详细内容

Python慢，这几种是常见的原因：“因为它是GIL(全局解释器锁)”，“因为它是解释语言不是编译语言”，“因为它是动态类型语言”。

推荐课程：Java教程。

究竟哪个原因对性能的影响最大？

“因为它是GIL”

现代计算机的 CPU 有多个核心，有时甚至有多个处理器。为了利用所有计算能力，操作系统定义了一个底层结构，叫做线程，而一个进程(例如 Chrome浏览器)能够生成多个线程，通过线程来执行系统指令。这样如果一个进程是要使用很多 CPU，那么计算负载就会由多个核心分担，最终使得绝大多数应用能更快地完成任务。

在撰写本文时，我的 Chrome 浏览器开了 44 个线程。另外，基于 POSIX 的操作系统(如 Mac OS 和 Linux)的线程结构和 API 与 Windows 操作系统是不一样的。操作系统还负责线程的调度。

如果你没写过多线程程序，那么你应该了解一下锁的概念。与单线程进程不同，在多线程编程中，你要确保改变内存中的变量时，多个线程不会试图同时修改或访问同一个内存地址。

CPython 在创建变量时会分配内存，然后用一个计数器计算对该变量的引用的次数。这个概念叫做“引用计数”。如果引用的数目为 0，那就可以将这个变量从系统中释放掉。这样，创建“临时”变量(如在 for 循环的上下文环境中)不会耗光应用程序的内存。

随之而来的问题就是，如果变量在多个线程中共享，CPython 需要对引用计数器加锁。有一个“全局解释器锁”会谨慎地控制线程的执行。不管有多少个线程，解释器一次只能执行一个操作。

这对 Python 应用的性能有什么影响？

如果应用程序是单线程、单解释器的，那么这不会对速度有任何影响。去掉 GIL 也不会影响代码的性能。

但如果想用一个解释器(一个 Python 进程)通过线程实现并发，而且线程是IO 密集型的(即有很多网络输入输出或磁盘输入输出)，那么就会出现下面这种 GIL 竞争：

如果 Web 应用(如 Django)使用了 WSGI，那么发往 Web 应用的每个请求都会由独立的 Python 解释器执行，因此每个请求都只会有一个锁。由于 Python 解释器启动很慢，一些 WSGI 实现就支持“守护模式”，保持 Python 进程长期运行。

“因为它是解释语言”

这条理由我也听过很多，我发现它过于简化了 CPython 的实际工作原理。当你在终端上写 python myscript.py 时，CPython 会启动一长串操作，包括读取、词法分析、语法分析、编译、解释以及执行。个过程的重点就是它会在编译阶段生成.pyc文件，字节码会写到__pycache__/下的文件中(如果是Python 3)，或者写到与源代码同一个目录中(Python 2)。不仅你编写的脚本是这样，所有你导入的代码都是这样，包括第三方模块。

因此绝大多数情况下(除非你写的代码只会运行一次)，Python是在解释字节码并在本地执行。与Java和C#.NET比较一下：

Java将源代码编译成“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 CIL也是一样的，.NET的公共语言运行时(CLR)使用即时编译将字节码编译成机器码。

那么，既然它们都使用虚拟机，以及某种字节码，为什么Python在性能测试中比Java和C#慢那么多？第一个原因是，.NET和Java是即时编译的(JIT)。

即时编译，即JIT(Just-in-time)，需要一种中间语言，将代码分割成小块(或者称帧)。而提前编译(Ahead of Time，简称AOT)是编译器把源代码翻译成CPU能理解的代码之后再执行。

JIT本身并不能让执行更快，因为它执行的是同样的字节码序列。但是，JIT可以在运行时做出优化。好的GIT优化器能找到应用程序中执行最多的部分，称为“热点”。然后对那些字节码进行优化，将它们替换成效率更高的代码。

这就是说，如果你的应用程序会反复做某件事情，那么速度就会快很多。此外，别忘了Java和C#都是强类型语言，所以优化器可以对代码做更多的假设。

“因为它是动态类型语言”

“静态类型”语言要求必须在变量定义时指定其类型，例如C、C++、Java、C#和Go等。

而动态类型语言中尽管也有类型的概念，但变量的类型是动态的。a = 1

a = "foo"

在这个例子中，Python用相同的名字和str类型定义了第二个变量，同时释放了第一个a的实例占用的内存。

静态类型语言的设计目的并不是折磨人，这样设计是因为CPU就是这样工作的。如果任何操作最终都要转化成简单的二进制操作，那就需要将对象和类型都转换成低级数据结构。

Python帮你做了这一切，只不过你从来没有关心过，也不需要关心。

不需要定义类型并不是Python慢的原因。Python的设计可以让你把一切都做成动态的。你可以在运行时替换对象的方法，可以在运行时给底层系统调用打补丁。几乎一切都有可能。

而这种设计使得Python的优化变得很困难。

那么，Python的动态类型是否让Python更慢？

比较并转换类型的代价很大。每次读取、写入或引用变脸时都会检查类型

动态类型的语言很难优化。许多替代Python的语言很快的原因就是它们牺牲了便利性来交换性能。

例如Cython(http://cython.org/)，它通过结合C的静态类型和Python的方式，使得代码中的类型已知，从而优化代码，能够获得84倍的性能提升

总结

Python慢的主要原因是因为它的动态和多样性。它能用于解决各种问题，但多数问题都有优化得更好和更快的解决方案。

但Python应用也有许多优化措施，如使用异步、理解性能测试工具，以及使用多解释器等。

对于启动时间不重要，而代码可能享受到JIT的好处的应用，可以考虑使用PyPy。

对于代码中性能很重要的部分，如果变量大多是静态类型，可以考虑使用Cython。