用數據告訴你 Python 程式碼比 Java 慢 100 倍！

小夥伴們都知道，在系統的軟體開發中，不僅僅是只使用一種語言，也會涉及到不同的語言。

各個語言之間有共性、也有個性。正是這些不同的個性、註定它們會用在不同的場合來解決不同類型的問題。

而程式語言在開發階段中也會存在差異性，在軟體開發這個抽象的概念下，程式語言的差異性主要體現在編碼和編譯以及運行上。

先來看看編譯型語言定義：

編譯型語言首先是將源程式碼編譯生成機器指令，再由機器運行機器碼(二進位)。也就是在運行之前，程式碼已經被翻譯位機器碼了。

再來看看解釋型語言的定義：

解釋型語言的源程式碼不是直接翻譯成機器指令，而是先翻譯成中間程式碼，再由解釋器對中間程式碼進行解釋運行。也就是到機器碼需要兩個步驟，運行前先到中間碼，運行時再編譯成機器碼。

有的小夥伴認為，雖然解釋型程式語言可以讓開發者更快地編寫和測試程式碼，但仍然認為編譯器是值得長期投入的。

編譯型程式碼有兩個明顯的優勢：

於是偏愛編譯型語言的小夥伴將 Java 、 Go 和 Python通過比較在處理不同任務時的性能表現，來驗證到底編譯型程式碼的執行速度會比解釋型快多少。

通過程式碼比較 JIT 的性能，後來使用 Python 和 Go 也實現了一遍。

這段程式碼計算 100 的 Fibonacci 數值，每一輪計算 50 次，並列印執行時間（納秒），共計算 200 輪。

三種語言的輸出結果看起來像這樣：

平均值是這樣：

可以看到，在計算 Fibonacci 數值時，Java 比 Go 要慢一些，大概慢 24%，而 Python 幾乎慢了 100 倍，也就是 9458%。

這個結果驗證了對 Java 和 Go 的判斷，但讓我們感到吃驚的是 Python 的表現，它慢得不只是一個數量級，是兩個！

Python 為什麼會花這麼多時間。

很多人關注的是 Python 的易用性，並通過犧牲性能來快速獲得處理結果。

相信數據科學家們都是這麼想的，況且有這麼多現成的庫可以用，為什麼要去找其他的？遲早會有人優化它們的。

第二個原因是很多人沒有比較過不同的實現，因為很多公司在激烈的競爭中忙於做出產品，根本無暇顧及什麼優化不優化。

第三個原因，有一些方式可以讓同樣的 Python 程式碼跑得更快。

把 Python 程式碼編譯一下會如何？

PyPy 是 Python 的另一個實現，它本身就是使用 Python 開發的，包含了一個像 Java 那樣的 JIT 編譯器。

跟 Java 一樣，我們需要忽略初始的輸出，並跳過 JIT 編譯過程，得到的結果如下：

PyPy 的平均響應速度比 Python 快 5 倍，但仍然比 Go 慢 20 倍。

通過執行這些簡單的數學運算我們可以得出這樣的結論：

Go 的執行速度比 Java 快一些，比解釋運行的 Python 快 2 個數量級。

所以在高負載的關鍵任務上使用Python不是一個好的選擇。

如果小夥伴正面臨這樣的情況，可以考慮使用 Python 編譯器作為短期的應急方案。