For investors
股价:
5.36 美元 %For investors
股价:
5.36 美元 %认真做教育 专心促就业
性能优化问题一直都是程序员需要长期关注的核心问题之一,下面我们就通过案例分析来了解一下,python编程运行缓慢的原因分析。
一:python是动态语言
一个变量所指向对象的类型在运行时才确定,编译器做不了任何预测,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,对于加法操作,不同的类型有不同的处理,所以每次运行的时候都会去判断a和b的类型,然后执行对应的操作。而在静态语言如C++中,编译的时候就确定了运行时的代码。
另外一个例子是属性查找,简而言之,访问对象的某个属性是一个非常复杂的过程,而且通过同一个变量访问到的python对象还都可能不一样。而在C语言中,访问属性用对象的地址加上属性的偏移就可以了。
二:python是解释执行,但是不支持JIT。
三:python中一切都是对象,每个对象都需要维护引用计数,增加了额外的工作。
四:pythonGIL
GIL是Python为诟病的一点,因为GIL,python中的多线程并不能真正的并发。如果是在IObound的业务场景,这个问题并不大,但是在CPUBOUND的场景,这就很致命了。所以在工作中使用python多线程的情况并不多,一般都是使用多进程(prefork),或者在加上协程。即使在单线程,GIL也会带来很大的性能影响,因为python每执行100个opcode就会尝试线程的切换。
五:垃圾回收,这个可能是所有具有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,造成所谓的顿卡。
【免责声明】本文系本网编辑部分转载,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请在30日内与管理员联系,我们会予以更改或删除相关文章,以保证您的权益!更多内容请加danei0707学习了解。欢迎关注“达内在线”参与分销,赚更多好礼。