是什麼緣由致使Python運算效率這麼低呢？

Python是一門目前很流行的編程語言，因其語法簡潔、功能強大、上手簡單，目前已普遍應用於人工智能等領域，可是python運算效率低，具體是什麼緣由呢，下列羅列一些：

第一：python是動態語言

一個變量所指向對象的類型在運行時才肯定，編譯器作不了任何預測，也就無從優化。舉一個簡單的例子：　r = a + b。　a和b相加，但a和b的類型在運行時才知道，對於加法操做，不一樣的類型有不一樣的處理，因此每次運行的時候都會去判斷a和b的類型，而後執行對應的操做。而在靜態語言如C++中，編譯的時候就肯定了運行時的代碼。

另一個例子是屬性查找，關於具體的查找順序在《python屬性查找》中有詳細介紹。簡而言之，訪問對象的某個屬性是一個很是複雜的過程，並且經過同一個變量訪問到的python對象還均可能不同（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能夠了。

第二：python是解釋執行，可是不支持JIT（just in time compiler）。雖然大名鼎鼎的google曾經嘗試Unladen Swallow 這個項目，但最終也折了。

第三：python中一切都是對象，每一個對象都須要維護引用計數，增長了額外的工做。

第四：python GIL，GIL是Python最爲詬病的一點，由於GIL，python中的多線程並不能真正的併發。若是是在IO bound的業務場景，這個問題並不大，可是在CPU BOUND的場景，這就很致命了。因此筆者在工做中使用python多線程的狀況並很少，通常都是使用多進程（pre fork），或者在加上協程。即便在單線程，GIL也會帶來很大的性能影響，由於python每執行100個opcode（默認，能夠經過sys.setcheckinterval()設置）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，這個多是全部具備垃圾回收的編程語言的通病。python採用標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行的程序，形成所謂的頓卡。infoq上有一篇文章，提到禁用Python的GC機制後，Instagram性能提高了10%。感興趣的朋友能夠去仔細研磨。

兔子動態IP致力於爲各行業提供最優質的網絡服務，不只能夠提供動態IP服務，還能夠提供企業級爬蟲代理IP服務，爲您提供安全穩定、高效便捷的爬蟲代理IP服務，提供代理IP資源的同時，還能夠設置不一樣類型的HTTP代理，以及設置去重等等標準，助您不間斷獲取行業數據，助您輕鬆跨入 「人工智能」時代。