一、Python運(yùn)行速度慢的原因

1、python是解釋性語(yǔ)言

python是一個(gè)解釋性的動(dòng)態(tài)類(lèi)型腳本語(yǔ)言，解釋性語(yǔ)言的特點(diǎn)就是程序只有在執(zhí)行的時(shí)候才會(huì)去編譯，也就是說(shuō)邊執(zhí)行邊進(jìn)行編譯。而Java、C這種編譯性的語(yǔ)言在程序執(zhí)行之前就已經(jīng)將其編譯為機(jī)器可讀的代碼了，自然運(yùn)行速度快。而且python程序在沒(méi)有運(yùn)行之前都是能夠直接以源碼的形式存在的，這也是它能夠跨平臺(tái)運(yùn)行的主要原因，但是在沒(méi)有經(jīng)過(guò)編譯的python運(yùn)行速度上就會(huì)有所降低。

2、Python是動(dòng)態(tài)語(yǔ)言

動(dòng)態(tài)語(yǔ)言是一類(lèi)在運(yùn)行時(shí)可以改變其結(jié)構(gòu)的語(yǔ)言，如新的函數(shù)、對(duì)象、代碼可以被引入，已有的函數(shù)可以被刪除或其他結(jié)構(gòu)上的變化等，該類(lèi)語(yǔ)言更具有活性，但是不可避免的因?yàn)檫\(yùn)行時(shí)的不確定性也影響運(yùn)行效率。數(shù)據(jù)的比較和轉(zhuǎn)換類(lèi)型的開(kāi)銷(xiāo)很大，每次讀取、寫(xiě)入或引用一個(gè)變量，都要檢查類(lèi)型。很難優(yōu)化一種極具動(dòng)態(tài)性的語(yǔ)言。Python的許多替代語(yǔ)言之所以快得多，原因在于它們?yōu)榱诵阅茉陟`活性方面作出了犧牲。

3、Python中一切都是對(duì)象

Python是一門(mén)面向?qū)ο蟮木幊陶Z(yǔ)言，其設(shè)計(jì)理念是一切皆是對(duì)象，如數(shù)字、字符串、元組、列表、字典、函數(shù)、方法、類(lèi)、模塊等都是對(duì)象，包括代碼，每個(gè)對(duì)象都需要維護(hù)引用計(jì)數(shù)，因此，增加了額外工作，影響了性能。

4、Python GIL

GIL是Python最為詬病的一點(diǎn)，因?yàn)镚IL，Python中的多線程并不能真正的并發(fā)，即使在單線程，GIL也會(huì)帶來(lái)很大的性能影響，因?yàn)閜ython每執(zhí)行100個(gè)opcode就會(huì)嘗試線程的切換，因此，影響Python運(yùn)行效率。

5、垃圾回收機(jī)制

Python采用標(biāo)記和分代的垃圾回收策略，每次垃圾回收的時(shí)候都會(huì)中斷正在執(zhí)行的程序，造成所謂的頓卡，影響運(yùn)行效率。

二、提升Python性能的方案

1、Cython

是Python的C語(yǔ)言擴(kuò)展，cPython是一門(mén)單獨(dú)的語(yǔ)言，專(zhuān)門(mén)用來(lái)寫(xiě)在Python里面的import用的擴(kuò)展庫(kù)。CPython跟Python語(yǔ)法基本一致，而CPython有專(zhuān)門(mén)的編譯器。據(jù)說(shuō)，Cython提供了一些特性來(lái)讓代碼更高效，比如變量類(lèi)型化，這本質(zhì)上是C要求的。一些科學(xué)計(jì)算的包，如scikit-learn依賴Cython的一些特性來(lái)保持操作簡(jiǎn)潔快速。

2、Pyston

Pyston，由Dropbox資助，使用LLVM編譯器架構(gòu)來(lái)加速Python，同樣的它也使用了適時(shí)編譯。相比于PyPy，Pyston還處于早期階段，它只支持Python的部分特性。Pyston把工作分成兩個(gè)部分，一部分是語(yǔ)言的核心特性，另一部分是把性能提升到可接受的程度。Pyston距離可以在生產(chǎn)環(huán)境使用還有一段距離

3、Nuitka

是一個(gè)Python的替代品，它可以將Python代碼轉(zhuǎn)換為C++代碼，然后編譯為可執(zhí)行文件，并且通過(guò)調(diào)用Python的API的方式實(shí)現(xiàn)從解析語(yǔ)言到編譯語(yǔ)言的轉(zhuǎn)換，在轉(zhuǎn)換到C++的過(guò)程中直接使用python的解釋器，可以保證100%的語(yǔ)法兼容。

4、Numba

Numba結(jié)合了上面幾個(gè)項(xiàng)目的想法。學(xué)習(xí)了Cython，Numba也采用了部分加速的策略，只加速CPU密集型的任務(wù)；同時(shí)它又學(xué)習(xí)了PyPy和Pyston，通過(guò)LLVM運(yùn)行Python。你可以用一個(gè)裝飾器指定你要用Numba編譯的函數(shù)，Numba繼承Numpy來(lái)加速函數(shù)的執(zhí)行，Numba不做適時(shí)編譯，它的代碼是預(yù)先編譯的。

5、PyPy

在選擇CPython的簡(jiǎn)易替代語(yǔ)言時(shí)，pypy無(wú)疑時(shí)優(yōu)異之選，與現(xiàn)有Python代碼保持高度兼容性，pypy也是默認(rèn)程序運(yùn)行時(shí)的一個(gè)很好選擇。PyPy使用了Just-in-Time即時(shí)編譯器，動(dòng)態(tài)編譯器與靜態(tài)編譯器不同，利用程序運(yùn)行的過(guò)程的數(shù)據(jù)進(jìn)行優(yōu)化。

PyPy使用適時(shí)編譯來(lái)加速Python，這項(xiàng)技術(shù)Google也在使用，Google在V8引擎中使用它加速Javascript。最近的版本PyPy2.5增加了一些提升性能的特性，其中有一項(xiàng)很受歡迎，它集成了Numpy，Numpy之前也一直被用來(lái)加速Python的運(yùn)行。

延伸閱讀1：Python優(yōu)勢(shì)

Python最大的優(yōu)勢(shì)在于效率。有時(shí)候程序員或科研工作者的效率比機(jī)器的效率更重要，對(duì)于很多復(fù)雜性的功能，使用更加清晰的語(yǔ)言能給程序減少更多的負(fù)擔(dān)，從而大大增強(qiáng)程序的質(zhì)量，其易學(xué)性和擴(kuò)展性也能讓新手很快上手。雖然Python底層運(yùn)行速度要比C語(yǔ)言慢，但Python清晰的結(jié)構(gòu)能解放程序員的時(shí)間，同時(shí)很方便的和其他編程語(yǔ)言代碼（如C語(yǔ)言）融合在一起。