为什么Python如此慢

Python当前人气暴涨。它在DevOps，数据科学，Web开发和安全领域均有使用。

但是在速度方面没有赢得美誉。

这里有关于Python比较其他语言如，Java, C#, Go, JavaScript, C++进行性能对比，其中Python是最慢的。包含了JIT(C#, Java)和AOT(C,C++)编译器，也有像解释型语言如JavaScript。

注意：文章中我所提到的"Python"均指使用C语言实现的CPython。

为什么要比其他语言慢到2-10x的速度？

这是相关原因：

• 它的GIL（Global Interpreter Lock)
• 因为是解释器型非编译型
• 因为是动态语言

那这些原因中哪个占最大成分呢？

它的GIL

现代计算机大多数都具备多核，有时还有多处理器。为了充分利用这些处理能力，操作系统底层提供了一个叫做线程的东西，它（例如Chrome浏览器）可以系统内容创建多个线程进行指令处理。也就是说当一个进程是CPU密集型，那就可以通过多个核协同工作来提高应用的运行速度。

我本地Chrome浏览器当前会开启44个线程，在不同的操作系统例如POSIX（Mac OS和Linux）和Windows提供的线程API结构不一样。操作系统来负责线程的调度。

如果你之前并没有进行过多线程编程，你需要熟悉一个叫做锁的概念。不像单线程进行，你需要确保在内存改变一个变量时，多个线程不会同时进行操作。

CPython创建变量时，它会开辟内存，然后计算有多少引用该变量，这个概念叫做引用计数。如果引用技术为0时，它会将内存释放回给系统。这也就是创建临时变量，进行循环操作时并不会耗光内存

在多线程共享变量时，CPython时如何对引用计数上锁呢。这里就是“全局解释锁(global interpreter lock)”负责做的事情，不管你有多少的线程，解释器在同一个时间只能有一个线程进行操作。

那么它对Python应用有什么性能影响

如果应用是单解释器，单线程。在速度上没有任何影响。

如果你想在单解释器使用线程了实现并发操作，并且它们是IO密集型（例如网络IO或者硬盘IO），那你将会看到GIL类似如下竞争执行：

如你有一个web应用（例如Django)并且使用WSGI，每个请求将会分配到单独Python解释器，此时一个请求只有一把锁。因为Python解释器启动比较慢，一些WSGI会实现为"Daemon Mode"执行，

那其他Python运行时呢

PyPy实现的GIL通常要比CPython快3x倍。

Jython没有GIL，因为Jython的线程受益与JVM的内存管理机制。

JavaScript 是怎么实现的

首先，JavaScript使用的是标记清除算法实现的垃圾回收机制。而CPython需要GIL主要原因就是内存管理算法。

JavaScript没有GIL，但是因为它设计的就是单线程，所以它并不需要。JavaScript的event loop和Promise/Callback机制来进行异步编码实现并发。Python也有类似的asyncio的event-loop机制。

因为它是解释型语言

如果你在终端使用python myscript.py运行，CPython将会进行一系列的读取，词法分析，语法分析，编译，解释和执行代码。

一个非常重要点事，在编译过程中生成的.pyc文件，Python3是放置在__pycache__目录下，Python2是在文件相同目录下。该文件就是Python里面的字节码，在执行文件不会生成，只会在倒入的模块或者第三方模块生成。

所以，Python解释成字节码并且进行运行。与Java和C#.NET相比：

Java 编译成一个中间语言，然后JVM加载字节码，进行just in time编译成机器码。.NET CLI也是同样的方式，.NET common language runtime使用just in time编译成机器码

那么，Python为什么要比Java和C#测试性能差那么多，都是使用字节码，区别就在于JIT编译方式。

Just in time需要一个中间语言允许代码被拆为多个chunks(或者frames)，AOT编译器设计用来确保CPU能够理解里面的内容。

JIT本身没有提高代码执行，但是因为它执行仍然是字节码。然后，JIT允许在运行中优化执行。一个好的JIT加应用程序执行很高的代码，将字节码直接优化为机器码，从而提高执行效率，这种技术成为 Hot Spot。

也就是说在程序一次次执行过程中，会变得越来越快。还有就是，Java和C#是强类型语言，所以优化器能够进一步优化。

PyPy也有JIT，设计比CPython执行更快。

那么CPython为什么不用JIT

JIT也有缺点，就是减慢了启动时间。CPython启动时间已经很慢了，PyPy更是比CPython慢2-3x倍。JVM启动速度是臭的不行。.NET CLR在系统启动的时候就先启动了。

如果你有一个Python进程要长时间运行，那么可以使用JIT的hot spots带来的益处。

然而，CPython设计为通用语言。所以，当你在实现命令行应用时，每次都要长时间等待JIT启动那是非常讨厌的事情。

CPython也做很多尝试，也尝试性使用Plugging方式加入JIT，但是项目现在是停滞的。

因为它是动态类型的

在静态类型语言中，你必须在申明时就定义它的类型，这些语言有C，C++，Java，C#和Go。

在一个动态类型元中，虽然也有类型的概念，但是一个变量的类型是动态的

a = 1
a = "foo"

在上面示例中，Python使用了相同的变量赋于了不同的str类型，它会释放第一次创建的内存。

静态语言并不是设计来让你编码头疼，而是为了适应CPU的操作方式。因为所有的操作都是二进制操作，你需要将所有的对象和类型转换为低级别的数据结构。

Python已经为了做了这件事情，你看不见也不需要关系。

不用申明类型并不是导致Python变慢的直接原因，这样设计让你几乎所有操作都是动态的。你可以在运行时替换对象的方法，你可以在运行时对底层系统调用进行monkey-patch操作，一切皆有可能。

这样的设计导致Python很难进行优化。

为了验证我的观点，我将在我的Ubuntu系统中使用syscall追踪工具Dtrace。CPython并不内建DTrace，所以你需要重新编译CPython，我将使用Python 3.7.0：

./configure --with-dtrace
make

现在代码中就可以使用Dtrace进行追踪了，你可以下载工具来对Python的函数调用，执行时间，CPU时间，syscalls等进行分析：

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

py_callflow追踪器打印了类似如下信息：

所以，Python动态类型是否让它变慢呢

• 对比和转换类型代价很高，每次变量读取，类型检查时都很耗时。
• 动态类型很难对语言进行优化。Python其他替代方案要快，是因为它们为达性能对灵活性做出了妥协。
• 看看Cython,将C静态类和和Python优化类型可以在84x性能提高。

结论

Python主要慢的原因是因为它的动态和灵活性。它可以作为解决大多数问题的工具，也存在更优更快的可选方案。

可以在应用程序中利用async，理解性能工具，考虑使用多解释器等进行优化。

如果对于启动时间不是那么关心的话可以考虑使用JIT，例如PyPy。

对于性能要求比较苛刻的，你可以使用更多的静态类型变量，考虑使用Cython