前言：

多年前我第一次接触Python，在此之后便成为 Python 的疯狂爱好者。
在工作中能用程序自动化实现的，我都尽可能积极的使用 Python，工作效率有了质的飞跃；
由此，我慢慢地了解到了 GIL，也通过尝试知道了在计算密集行任务方面，Python 的性能表现也许的确不如 Java，Golang 等静态语言，正因如此，有很多人开始不再尝试使用 Python，但在这里我想说，从我这些年的从业经历来看，Python 并没有让我觉得"慢"，即使让我去与其他语言相比；也许它不如其他语言快，但对我来说并没有什么影响，在这里我归纳了几个我认为Python不影响实用操作的原因，不知是否会与你们引起共鸣：

1. 速度真的有那么重要吗？并不见得。

过去，程序要花很长时间才能运行。CPU、内存都很昂贵，程序的运行时间是一个非常重要的指标，电脑非常贵，运行它们的电费也很贵，而商业永恒不变的法制就是---优化你最贵的那部分资源。从历史来看，最昂贵的就是计算机的运行时间，这也是商业和科学研究的重点，算法，编译优化，都是为了让程序更快的完成。

现在计算机不那么贵了，每个人都有了自己的电脑，不少人都有了自己的个人网站（服务器），硬件的性能也像摩尔定律那样提升了很多，计算机的运行时间不在昂贵，而昂贵的是你的时间，本质上讲，老板雇佣你，就是购买的你的可支配时间。毫无疑问，同样的功能，Python 是最节省你的时间的。

你也许会说，我的公司在乎速度，我创建了一个 web 应用程序，需要在毫秒内响应，或者说客户会取消下单因为我们的应用太慢了。我并不否认速度不再重要，我想说的是 速度并不是你最昂贵的资源，最昂贵的是你的时间，或者你公司抢占市场的先机，也就是说你的编程速度是最昂贵的资源。

2. 微服务的兴起，意味着时代的更迭。

像亚马逊、谷歌、奈飞等公司都知道快速行动的重要性，他们创建的业务系统可以快速部署和创新，微服务是其解决问题的方法，本文不讨论是否该使用微服务，但至少亚马逊、谷歌、奈飞觉得应该使用微服务。而微服务本来就慢，本来一个调用一个函数搞定，现在搞调用一个网络接口。一个函数也就若干个 CPU 周期，而一个网络接口却是 TCP 的三次握手和四次挥手，如果假设一个 CPU 周期是 1 秒的话，那么从加尼福利亚到纽约的网络访问时常则是 4 年。微服务最大的缺点就是慢，最大的优点就是可以快速出产品，快速上市。微服务的流行正说明，现在这个时代吗，产品迭代开发速度远比程序的运行速度更重要。

3. CPU 已不再是瓶颈。

如果你编写 WEB 应用，那么 CPU 的时间已经不是瓶颈。还是刚才的例子，如果假设一个 CPU 周期是 1 秒的话，那么从加尼福利亚到纽约的网络访问时常则是 4 年，比如说同一数据中心内部的网络通信大约 3 毫秒，这相当于人类的 3 个月，假设你用其他较快的编程语言 X 响应一次请求需要 100000 个 CPU 周期，这相当于人类的 1 天，也就是说总的响应时间是 3 个月+ 1 天。现在，就算 Python 比 X 慢 5 倍，也就是说总的响应时间是 3 个月+ 5 天，你觉得区别大吗？假如需要 3 个月后才能收到快递，那么再多等个四天，基本上没有多大关系。

这就意味着，即使 Python 有点慢也没关系，也就是说语言的速度（ CPU 时间）几乎不是问题，Google 对此进行了研究并发表了论文[https://static.googleusercontent.com/media/research.google.com/en//archive/sawzall-sciprog.pdf]，大致意思如下：在高吞吐量环境下使用解释型语言看起来很矛盾，但我们发现 CPU 时间极少是限制因素，编程语言的可表达性意味着大多数程序都很小，大部分时间都是花在 I/O 操作和本地运行时代码上，此外解释型语言在允许我们将计算结果分布到许多机器上很有帮助。

4. CPU 时间就是瓶颈吗？

你可能会说，我们遇到的问题就是 CPU 是瓶颈，导致 WEB 应用访问很慢，或者说语言 X 就是比语言 Y 快，没错，有时确实如此。不过，WEB 服务器的妙处在于你几乎可以无限制的进行负载均衡，最简单粗暴的方法，就是升级 CPU 或硬件，与你的时间相比，这些硬件非常便宜，如果一年节省你几个星期的时间，这足以支付增加的硬件成本。

此外 Python 还可以调用 C 语言或 Java 的函数，如果你觉得某一块慢，可以使用其他语言改写，再用 Python 调用，此外还可以了解下 Cython，可以把 Python 代码编译为 C 代码来提升速度。

5. Python 更快吗？

前面一直在说，最重要的是开发时间的长短，那么 Python 更快吗？我可以明确的告诉你，Python 的生产率更高，它可以帮助你更专注于真正要编写的代码，而不会陷入细小的杂草中（你不用考虑用 vector 好还是 array 好），下面是一组数据来自一项研究论文：

untitled.png

不同语言编写一个字符串处理程序所花费的时间

可以看出 Python 的生产力是 Java 的 2 倍以上。可以说 Python 比其他许多语言的生产力更高，主要是由于 Python 的内省和大量的第三方库。

6. 如果运行时间确实有影响呢？

有些情况下，运行时的性能确实很重要，那就需要优化，但不要过早优化，在不了解瓶颈的情况下进行优化，成为过早优化。过早优化会浪费你宝贵的时间，你应该找到瓶颈（最昂贵的资源），然后进行针对的优化。

7. 小结一下

最后，小结一下吧

1、针对最昂贵的资源进行优化，而不是计算机。

2、选择可以帮助快速开发的语言或框架

3、当你遇到性能问题时要找到瓶颈，很可能不是 CPU 或 Python 本身。

4、如果 Python 是瓶颈（已经优化了算法），请将关键代码转至 Cython 或 C 语言。

享受 Python 快速完成工作的过程吧！

有疑问加站长微信联系（非本文作者）