首先說一下我遇到的坑，生產上遇到的問題，我排程Python指令碼執行並監控這個程序，python指令碼執行時間遠遠大於python指令碼中自己統計的程式執行時間。
監控python指令碼執行的時間是36個小時，而python指令碼中統計自己執行的時間是4個小時左右。
問題暴漏之後首先想到的是linux出了問題，查詢各種日誌未發現有何異常。
然後是想到python中用到的py2neo的寫資料非同步，阻塞程序執行。
最後，終於找到問題的所在：python指令碼使用統計時間的方式是time.clock()，而這種方式統計的是CPU的執行時間，不是程式的執行時間。
接下來，就幾種python的統計時間方式對比一下：

方法1：

import datetime
starttime = datetime.datetime.now()
#long running
#do something other
endtime = datetime.datetime.now()
print (endtime - starttime).seconds

datetime.datetime.now()獲取的是當前日期，在程式執行結束之後，這個方式獲得的時間值為程式執行的時間。

方法2：

start = time.time()
#long running
#do something other
end = time
 
.time()
print end-start

time.time()獲取自紀元以來的當前時間（以秒為單位）。如果系統時鐘提供它們，則可能存在秒的分數。所以這個地方返回的是一個浮點型型別。這裡獲取的也是程式的執行時間。

方法3：

start = time.clock()
#long running
#do something other
end = time.clock()
print end-start

time.clock()返回程式開始或第一次被呼叫clock（）以來的CPU時間。 這具有與系統記錄一樣多的精度。返回的也是一個浮點型別。這裡獲得的是CPU的執行時間。
注：程式執行時間=cpu時間 + io時間 + 休眠或者等待時間