當(dāng)我們提到一門編程語言的效率時：通常有兩層意思，第一是開發(fā)效率，這是對程序員而言，完成編碼所需要的時間；另一個是運行效率，這是對計算機而言，完成計算任務(wù)所需要的時間。編碼效率和運行效率往往是魚與熊掌的關(guān)系，是很難同時兼顧的。不同的語言會有不同的側(cè)重，python語言毫無疑問更在乎編碼效率，life is short，we use python。

雖然使用python的編程人員都應(yīng)該接受其運行效率低的事實，但python在越多越來的領(lǐng)域都有廣泛應(yīng)用，比如科學(xué)計算 、web服務(wù)器等。程序員當(dāng)然也希望python能夠運算得更快，希望python可以更強大。

首先，python相比其他語言具體有多慢，這個不同場景和測試用例，結(jié)果肯定是不一樣的。這個網(wǎng)址給出了不同語言在各種case下的性能對比，這一頁是python3和C++的對比，下面是兩個case：

從上圖可以看出，不同的case，python比C++慢了幾倍到幾十倍。

python運算效率低，具體是什么原因呢，下列羅列一些：

第一：python是動態(tài)語言

一個變量所指向?qū)ο蟮念愋驮谶\行時才確定，編譯器做不了任何預(yù)測，也就無從優(yōu)化。舉一個簡單的例子：　r = a + b?！和b相加，但a和b的類型在運行時才知道，對于加法操作，不同的類型有不同的處理，所以每次運行的時候都會去判斷a和b的類型，然后執(zhí)行對應(yīng)的操作。而在靜態(tài)語言如C++中，編譯的時候就確定了運行時的代碼。

另外一個例子是屬性查找，關(guān)于具體的查找順序在《python屬性查找》中有詳細(xì)介紹。簡而言之，訪問對象的某個屬性是一個非常復(fù)雜的過程，而且通過同一個變量訪問到的python對象還都可能不一樣（參見Lazy property的例子）。而在C語言中，訪問屬性用對象的地址加上屬性的偏移就可以了。

第二：python是解釋執(zhí)行，但是不支持JIT（just in time compiler）。雖然大名鼎鼎的google曾經(jīng)嘗試Unladen Swallow 這個項目，但最終也折了。

第三：python中一切都是對象，每個對象都需要維護引用計數(shù)，增加了額外的工作。

第四：python GIL，GIL是Python最為詬病的一點，因為GIL，python中的多線程并不能真正的并發(fā)。如果是在IO bound的業(yè)務(wù)場景，這個問題并不大，但是在CPU BOUND的場景，這就很致命了。所以筆者在工作中使用python多線程的情況并不多，一般都是使用多進程（pre fork），或者在加上協(xié)程。即使在單線程，GIL也會帶來很大的性能影響，因為python每執(zhí)行100個opcode（默認(rèn)，可以通過sys.setcheckinterval()設(shè)置）就會嘗試線程的切換，具體的源代碼在ceval.c::PyEval_EvalFrameEx。

 第五：垃圾回收，這個可能是所有具有垃圾回收的編程語言的通病。python采用標(biāo)記和分代的垃圾回收策略，每次垃圾回收的時候都會中斷正在執(zhí)行的程序，造成所謂的頓卡。infoq上有一篇文章，提到禁用Python的GC機制后，Instagram性能提升了10%。感興趣的讀者可以去細(xì)讀。

內(nèi)容擴展

關(guān)于python運行效率的分析：

如果每次你創(chuàng)建一個應(yīng)用程序都是用相同的編碼方法，幾乎肯定會導(dǎo)致一些你的應(yīng)用程序比它能夠達到的運行效率慢的情況。作為分析過程的一部分，你可以嘗試一些實驗。例如，在一個字典中管理一些元素，你可以采用安全的方法確定元素是否已經(jīng)存在并更新，或者你可以直接添加元素，然后作為異常處理該元素不存在情況?？紤]第一個編碼的例子：

n = 16
myDict = {}
for i in range(0, n):
 char = 'abcd'[i%4]
 if char not in myDict:
  myDict[char] = 0
  myDict[char] += 1
  print(myDict)

這段代碼通常會在myDict開始為空時運行得更快。然而，當(dāng)mydict通常被數(shù)據(jù)填充（或者至少大部分被充填）時，另一種方法效果更好。

n = 16
myDict = {}
for i in range(0, n):
 char = 'abcd'[i%4]
 try:
  myDict[char] += 1
 except KeyError:
  myDict[char] = 1
 print(myDict)

兩種情況下具有相同的輸出：{‘d': 4, ‘c': 4, ‘b': 4, ‘a(chǎn)': 4}。唯一的不同是這個輸出是如何得到的。跳出固定的思維模式，創(chuàng)造新的編碼技巧，能夠幫助你利用你的應(yīng)用程序獲得更快的結(jié)果。

最新評論