time 모듈 vs datetime: 언제 무엇을 쓸까

지난 글에서 zoneinfo로 타임존을 처리하는 방법을 살펴봤습니다. 이번에는 time 모듈을 정리하고 datetime 모듈과의 역할 차이를 명확히 합니다. 비슷해 보이는 두 모듈은 실제로 전혀 다른 목적을 가집니다.

time 모듈의 역할

time 모듈은 Python을 C 라이브러리의 시간 관련 함수와 연결하는 저수준 인터페이스입니다. 주로 세 가지 용도로 씁니다.

1. Unix 타임스탬프 얻기 — 현재 시각을 정수/실수로
2. 실행 대기 — time.sleep()
3. 코드 성능 측정 — time.perf_counter()

datetime 모듈이 날짜/시간 객체를 다루고 사람이 읽을 수 있는 포맷 변환에 특화되어 있다면, time 모듈은 숫자 기반의 저수준 처리에 초점을 맞춥니다.

time.time() — Unix 타임스탬프

import time

# 현재 시각 (epoch 1970-01-01 00:00:00 UTC로부터 경과 초)
ts = time.time()
print(ts)       # 1747699800.123456  (float)

# 타임스탬프로 datetime 만들기
from datetime import datetime, timezone
dt = datetime.fromtimestamp(ts, tz=timezone.utc)
print(dt)       # 2026-05-20 00:30:00+00:00

time.time()은 시스템 시계에 의존합니다. NTP 보정, 서머타임 전환 등으로 가끔 역방향(감소)할 수 있습니다. 경과 시간을 정확히 측정하려면 perf_counter()를 씁니다.

time.sleep() — 실행 일시 정지

import time

print("시작")
time.sleep(1.5)   # 1.5초 대기 (스레드 차단)
print("1.5초 후")

# sleep은 GIL을 해제 — 다른 스레드가 실행될 수 있음
# 비동기 코드에서는 asyncio.sleep() 사용

time.sleep()은 현재 스레드를 블로킹합니다. async def 함수 내에서는 await asyncio.sleep(n)을 써야 이벤트 루프가 멈추지 않습니다.

time.perf_counter() — 고해상도 성능 측정

import time

start = time.perf_counter()

# 측정할 코드
for i in range(1_000_000):
    pass

elapsed = time.perf_counter() - start
print(f"소요 시간: {elapsed:.6f}초")

perf_counter()는 단조 증가하는 고해상도 클럭입니다. 역방향이 없으므로 실행 시간 측정에 가장 적합합니다. 마이크로초(10^-6초) 이하 정밀도를 제공합니다.

time.time() 대신 perf_counter()를 써야 하는 이유:

• time.time()은 NTP 시간 조정으로 역방향 가능
• perf_counter()는 하드웨어 타이머 기반으로 항상 증가

time.process_time() — CPU 시간

import time

cpu_start = time.process_time()
time.sleep(1)   # 대기 시간은 CPU 시간에 포함 안 됨
cpu_end = time.process_time()

print(f"CPU 시간: {cpu_end - cpu_start:.6f}초")  # 거의 0

process_time()은 프로세스가 실제로 CPU를 사용한 시간만 측정합니다. sleep, I/O 대기 시간은 제외됩니다. 알고리즘 복잡도 분석에 유용합니다.

time.monotonic() — 단조 증가 시계

import time

# monotonic: 역방향 불가, 하지만 perf_counter보다 낮은 해상도
t1 = time.monotonic()
time.sleep(0.5)
t2 = time.monotonic()
print(t2 - t1)   # ≈ 0.5

# 타임아웃 구현에 적합
deadline = time.monotonic() + 10  # 10초 후 만료
while time.monotonic() < deadline:
    if task_done():
        break

monotonic()과 perf_counter()는 둘 다 단조 증가합니다만, perf_counter()가 더 높은 해상도를 제공합니다. 타임아웃 구현에는 두 가지 모두 사용할 수 있습니다.

time.struct_time — 구조화된 시각

import time

# 현재 로컬 시각 구조체
lt = time.localtime()
print(lt.tm_year)   # 2026
print(lt.tm_mon)    # 5
print(lt.tm_mday)   # 20
print(lt.tm_hour)   # 9
print(lt.tm_wday)   # 1 (0=월요일)

# UTC 시각 구조체
gt = time.gmtime()

# struct_time → 문자열
s = time.strftime("%Y-%m-%d %H:%M:%S", lt)

# 문자열 → struct_time
st = time.strptime("2026-05-20", "%Y-%m-%d")

time.struct_time은 datetime 이전에 많이 쓰였습니다. 레거시 코드나 C 라이브러리 인터페이스에서 여전히 나타납니다.

timeit — 코드 스니펫 벤치마크

import timeit

# 문자열 결합 방식 비교
t1 = timeit.timeit(
    '"".join(str(i) for i in range(100))',
    number=10000
)
t2 = timeit.timeit(
    '"".join([str(i) for i in range(100)])',
    number=10000
)
print(f"generator: {t1:.4f}s, list: {t2:.4f}s")

timeit 모듈은 내부적으로 perf_counter()를 사용하여 작은 코드 조각을 반복 실행한 평균 시간을 측정합니다.

언제 무엇을 쓸까

작업	권장 모듈/함수
현재 날짜 구하기	datetime.date.today()
날짜 계산 (7일 후 등)	datetime + timedelta
포맷 변환 (strftime)	datetime.strftime()
현재 Unix 타임스탬프	time.time()
실행 시간 측정	time.perf_counter()
일정 시간 대기	time.sleep()
비동기 대기	asyncio.sleep()
타임아웃 구현	time.monotonic()
CPU 시간 측정	time.process_time()
코드 벤치마크	timeit 모듈

요약하면: 날짜와 시간을 “다루고 표현”해야 한다면 datetime, **측정하거나 대기해야 한다면 time**입니다.

---

지난 글: zoneinfo로 타임존 다루기

읽어주셔서 감사합니다. 😊