n%2d.%s\n”%（索引，结果[1]））
打印（'结果恢复：'）
对于索引，结果为enumerate（结果，开始=1）：
打印（“%2d.%10.5f%10.5f%10.5f%s-%s=%s迭代次数“（（索引，）+结果[0]））

这将在我的计算机上产生以下结果：

$ python3.7.3 benchmark_tests.py
Profiled   0.910 seconds at   1 for standardlog_fastdebug_off
Profiled  10.450 seconds at   1 for logging_mod_log_debug_off


Results details:

 1.
 Profile results for standardlog_fastdebug_off
         5.0 function calls in 0.910 seconds

   Ordered by: internal time

      ncalls     tottime     percall     cumtime     percall filename:lineno(function)
         1.0       0.910       0.910       0.910       0.910 benchmark_tests.py:150(standardlog_fastdebug_off)
         1.0       0.000       0.000       0.000       0.000 {built-in method builtins.__build_class__}
         1.0       0.000       0.000       0.000       0.000 benchmark_tests.py:152(ClassName)
         1.0       0.000       0.000       0.000       0.000 benchmark_tests.py:154(__init__)
         1.0       0.000       0.000       0.000       0.000 {method 'disable' of '_lsprof.Profiler' objects}





 Profile results for logging_mod_log_debug_off
         20,000,058.0 function calls in 10.450 seconds

   Ordered by: internal time

      ncalls     tottime     percall     cumtime     percall filename:lineno(function)
         1.0       4.157       4.157      10.450      10.450 benchmark_tests.py:143(logging_mod_log_debug_off)
10,000,000.0       3.968       0.000       6.293       0.000 F:\Python\lib\logging\__init__.py:1362(debug)
10,000,000.0       2.325       0.000       2.325       0.000 F:\Python\lib\logging\__init__.py:1620(isEnabledFor)
         1.0       0.000       0.000       0.000       0.000 benchmark_tests.py:129(get_loggging_debug)
         1.0       0.000       0.000       0.000       0.000 F:\Python\lib\logging\__init__.py:1222(getLogger)
         1.0       0.000       0.000       0.000       0.000 F:\Python\lib\logging\__init__.py:1342(__init__)
         1.0       0.000       0.000       0.000       0.000 F:\Python\lib\logging\__init__.py:1310(_clear_cache)
         1.0       0.000       0.000       0.000       0.000 F:\Python\lib\threading.py:75(RLock)
         5.0       0.000       0.000       0.000       0.000 F:\Python\lib\logging\__init__.py:212(_acquireLock)
         3.0       0.000       0.000       0.000       0.000 {method 'clear' of 'dict' objects}
         1.0       0.000       0.000       0.000       0.000 F:\Python\lib\logging\__init__.py:794(_addHandlerRef)
         1.0       0.000       0.000       0.000       0.000 F:\Python\lib\logging\__init__.py:813(__init__)
         5.0       0.000       0.000       0.000       0.000 F:\Python\lib\logging\__init__.py:221(_releaseLock)
         1.0       0.000       0.000       0.000       0.000 F:\Python\lib\logging\__init__.py:1355(setLevel)
         1.0       0.000       0.000       0.000       0.000 F:\Python\lib\logging\__init__.py:513(__init__)
         3.0       0.000       0.000       0.000       0.000 F:\Python\lib\logging\__init__.py:187(_checkLevel)
         1.0       0.000       0.000       0.000       0.000 F:\Python\lib\logging\__init__.py:842(createLock)
         1.0       0.000       0.000       0.000       0.000 F:\Python\lib\logging\__init__.py:1273(_fixupParents)
         5.0       0.000       0.000       0.000       0.000 {method 'acquire' of '_thread.RLock' objects}
         2.0       0.000       0.000       0.000       0.000 F:\Python\lib\logging\__init__.py:727(__init__)
         1.0       0.000       0.000       0.000       0.000 F:\Python\lib\logging\__init__


Total difference
          -20,000,053.0 function calls in -9.540 seconds

   Ordered by: internal time

      ncalls     tottime     percall     cumtime     percall filename:lineno(function)
         1.0       4.157       4.157      10.450      10.450 * benchmark_tests.py:143(logging_mod_log_debug_off)
10,000,000.0       3.968       0.000       6.293       0.000 * F:\Python\lib\logging\__init__.py:1362(debug)
10,000,000.0       2.325       0.000       2.325       0.000 * F:\Python\lib\logging\__init__.py:1620(isEnabledFor)
         1.0       0.910       0.910       0.910       0.910 benchmark_tests.py:150(standardlog_fastdebug_off)
         1.0       0.000       0.000       0.000       0.000 * benchmark_tests.py:129(get_loggging_debug)
         1.0       0.000       0.000       0.000       0.000 {built-in method builtins.__build_class__}
         1.0       0.000       0.000       0.000       0.000 * F:\Python\lib\logging\__init__.py:1222(getLogger)
         1.0       0.000       0.000       0.000       0.000 * F:\Python\lib\logging\__init__.py:1342(__init__)
         1.0       0.000       0.000       0.000       0.000 * F:\Python\lib\logging\__init__.py:1310(_clear_cache)
         1.0       0.000       0.000       0.000       0.000 * F:\Python\lib\threading.py:75(RLock)
         5.0       0.000       0.000       0.000       0.000 * F:\Python\lib\logging\__init__.py:212(_acquireLock)
         3.0       0.000       0.000       0.000       0.000 * ~:0(<method 'clear' of 'dict' objects>)
         1.0       0.000       0.000       0.000       0.000 * F:\Python\lib\logging\__init__.py:794(_addHandlerRef)
         1.0       0.000       0.000       0.000       0.000 * F:\Python\lib\logging\__init__.py:813(__init__)
         5.0       0.000       0.000       0.000       0.000 * F:\Python\lib\logging\__init__.py:221(_releaseLock)
         1.0       0.000       0.000       0.000       0.000 * F:\Python\lib\logging\__init__.py:1355(setLevel)
         1.0       0.000       0.000       0.000       0.000 * F:\Python\lib\logging\__init__.py:513(__init__)
         3.0       0.000       0.000       0.000       0.000 * F:\Python\lib\logging\__init__.py:187(_checkLevel)
         1.0       0.000       0.000       0.000       0.000 * F:\Python\lib\logging\__init__.py:842(createLock)
         1.0       0.000       0.000       0.000       0.000 * F:\Python\lib\logging\__init__.py:1273(_fixupParents)
         5.0       0.000       0.000       0.000       0.000 * ~:0(<method 'acquire' of '_thread.R


Results resume:
 1.   -9.53998    0.91016   10.45015  standardlog_fastdebug_off - logging_mod_log_debug_off  = 10,000,000 iterations

$python3.7.3 benchmark\u tests.py
为standardlog_fastdebug_off在1时设定了0.910秒
在1时配置了10.450秒，用于记录\u mod\u log\u debug\u off
结果详情：
1.
standardlog_fastdebug_关闭的配置文件结果
0.910秒内完成5.0次函数调用
订购人：内部时间
ncalls tottime percall cumtime percall文件名：lineno（函数）
1.0 0.910 0.910 0.910 0.910 0.910基准测试。py:150（标准日志快速调试关闭）
1.0 0.000 0.000 0.000 0.000{内置方法内置。\uuuuu build\u class\uuuu}
1.0 0.000 0.000 0.000 0.000基准测试。py:152（类名）
1.0 0.000 0.000 0.000 0.000 0.000基准测试。py:154（初始）
1.0 0.000 0.000 0.000 0.000{方法'disable'of''lsprof.Profiler'objects}
日志记录的配置文件结果\u mod\u log\u debug\u off
20,000,058.0
class A:
    def __init__(self):
        self.a = False
        self.a_b = B()

class B:
    def __init__(self):
        self.b = False
        self.b_c = C()

class C:
    def __init__(self):
        self.c = False

import time
N = 10_000_000
a = A()

def f_0(N):
    start = time.time()
    for dummy in range(N):
        if False:
            print(111)  # never printed
    stop = time.time()
    return stop - start

def f_1(N):
    start = time.time()
    for dummy in range(N):
        if a.a:
            print(111)
    stop = time.time()
    return stop - start

def f_2(N):
    start = time.time()
    for dummy in range(N):
        if a.a_b.b:
            print(111)
    stop = time.time()
    return stop - start

def f_3(N):
    start = time.time()
    for dummy in range(N):
        if a.a_b.b_c.c:
            print(111)
    stop = time.time()
    return stop - start

result = {'x': list(), 'y': list()}
for run in range(10):
    for x, f in enumerate([f_0, f_1, f_2, f_3]):
        result['x'].append(str(x))
        result['y'].append(f(N))
    print(run)

import matplotlib.pyplot as plt
plt.figure()
plt.plot(result['x'], result['y'], '.')
plt.xlabel('argument access chain length')
plt.ylabel('time, seconds')
plt.show()

import logging
import argparse
import time
import sys


log = logging.getLogger("blep")


def prepare_off():
    pass


def prepare_on():
    logging.basicConfig(level=logging.DEBUG, stream=sys.stdout)


def step(x):
    log.info("now running step %s", x)


def main():
    ap = argparse.ArgumentParser()
    ap.add_argument("-n", type=int, default=500_000)
    ap.add_argument(
        "--mode", required=True, choices=("off", "on")
    )
    args = ap.parse_args()

    prepare = globals()[f"prepare_{args.mode}"]

    prepare()
    t0 = time.perf_counter_ns()
    for x in range(args.n):
        step(x)
    t1 = time.perf_counter_ns()
    print(
        vars(args),
        (t1 - t0) / args.n,
        "ns/iter",
        file=sys.stderr,
    )


if __name__ == "__main__":
    main()

$ time python3 so54470102.py --mode off >/dev/null
{'n': 500000, 'mode': 'off'} 541.53571 ns/iter
        0.32 real         0.30 user         0.01 sys
$ time python3 so54470102.py --mode on >/dev/null
{'n': 500000, 'mode': 'on'} 26932.005352 ns/iter
       13.52 real        13.01 user         0.47 sys

$ time python3 -m cProfile -o /dev/null so54470102.py --mode on >/dev/null
{'n': 500000, 'mode': 'on'} 45733.711544 ns/iter
       22.93 real        22.23 user         0.57 sys
$ time python3 -m cProfile -o /dev/null so54470102.py --mode off >/dev/null
{'n': 500000, 'mode': 'off'} 962.122468 ns/iter
        0.54 real         0.52 user         0.01 sys