同為程序員的心頭好，Python 為什麼能這麼慢？

如果你是Python初學者，文末提供Python資料可下載看看.

眼下 Python 異常火爆，不論是 DevOps、數據科學、Web 開發還是安全領域，都在用 Python——但是它在速度上卻沒有任何優勢。

與 C、C++、C# 或 Python 相比，Java 的速度如何？答案很大程度上依賴於你需要運行的應用種類。世上沒有完美的性能測試，但計算機語言評測遊戲（Computer Language Benchmarks Game）是個很好的測試方式：http://algs4.cs.princeton.edu/faq/。

我從十年前就開始談論計算機語言評測遊戲。與 Java、C#、Go、JavaScript、C++ 等其他語言相比，Python 是最慢的語言之一。這裡包括JIT（Just In Time）語言（如C#、Java）和 AOT（Ahead Of Time）語言（C、C++）編譯器，也有 JavaScript 這種解釋語言。

注：本文中所說的“Python”是指語言的具體實現，即 CPython。本文也會提到其他運行。

我希望回答以下問題：如果 Python 完成相同的任務要花費其他語言二至十倍的時間，那麼它為什麼慢，能不能更快一些呢？

以下是幾種常見的原因：

• “因為它是GIL（全局解釋器鎖）”
• “因為它是解釋語言不是編譯語言”
• “因為它是動態類型語言”

究竟哪個原因對性能的影響最大？

1、“因為它是GIL”

現代計算機的 CPU 有多個核心，有時甚至有多個處理器。為了利用所有計算能力，操作系統定義了一個底層結構，叫做線程，而一個進程（例如 Chrome瀏覽器）能夠生成多個線程，通過線程來執行系統指令。這樣如果一個進程是要使用很多 CPU，那麼計算負載就會由多個核心分擔，最終使得絕大多數應用能更快地完成任務。

在撰寫本文時，我的 Chrome 瀏覽器開了 44 個線程。另外，基於 POSIX 的操作系統（如 Mac OS 和 Linux）的線程結構和 API 與 Windows 操作系統是不一樣的。操作系統還負責線程的調度。

如果你沒寫過多線程程序，那麼你應該瞭解一下鎖的概念。與單線程進程不同，在多線程編程中，你要確保改變內存中的變量時，多個線程不會試圖同時修改或訪問同一個內存地址。

CPython 在創建變量時會分配內存，然後用一個計數器計算對該變量的引用的次數。這個概念叫做“引用計數”。如果引用的數目為 0，那就可以將這個變量從系統中釋放掉。這樣，創建“臨時”變量（如在 for 循環的上下文環境中）不會耗光應用程序的內存。

隨之而來的問題就是，如果變量在多個線程中共享，CPython 需要對引用計數器加鎖。有一個“全局解釋器鎖”會謹慎地控制線程的執行。不管有多少個線程，解釋器一次只能執行一個操作。

這對 Python 應用的性能有什麼影響？

如果應用程序是單線程、單解釋器的，

那麼這不會對速度有任何影響。去掉 GIL 也不會影響代碼的性能。

但如果想用一個解釋器（一個 Python 進程）通過線程實現併發，而且線程是IO 密集型的（即有很多網絡輸入輸出或磁盤輸入輸出），那麼就會出現下面這種 GIL 競爭：

來自於David Beazley的“圖解GIL”一文：http://dabeaz.blogspot.com/2010/01/python-gil-visualized.html

如果 Web 應用（如 Django）使用了 WSGI，那麼發往 Web 應用的每個請求都會由獨立的 Python 解釋器執行，因此每個請求都只會有一個鎖。由於 Python 解釋器啟動很慢，一些 WSGI 實現就支持“守護模式”，保持 Python 進程長期運行。

其他 Python 運行時如何？

PyPy 的 GIL 通常要比 CPython 快三倍以上。

Jython 沒有 GIL 因為 Jython 中的 Python 線程由 Java 線程表示，因此能享受到 JVM 內存管理系統的好處。

JavaScript 怎麼處理這個問題i？

首先，所有 JavaScript 引擎都是用標記-清除垃圾回收算法。如前所述，對 GIL 的需求主要是由 CPython 的內存管理算法導致的。

JavaScript 沒有 GIL，但它也是單線程的，所以它根本不需要。JavaScript 的時間循環和 Promise/Callback 模式實現了異步編程，取代了併發編程。Python 也能通過 asyncio 的事件循環實現類似的模式。

2、“因為它是解釋語言”

這條理由我也聽過很多，我發現它過於簡化了 CPython 的實際工作原理。當你在終端上寫 python myscript.py 時，CPython 會啟動一長串操作，包括讀取、詞法分析、語法分析、編譯、解釋以及執行。

如果你對這些過程感興趣，可以看看我之前寫的文章：

6分鐘修改Python語言：https://hackernoon.com/modifying-the-python-language-in-7-minutes-b94b0a99ce14

這個過程的重點就是它會在編譯階段生成.pyc文件，字節碼會寫到__pycache__/下的文件中（如果是Python 3），或者寫到與源代碼同一個目錄中（Python 2）。不僅你編寫的腳本是這樣，所有你導入的代碼都是這樣，包括第三方模塊。

因此絕大多數情況下（除非你寫的代碼只會運行一次），Python是在解釋字節碼並在本地執行。與Java和C#.NET比較一下：

Java將源代碼編譯成“中間語言”，然後Java虛擬機讀取字節碼並即時編譯成機器碼。.NET CIL也是一樣的，.NET的公共語言運行時（CLR）使用即時編譯將字節碼編譯成機器碼。

那麼，既然它們都使用虛擬機，以及某種字節碼，為什麼Python在性能測試中比Java和C#慢那麼多？第一個原因是，.NET和Java是即時編譯的（JIT）。

即時編譯，即JIT（Just-in-time），需要一種中間語言，將代碼分割成小塊（或者稱幀）。而提前編譯（Ahead of Time，簡稱AOT）是編譯器把源代碼翻譯成CPU能理解的代碼之後再執行。

JIT本身並不能讓執行更快，因為它執行的是同樣的字節碼序列。但是，JIT可以在運行時做出優化。好的GIT優化器能找到應用程序中執行最多的部分，稱為“熱點”。然後對那些字節碼進行優化，將它們替換成效率更高的代碼。

這就是說，如果你的應用程序會反覆做某件事情，那麼速度就會快很多。此外，別忘了Java和C#都是強類型語言，所以優化器可以對代碼做更多的假設。

前面說過，PyPy有個JIT，因此它比CPython要快很多。下面這篇性能測試的文章介紹得更詳細：

哪個版本的Python最快？

https://hackernoon.com/which-is-the-fastest-version-of-python-2ae7c61a6b2b

那麼為什麼CPython不用JIT？

JIT也有缺點：首先就是啟動速度。CPython的啟動速度已經比較慢了，而PyPy的啟動速度要比CPython慢兩到三倍。Java虛擬機的啟動速度也是出了名的慢。.NET CLR在系統啟動時啟動，因此避免了這個問題，但這要歸功於CLR和操作系統是同一撥開發者開發的。

如果你有一個Python進程需要運行很長時間，而且代碼裡包含“熱點”可以被優化，那麼使用JIT就很不錯。

但是，CPython是個通用的實現。因此如果要用Python開發命令行程序，那麼每次都要等待JIT調用CLI就特別慢了。

CPython試圖滿足大部分情況下的需求。有一個在CPython中實現JIT（https://www.slideshare.net/AnthonyShaw5/pyjion-a-jit-extension-system-for-cpython）的項目，不過這個項目已經停止很久了。

如果你想要享受JIT的好處，並且要處理的任務適合JIT，那就使用PyPy。

3、“因為它是動態類型語言”

“靜態類型”語言要求必須在變量定義時指定其類型，例如C、C++、Java、C#和Go等。

而動態類型語言中儘管也有類型的概念，但變量的類型是動態的。

a = 1

a = "foo"

在這個例子中，Python用相同的名字和str類型定義了第二個變量，同時釋放了第一個a的實例佔用的內存。

靜態類型語言的設計目的並不是折磨人，這樣設計是因為CPU就是這樣工作的。如果任何操作最終都要轉化成簡單的二進制操作，那就需要將對象和類型都轉換成低級數據結構。

Python幫你做了這一切，只不過你從來沒有關心過，也不需要關心。

不需要定義類型並不是Python慢的原因。Python的設計可以讓你把一切都做成動態的。你可以在運行時替換對象的方法，可以在運行時給底層系統調用打補丁。幾乎一切都有可能。

而這種設計使得Python的優化變得很困難。

為了演示這個觀點，我使用了一個Mac OS下的系統調用跟蹤工具，叫做Dtrace。CPython的發佈並不支持DTrace，因此需要重新編譯CPython。演示中用的是Python 3.6.6：

wget https://github.com/python/cpython/archive/v3.6.6.zip

unzip v3.6.6.zip

cd v3.6.6

./configure --with-dtrace

make

現在Python.exe的代碼中包含了Dtrace的跟蹤代碼。Paul Ross有一篇非常好的關於DTrace的演講（https://github.com/paulross/dtrace-py#the-lightning-talk）。可以從這裡下載DTrace用於Python的文件（https://github.com/paulross/dtrace-py/tree/master/toolkit）用來測量函數調用、執行時間、CPU時間、系統調用以及各種函數等等。

sudo dtrace -s toolkit/<tracer>.d -c ‘../cpython/python.exe>

py_callflow跟蹤器會顯示應用程序的所有函數調用。

• 那麼，Python的動態類型是否讓Python更慢？
• 比較並轉換類型的代價很大。每次讀取、寫入或引用變臉時都會檢查類型
• 動態類型的語言很難優化。許多替代Python的語言很快的原因就是它們犧牲了便利性來交換性能。
• 例如Cython（http://cython.org/），它通過結合C的靜態類型和Python的方式，使得代碼中的類型已知，從而優化代碼，能夠獲得84倍的性能提升（http://notes-on-cython.readthedocs.io/en/latest/std_dev.html）

結論

Python慢的主要原因是因為它的動態和多樣性。它能用於解決各種問題，但多數問題都有優化得更好和更快的解決方案。

但Python應用也有許多優化措施，如使用異步、理解性能測試工具，以及使用多解釋器等。

對於啟動時間不重要，而代碼可能享受到JIT的好處的應用，可以考慮使用PyPy。

對於代碼中性能很重要的部分，如果變量大多是靜態類型，可以考慮使用Cython。

Python學習書籍推薦

很多人在問，學習Python讀什麼書，這其實是一個非常通用的問題，學習分為2種方式：看書、上課，而讀書學習是最實惠也是最高效的一種，小編整理了一些Python高分書籍給大家，從0基礎到高級適合不同學習階段，希望大家學習愉快。獲取方式：點擊小編頭像，關注後私信回覆“資料”即可下載。