python運(yùn)行效率不高是什么原因

小編給大家分享一下python運(yùn)行效率不高是什么原因，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討吧！

原因：1、python是動態(tài)語言；2、python是解釋執(zhí)行，但是不支持JIT；3、python中一切都是對象，每個對象都需要維護(hù)引用計數(shù)，增加了額外的工作。4、python GIL；5、垃圾回收。

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(yùn)行效率，這是對計算機(jī)而言，完成計算任務(wù)所需要的時間。編碼效率和運(yùn)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(yùn)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(yùn)算得更快，希望python可以更強(qiáng)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(yùn)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\(yùn)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(yùn)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(yùn)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(yùn)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(hù)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(jìn)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(jī)制后，Instagram性能提升了10%。感興趣的讀者可以去細(xì)讀。

看完了這篇文章，相信你對python運(yùn)行效率不高是什么原因有了一定的了解，想了解更多相關(guān)知識，歡迎關(guān)注億速云行業(yè)資訊頻道，感謝各位的閱讀！