杂谈

人人都知道python慢，这都变成了人尽皆知的事情了，但你知道具体是什么拖慢了python的运行吗？

动态类型肯定要算一个！

动态类型，能够提高开发效率，能够让我们更加专注逻辑开发，使得编程更加灵活。

a = 1
a = 'a'
a = 2.3

你完全不需要定义变量的类型，尽管写代码即可，解释器将动态判断变量的类型。

当然，有了动态类型，肯定有一种静态类型与之对应，很多很多语言都是静态的，比如 C、JAVA、C#、C++等等，它们的特点是要强制确定变量类型。

// C
int a = 1;

一、慢性毒药——类型检查

静态类型的语言中，每个类型检查在编译期就已经确定了；而python在运行过程中才会确定类型，而且每次变量被访问，都需要确定当前类型才能进一步执行，这都需要 CPU 参与进来。

这就像两种流水线，一条静态类型的流水线仅需要一次检查即可；另一条动态类型的流水线，每次货物来了都需要安排人去检查，这肯定会影响性能。

不同的流水线工作方式

特别是在密集的计算过程中，会进行大量的 类型检查，那么计算性能就会变得很差，这就是为什么很多计算库都通过 C、C++或其它编译型静态语言 来实现的重要原因。

二、优化壁垒——无法进行静态优化

静态类型的语言可以通过一些手段，来优化代码，以此来提升程序的性能，比如 循环展开、死代码消除、常量传播等。

但是动态类型的语言就很难做到提前优化来提升性能，它必须在运行期间才能知道类型，就没法做到以上的那些操作。

这就像静态类型语言在考试前先把试卷的 所有问题看一遍，然后再做答；但动态类型语言就像真正的 闭卷考试，所有问题只有答题时才能知道。

提前知道考题，做题速度当然快

三、天生的胖子——内存开销大

静态类型的语言，丁是丁，卯是卯，一个 int 类型该是4字节就是4字节。

但python的动态类型可不是，要知道python是一个 纯面向对象 的语言，所有东西都是对象，它并不是纯粹的数据类型，这将消耗额外的内存来存储对象。

这就说明python是天生的胖子，它的内存消耗天然就是要大。

python天然的内存消耗大

四、优化思路

4.1 使用JIT编译器

我们可以用 JIT技术 来运行程序，提高性能，比如 PyPy，下载后直接用它进行运行：

pypy your_script.py

关于JIT技术本文不阐述，以后再开篇文章来说！

4.2 计算密集型使用性能更佳的库

当你需要执行大量计算，不要使用python原生的计算方式，采用 numpy、scipy 等库来执行将跳过动态类型检查，提升性能。

4.3 使用静态类型语言开发结合python

这个操作适合大佬，直接使用 Cython 来开发，结合python使用。

五、总结

很多人看到这里可能都不敢用python了，其实不用担心，我们一般情况下是用不到性能瓶颈的，依赖于现在日益强大的硬件，很多程序都能流畅运行。

动态类型虽然性能上打了折扣，但是实在在提高了开发效率，能够更加快速地实现我们的想法，正所谓 鱼和熊掌不可兼得，有牺牲肯定有回报。