是什么缘由致使Python运算效率这么低呢？

Python是一门目前很流行的编程语言，因其语法简洁、功能强大、上手简单，目前已普遍应用于人工智能等领域，可是python运算效率低，具体是什么缘由呢，下列罗列一些：

第一：python是动态语言

一个变量所指向对象的类型在运行时才肯定，编译器作不了任何预测，也就无从优化。举一个简单的例子：　r = a + b。　a和b相加，但a和b的类型在运行时才知道，对于加法操做，不一样的类型有不一样的处理，因此每次运行的时候都会去判断a和b的类型，而后执行对应的操做。而在静态语言如C++中，编译的时候就肯定了运行时的代码。

另一个例子是属性查找，关于具体的查找顺序在《python属性查找》中有详细介绍。简而言之，访问对象的某个属性是一个很是复杂的过程，并且经过同一个变量访问到的python对象还均可能不同（参见Lazy property的例子）。而在C语言中，访问属性用对象的地址加上属性的偏移就能够了。

第二：python是解释执行，可是不支持JIT（just in time compiler）。虽然大名鼎鼎的google曾经尝试Unladen Swallow 这个项目，但最终也折了。

第三：python中一切都是对象，每一个对象都须要维护引用计数，增长了额外的工做。

第四：python GIL，GIL是Python最为诟病的一点，由于GIL，python中的多线程并不能真正的并发。若是是在IO bound的业务场景，这个问题并不大，可是在CPU BOUND的场景，这就很致命了。因此笔者在工做中使用python多线程的状况并很少，通常都是使用多进程（pre fork），或者在加上协程。即便在单线程，GIL也会带来很大的性能影响，由于python每执行100个opcode（默认，能够经过sys.setcheckinterval()设置）就会尝试线程的切换，具体的源代码在ceval.c::PyEval_EvalFrameEx。

第五：垃圾回收，这个多是全部具备垃圾回收的编程语言的通病。python采用标记和分代的垃圾回收策略，每次垃圾回收的时候都会中断正在执行的程序，形成所谓的顿卡。infoq上有一篇文章，提到禁用Python的GC机制后，Instagram性能提高了10%。感兴趣的朋友能够去仔细研磨。

兔子动态IP致力于为各行业提供最优质的网络服务，不只能够提供动态IP服务，还能够提供企业级爬虫代理IP服务，为您提供安全稳定、高效便捷的爬虫代理IP服务，提供代理IP资源的同时，还能够设置不一样类型的HTTP代理，以及设置去重等等标准，助您不间断获取行业数据，助您轻松跨入 “人工智能”时代。