为什么python 慢
Python越来越流行。 它用于DevOps，数据科学，Web开发和安全性。
但是，它并没有赢得任何速度奖牌。
Java在速度方面与C或C ++或C＃或Python相比如何？ 答案很大程度上取决于您正在运行的应用程序的类型。 没有基准是完美的，但是“计算机语言基准测试”是一个很好的起点 。
十多年来，我一直在谈论“计算机语言基准测试”。 与其他语言（例如Java，C＃，Go，JavaScript，C ++）相比，Python是最慢的语言之一 。 这包括JIT （C＃，Java）和AOT （C，C ++）编译器，以及诸如JavaScript之类的解释语言。
注意：当我说“ Python”时，我是在说CPython语言的参考实现。 我将在本文中引用其他运行时。
我想回答这个问题： 当Python完成比其他语言慢2到10倍的可比较应用程序时， 为什么它变慢并且我们不能使其变快 ？
以下是最重要的理论：
- “ 这是GIL（全球口译员锁） ”
- “ 这是因为它被解释而不是被编译 ”
- “ 这是因为它是一种动态类型的语言 ”
以下哪个原因对性能影响最大？
“这是GIL”
现代计算机配备了具有多个内核，有时还有多个处理器的CPU。 为了利用所有这些额外的处理能力，操作系统定义了一个称为线程的低级结构，在该结构中，进程（例如Chrome浏览器）可以产生多个线程，并在其中包含有关系统的指令。 这样，如果一个进程特别占用大量CPU，则可以在内核之间共享该负载，这实际上使大多数应用程序更快地完成任务。
在撰写本文时，我的Chrome浏览器有44个线程处于打开状态。 请记住，基于POSIX的线程（例如Mac OS和Linux）和Windows OS之间的线程结构和API是不同的。 操作系统还处理线程的调度。
如果您以前没有做过多线程编程，那么您需要快速熟悉锁的概念。 与单线程进程不同，您需要确保在更改内存中的变量时，多个线程不会尝试同时访问/更改相同的内存地址。
当CPython创建变量时，它会分配内存，然后计算对该变量存在多少引用，这就是称为引用计数的概念。 如果引用数为0，则它将那部分内存从系统中释放出来。 这就是为什么在for循环范围内创建“临时”变量不会消耗应用程序的内存的原因。
当多个线程共享变量时，CPython如何锁定引用计数就成为挑战。 有一个“全局解释器锁”，可以仔细控制线程的执行。 解释器一次只能执行一个操作，而不管它有多少线程。
这对Python应用程序的性能意味着什么？
如果您具有单线程，单解释器应用程序。 这不会影响速度 。 删除GIL不会影响代码的性能。
如果您想通过使用线程在单个解释器（Python进程）中实现并发，并且您的线程是IO密集型的（例如，网络IO或磁盘IO），您将看到GIL争用的后果。
摘自David Beazley的GIL可视化文章http://dabeaz.blogspot.com/2010/01/python-gil-visualized.html
如果您有一个Web应用程序（例如Django）并且使用的是WSGI，则对您的Web应用程序的每个请求都是一个单独的 Python解释器，因此每个请求只有1个锁。 由于Python解释器的启动速度很慢，因此某些WSGI实现具有“守护程序模式” ，可让您随时随地使用Python进程。
那么其他Python运行时呢？
PyPy具有GIL ，通常比CPython快3倍以上。
Jython没有GIL，因为Jython中的Python线程由Java线程表示，并受益于JVM内存管理系统。
JavaScript如何做到这一点？
好吧，首先，所有Javascript引擎都使用标记清除垃圾收集 。 如上所述，对GIL的主要需求是CPython的内存管理算法。
JavaScript没有一个GIL，但它也是一个 -threaded所以它不需要一个。 JavaScript的事件循环和Promise / Callback模式是实现异步编程而不是并发的方法。 Python在asyncio事件循环中也有类似的事情。
“因为它是一种解释语言”
我听到了很多，我发现它大大简化了CPython的实际工作方式。 如果在终端上编写了python myscript.py则CPython将开始读取，词法分析，解析，编译，解释和执行该代码的长序列。
如果您对该流程的工作方式感兴趣，那么我之前已经写过：
在6分钟内修改Python语言
这周，我向CPython核心项目提出了我的第一个请求，但请求被拒绝了：-（但不完全是…… hackernoon.com
在此过程中，重要的一点是创建一个.pyc文件，在编译器阶段，字节码序列被写入Python 3上__pycache__/或Python 2相同目录中的文件中。您的脚本，但包含您导入的所有代码，包括第三方模块。
因此，大多数时候（除非您编写只运行一次的代码？），Python会解释字节码并在本地执行。 将其与Java和C＃.NET进行比较：
Java编译为“中间语言”，而Java虚拟机读取字节码，并及时将其编译为机器码。 .NET CIL相同，.NET Common-Language-Runtime（CLR）使用即时编译来处理机器代码。
那么，如果它们都使用虚拟机和某种Bytecode，为什么Python在基准测试中比Java和C＃慢得多？ 首先，.NET和Java是JIT编译的。
JIT或即时编译需要一种中间语言，以允许将代码拆分为块（或帧）。 提前（AOT）编译器旨在确保CPU在进行任何交互之前可以理解代码中的每一行。
JIT本身不会使执行速度更快，因为它仍在执行相同的字节码序列。 但是，JIT可以在运行时进行优化。 一个好的JIT优化器将看到应用程序的哪些部分正在执行很多，称之为“热点”。 然后，通过将其替换为更有效的版本，对这些代码位进行优化。
这意味着当您的应用程序一次又一次地执行相同的操作时，它可能会更快。 另外，请记住Java和C＃是强类型语言，因此优化程序可以对代码进行更多假设。
PyPy具有JIT，并且如上一节所述，它比CPython快得多。 此性能基准测试文章会更详细地介绍-
哪个是最快的Python版本？
当然，“取决于”，但是它取决于什么，以及如何评估哪个是最快的Python版本…… hackernoon.com
那么CPython为什么不使用JIT？
JIT的缺点是：启动时间是其中之一。 CPython的启动时间已经相对较慢，PyPy的启动时间比CPython慢2-3倍。 众所周知，Java虚拟机的启动速度很慢。 .NET CLR通过从系统启动开始来解决此问题，但是CLR的开发人员还开发了运行CLR的操作系统。
如果您有一个长时间运行的Python进程，并且由于包含“热点”而可以对代码进行优化，那么JIT很有意义。
但是，CPython是通用实现。 因此，如果您正在使用Python开发命令行应用程序，那么每次调用CLI时都必须等待JIT启动会非常慢。
CPython必须尝试并提供尽可能多的用例。 有可能将JIT插入CPython，但该项目已大步停滞。
如果您想要JIT的好处并且您有适合它的工作量，请使用PyPy。
“ 这是因为它是一种动态类型的语言 ”
在“静态类型”语言中，必须在声明变量时指定其类型。 这些将包括C，C ++，Java，C＃，Go。
在动态类型语言中，仍然存在类型的概念，但是变量的类型是动态的。
a = 1
a = "foo"
在该玩具例如，Python创建具有相同名称的第二变量和类型的str并释放对的第一个实例中创建的存储器a
静态类型的语言并不是为了让您的生活变得艰难而设计的，而是因为CPU的运行方式而设计的。 如果最终所有事情都需要等同于简单的二进制操作，则必须将对象和类型转换为低级数据结构。
Python为您做到了，您只是从未见过，也不需要关心。
不必声明类型并不是让Python变慢的原因，Python语言的设计使您几乎可以使任何东西动态化。 您可以在运行时替换对象上的方法，还可以将低级系统调用猴子补丁到运行时声明的值。 几乎所有可能。
正是这种设计使优化Python变得异常困难 。
为了说明我的观点，我将使用在Mac OS中工作的syscall跟踪工具Dtrace。 CPython发行版没有内置DTrace，因此您必须重新编译CPython。 我正在使用3.6.6进行演示
wget https://github.com/python/cpython/archive/v3.6.6.zip
unzip v3.6.6.zip
cd v3.6.6
./configure --with-dtrace
make
现在， python.exe在整个代码中将具有Dtrace跟踪器。 保罗·罗斯（Paul Ross）在Dtrace上写了一篇很棒的闪电演讲 。 您可以下载适用于Python的DTrace起始文件 ，以测量函数调用，执行时间，CPU时间，系统调用以及各种乐趣。 例如
sudo dtrace -s toolkit/<tracer>.d -c '../cpython/python.exe script.py'
py_callflow跟踪器显示了应用程序中的所有函数调用
那么，Python的动态类型会使其变慢吗？
- 类型的比较和转换成本很高，每次检查，读取或引用变量时都要检查类型
- 很难优化如此动态的语言。 Python的许多替代方法之所以如此之快，是因为它们以性能为名折衷了灵活性。
- 看着用Cython ，它结合了C-静态类型和Python来优化代码，其中所述类型是已知的可以提供一个84X的性能改进。
结论
Python主要由于其动态特性和多功能性而速度较慢。 它可以用作解决各种问题的工具，其中可能有更优化和更快的替代方案。
但是，有多种方法可以利用异步，了解性能分析工具并考虑使用多重解释器来优化Python应用程序。
对于启动时间不重要且代码将使JIT受益的应用程序，请考虑使用PyPy。
对于代码性能至关重要且您拥有更多静态类型变量的部分代码，请考虑使用Cython 。
翻译自: https://hackernoon.com/why-is-python-so-slow-e5074b6fe55b
为什么python 慢
