大数据文摘编译：jojo、Hope、张秋月、CoolBoyPython语言近几年人气爆棚。它广泛用于WebDevOps、数据科学、Web开发和Web安全问题。但是，Python在速度上完全没有优势。就速度而言，Java与C、C++、C#或Python相比如何？答案几乎完全取决于正在运行的应用程序。没有完美的方法来判断这个问题，但是计算机语言基准游戏是一个很好的方法。链接：http://benchmarksgame.alioth.debian.org根据我十多年来对计算机语言基准游戏的观察，Python是相对于Java、C#、Go、JavaScript、C++、等。其中包括JIT（C#、Java）和AOT（C、C++）编译器，以及JavaScript等解释型语言。动态编译：https://en.wikipedia.org/wiki/Just-in-time_compilation静态编译：https://en.wikipedia.org/wiki/Ahead-of-time_compilation注意：当我提到“Python”时，我我指的是官方解释器CPython。我还将在本文中提及其他解释器。我要回答的问题是：为什么在运行同样的程序时，Python比其他语言慢2到10倍？为什么我们不能让它更快？主要有以下几个原因：“是GIL（GlobalInterpreterLockGlobalInterpreterLock）”“是解释型语言，不是编译型语言”“是动态类型语言”那么上面哪个原因影响最大表现？“它是一个全局解释器锁”现代计算机的CPU通常是多核的，有些有多个处理器。为了利用多余的处理能力，操作系统定义了一个称为线程的低级结构：一个进程（例如Chrome浏览器）可以产生多个线程并指挥内部系统。如果一个进程是CPU密集型进程，它的负载可以同时由多个内核处理，从而有效地提高大多数应用程序的速度。在我撰写本文时，我的Chrome浏览器有44个并发线程。请注意，线程结构和API在基于POSIX的操作系统（例如MacOS和Linux）和Windows操作系统之间是不同的。操作系统还处理线程的调度。如果你以前没有做过多线程编程，你需要快速熟悉一下锁的概念。与单线程进程不同的是，需要保证当修改内存中的一个变量时，多个线程不会同时尝试访问或更改同一个存储地址。当CPython创建一个变量时，它会预先分配存储空间，然后计算对当前变量的引用数。这个概念称为引用计数。如果引用计数为零，则它会从系统中释放相应的存储区域。这就是为什么在CPython中创建“临时”变量不会在应用程序中占用大量存储空间的原因-特别是如果应用程序使用可能会创建大量“临时”变量的for循环等结构。当有多个线程调用变量时，CPython如何锁定引用计数成为一个挑战。“全局解释锁”应运而生，可以细致地控制线程的执行。不管有多少个线程，解释器一次只能执行一个操作。这对Python性能意味着什么？如果你的应用是基于单线程、单解释器的，那么谈速度是没有意义的，因为去掉GIL并不会影响代码的性能。如果你想在单个解释器（Python进程）中使用线程实现并发，而你的线程是IO密集型的（比如网络IO或磁盘IO），你会看到GIL竞争的结果。此图来自DavidBeazley的GILVisualization如果您有一个Web应用程序（例如Django）并使用WSGI，那么对您的Web应用程序的每个请求都将是一个单独的Python解释器，因此每个请求只有一个锁。由于Python解释器启动缓慢，一些WSGI集成了一个“守护进程”来保持Python进程运行。那么其他Python解释器的速度如何呢？PyPy有一个GIL，通常至少比CPython快三倍。Jython没有GIL，因为Python线程在Jython中由Java线程表示，这要归功于JVM内存管理系统。JavaScript是如何做到这一点的？首先，所有的Javascript引擎都采用了mark-and-sweep垃圾回收系统，而前面提到的GIL的基本诉求就是CPython的存储管理算法。JavaScript没有GIL，但因为它是单线程的，所以它也不需要GIL。JavaScript通过事件循环和promise/callback模式在异步编程中实现并发。Python与异步事件循环有类似的过程。“因为它是一种解释性语言”我经常听到这样的话。我认为这只是对CPython实际工作原理的简单解释。如果你在终端输入pythonmyscript.py，CPython将开始一系列读取、词法分析、解析、编译、解释和运行这段代码。这个过程中重要的一步是在编译阶段创建一个.pyc文件，这个字节码序列会被写入到Python3下__pycache__/路径下的一个文件中（对于Python2，文件路径是一样的）。此步骤不仅适用于脚本文件，还适用于所有导入的代码，包括第三方模块。所以大多数时候（除非你编写的代码只运行一次），Python正在解释字节码并在本机执行它。下面我们将Java与C#.NET进行比较：Java被编译成一种“中间语言”，然后Java虚拟机读取字节码并即时编译成机器码。.NET的通用中间语言(CIL)也是一样，它的通用语言运行时(CLR)也是使用即时编译翻译成机器码的。那么，如果Python使用与Java和C#相同的虚拟机和某种字节码，为什么它在基准测试中要慢得多？首先，.NET和Java是JIT编译的。JIT，也称为即时编译，需要一种中间语言将代码分成块（或数据帧）。预编译器（AOT，AheadofTime）的设计保证了CPU在交互之前能够理解每一行代码。JIT本身不会使执行速度更快，因为它仍然执行相同的字节码序列。但是，JIT允许在运行时进行优化。一个好的JIT优化器可以检测出哪些部分执行得比较频繁，这些部分被称为“热点”。然后它将用更高效的代码替换它们，完成优化。这意味着当计算机应用程序需要重复做一件事时，它会更快。另外，我们要知道Java和C#都是强类型语言（需要预定义变量），所以优化器可以对代码做更多的假设。PyPy使用即时编译器，如前所述，它比CPython更快。这篇关于基准测试的文章更详细——什么版本的Python最快？链接：https://hackernoon.com/which-is-the-fastest-version-of-python-2ae7c61a6b2b那么，为什么CPython不使用即时编译器呢？JIT有一些缺点：其中之一是启动时间。CPython启动时间已经比较慢，PyPy比CPython慢2-3倍。众所周知，Java虚拟机的启动速度是很慢的。为了解决这个问题，.NETCLR在系统启动时开始运行，但是CLR的开发者也开发了专门运行CLR的操作系统来加速。如果您有一个长时间运行的Python进程，其代码可以优化（因为它包含上述“热点”），那么JIT可以提供很大帮助。然而，CPython适用于所有类型的应用程序。所以，如果你用Python开发一个命令行应用程序，你每次调用CLI都必须等待JIT启动，这会很慢。CPython必须尝试尽可能多的不同情况以确保通用性，将JIT插入CPython可能会使项目停滞。如果你想利用JIT的强大功能，而你的工作量又比较大，那就用PyPy。“因为它是动态类型语言”在静态类型语言中，定义变量时必须声明类型。C、C++、Java、C#、Go都是这样的语言。在动态类型语言中，类型的概念依然存在，只是这个变量的类型是动态改变的。a=1a="foo"在上面的例子中，Python在创建第二个变量时使用了相同的名称，但是变量类型是str（字符类型），这样之前在内存中分配给a的空间被处理释放并重新分配。静态类型语言并不是以这种方式设计来打扰每个人的——它们被设计成以CPU的方式运行。如果最后一切都需要变成简单的二进制操作，对象和类型必须转换为低级数据结构。Python自动完成了这个过程，我们看不到，也不需要看到。不必声明类型并不是使Python变慢的原因。Python语言的设计允许我们创建几乎任何动态变量。我们可以在运行时替换对象中的方法，或者我们可以将低级系统调用随机分配给一个值。几乎任何东西都可以修改。正是这种设计使得优化Python异常困难。为了说明我的观点，我将使用MacOS中的一个应用程序。这是一个名为Dtrace的系统调用跟踪工具。CPython发行版没有内置DTrace，因此您必须重新编译CPython。下面的演示中使用了3.6.6版本。wgethttps://github.com/python/cpython/archive/v3.6.6.zipunzipv3.6.6.zipcdv3.6.6./configure--with-dtracemakepython.exe现在将在其代码中使用DTrace跟踪器。PaulRoss就DTrace做了一个很棒的简短演讲。您可以下载Python的DTrace启动文件来测试函数调用、执行时间、CPU时间、系统调用和各种有趣的事情。示例：sudodtrace-stoolkit/
