Python越來越受歡迎。它被用於DevOps、數據科學、Web開發和安全。
然而，它並沒有贏得任何速度獎牌。
就速度而言，Java與C或c++或c#或Python相比如何?
答案在很大程度上取決於您正在運行的應用程序的類型。沒有一個基準測試是完美的，但是計算機語言基準測試遊戲是一個很好的起點。
十多年來，我一直在參考計算機語言基準測試遊戲;與其他語言如Java、c#、Go、JavaScript、c++相比，Python是最慢的語言之一。這包括JIT (c#， Java)和AOT (C, c++)編譯器，以及解釋語言，如JavaScript。
注:當我說“Python”時，我指的是該語言的參考實現CPython。Python是一門語言，有語法等規範。但是落實到具體實現上，就不一樣了。用C實現的叫CPython，也是目前的參考實現。即最新的語言特性都是在這個上面先實現，Linux，OS X等自帶的也是這個版本。用.NET實現的叫IronPython，Java的叫Jython，用Python實現的叫PyPy
我想回答這個問題:當Python比另一種語言慢2 - 10倍完成一個可比較的應用程序時，為什麼它慢，我們不能使它更快?
以下是最熱門的理論:
- 它是GIL(全局解釋器鎖)"
- 因為它是解釋過的而不是編譯過的
- 因為它是動態類型語言
這些原因中哪一個對性能影響最大?
我們逐個分析
1. 它是GIL(全局解釋器鎖)
現代計算機的CPU是多核的，有時也有多個處理器。為了利用所有這些額外的處理能力，操作系統定義了一個稱為線程的底層結構，其中一個進程(如Chrome瀏覽器)可以衍生多個線程，並在內部為系統提供指令。通過這種方式，如果一個進程是cpu密集型的，那麼可以跨內核共享負載，從而有效地使大多數應用程序更快地完成任務。
如果您以前沒有做過多線程編程，那麼您需要快速熟悉鎖的概念。與單線程進程不同，您需要確保在更改內存中的變量時，多個線程不會嘗試同時訪問/更改相同的內存地址。
當CPython創建變量時，它分配內存，然後計算有多少對該變量的引用存在，這是一個稱為引用計數的概念。如果引用的數量為0，那麼它將從系統中釋放那塊內存。這就是為什麼在for循環的範圍內創建“臨時”變量不會增加應用程序的內存消耗。
當變量在多個線程中共享時，挑戰就變成了CPython如何鎖定引用計數。有一個“全局解釋器鎖”，它小心地控制線程的執行。解釋器一次只能執行一個操作，不管它有多少線程。
那麼其他Python runtimes呢?
PyPy有一個GIL，它通常比CPython快3倍。
Jython沒有GIL，因為Jython中的Python線程由Java線程表示，並且受益於JVM內存管理系統。
JavaScript是如何做到這一點的?
首先，所有Javascript引擎都使用標記-清除垃圾收集。如前所述，GIL的主要需求是CPython的內存管理算法。
JavaScript沒有GIL，但它也是單線程的，所以不需要GIL。JavaScript的事件循環和承諾/回調模式是實現異步編程而不是併發的方式。Python對異步事件循環也有類似的處理。
2. 因為這是一種解釋語言
我經常聽到這種說法，我發現這是對CPython實際工作方式的一種粗略簡化。如果您在終端上編寫了python myscript.py，那麼CPython將開始一長串的讀取、詞法分析、解析、編譯、解釋和執行這些代碼
在這個過程中很重要的一點是創建一個.pyc文件，在編譯器階段，字節碼序列被寫到Python 3上的_pycache__/中的一個文件中，或者在Python 2的相同目錄中。這不僅適用於您的腳本，還適用於您導入的所有代碼，包括第三方模塊。
所以大多數時候(除非您編寫的代碼只運行一次?)，Python都是解釋字節碼並在本地執行它。與Java和c# .NET相比: Java編譯成“中間語言”，Java虛擬機讀取字節碼並及時將其編譯成機器碼。net CIL是一樣的，. net公共語言運行時(CLR)對機器代碼使用即時編譯。
那麼，如果Python都使用虛擬機和某種字節碼，那麼為什麼在基準測試中它比Java和c#慢那麼多呢?
首先，. net和Java是jit編譯的。JIT或即時編譯需要一種中間語言來允許將代碼分割成塊(或幀)。提前(AOT)編譯器的設計是為了確保CPU在進行任何交互之前能夠理解代碼中的每一行。
JIT本身並沒有使執行變得更快，因為它仍然在執行相同的字節碼序列。但是，JIT允許在運行時進行優化。一個好的JIT優化器會看到應用程序的哪些部分被頻繁地執行，稱之為“熱點”。然後，它將對這些代碼進行優化，用更高效的版本替換它們。
這意味著當您的應用程序一次又一次地做同樣的事情時，它可以顯著地更快。另外，請記住Java和c#是強類型語言，因此優化器可以對代碼進行更多的假設。
PyPy有一個JIT，正如前一節所提到的，它比CPython要快得多。
那麼為什麼CPython不使用JIT呢?
jit也有缺點:其中之一就是啟動時間。CPython的啟動時間已經比較慢了，PyPy比CPython慢2 - 3倍。眾所周知，Java虛擬機的啟動速度很慢。net CLR通過在系統啟動時啟動來解決這個問題，但是CLR的開發人員還開發運行CLR的操作系統。
如果您有一個運行了很長時間的Python進程，其中的代碼可以進行優化，因為它包含“熱點”，那麼JIT就很有意義。
然而，CPython是一種通用實現。因此，如果您正在使用Python開發命令行應用程序，那麼每次調用CLI時都必須等待JIT啟動，這將是非常慢的。
CPython必須嘗試並服務儘可能多的用例。在CPython中插入JIT是有可能的，但是這個項目在很大程度上已經停止了。如果您希望獲得JIT的好處，並且有適合它的工作負載，那麼可以使用PyPy。
3. 因為它是動態類型語言
態類型”語言中，必須在聲明變量時指定變量的類型。包括C, c++， Java, c#， Go。在動態類型語言中，仍然有類型的概念，但是變量的類型是動態的。
<code>a = 1
a = "foo"/<code>
在這個例子中，Python創建了第二個具有相同名稱和str類型的變量，並釋放為a的第一個實例創建的內存
靜態類型語言的設計並不是為了讓您的工作變得困難，而是因為CPU的操作方式。如果最終需要將所有操作都等同於簡單的二進制操作，則必須將對象和類型轉換為低級數據結構。
Python為您做了這些，您只是從來沒有見過它，也不需要關心它。
不需要聲明類型並不是使Python變慢的原因，Python語言的設計使您能夠使幾乎任何東西都是動態的。您可以在運行時替換對象上的方法，您可以在運行時對低級系統調用的值進行monkey-patch。幾乎一切皆有可能。
正是這種設計使得優化Python變得非常困難。
那麼，Python的動態類型會使它變慢嗎?
- 比較和轉換類型的成本很高，每次讀取、寫入或引用某個變量時，都要檢查該類型
- 很難優化一門如此動態的語言。Python的許多替代品之所以如此之快，是因為它們在性能的名義下對靈活性做出了妥協
- 看看Cython，它結合了C-Static類型和Python來優化已知類型的代碼，可以提供84x的性能改進。
結論
Python的主要缺點是它的動態性和通用性。它可以作為解決各種問題的工具，在這些問題中，可能有更優化、更快的替代方案。
但是，可以通過利用異步、理解分析工具和考慮使用多解釋器來優化Python應用程序。
對於啟動時間不重要且代碼有利於JIT的應用程序，可以考慮使用PyPy。
對於您的代碼中性能非常重要並且有更多靜態類型變量的部分，可以考慮使用Cython。
原文傳送門：
https://medium.com/hackernoon/why-is-python-so-slow-e5074b6fe55b
閱讀更多 機器學習與數據分析 的文章
