我正在创建一个元胞自动机，并对代码进行性能测试。
我是这样做的：

while True:
    time_1 = perf_counter_ns()
    numpy.fnc1()
    time_2 = perf_counter_ns()
    numpy.fnc2()
    time_3 = perf_counter_ns()
    numpy.fnc3()
    time_4 = perf_counter_ns()
    numpy.fnc4()
    time_5 = perf_counter_ns()
    numpy.fnc5()
    time_6 = perf_counter_ns()
    numpy.fnc6()
    time_7 = perf_counter_ns()

    diff_1 = time_2 - time_1
    diff_2 = time_3 - time_2
    diff_3 = time_4 - time_3
    diff_4 = time_5 - time_4
    diff_5 = time_6 - time_5
    diff_6 = time_7 - time_6

    print(results)

但是，我发现运行时有些不一致。我做了一些更长的测试，大约8个小时。
似乎表演是“跳来跳去”：一个小时它跑得更快，然后更慢，在这一个小时内有更小的部分，当它更快，然后它更慢...
更令人不安的是，慢-快周期的长度随着时间的推移而延长。所以我很确定这不是一个常规的系统过程。
测试在debian 11 AMD Ryzen 5 2600六核处理器上进行
GUI正在运行，但没有浏览器等。我监控了整个处理器的使用情况，大多数核心都没有做任何事情。
请注意，它是一个细胞自动机，它在测试过程中进化，所以输入数据是不一样的，它不断变化。
不过，我不认为，根据数组中的数字，累加数组所需的时间会有什么不同……
此外，如果性能变化是数据驱动的，那么不太可能看到随机数据在整整一分钟内产生大约相同的运行时……

问题：我看到了什么？？？是什么导致的？？？

我的直觉是，也许它与python线程调度有关，但我不知道，如果numpy使用线程，而我的代码中只有1个线程...
平均而言，“较慢”和“较快”状态之间至少有2倍的性能差异，因此使代码保持在“较快”状态将非常有益。
我有两张图片：
其中一幅图像是diff_3的值，一个又一个周期，放大越来越多。
另一个图像是diff_1，diff2，... diff_6，全部在1张图像中。在这个尺度下很难看到细节，但diff_3和diff_5在某种程度上是可以比较的。正如你所看到的，“快”和“慢”的时间段是匹配的，但并不完全匹配。
在图像上有大约650万个周期。