到底该不该使用 Python?

最近，大家总在吐槽 Python：“虽然它是一种不错的语言，但不适用于专业领域。”

前不久，我在 LinkedIn 上找到一篇帖子，主要建议初级开发人员应该学习哪种语言，以便获得更好的工作机会，Python 凭借出色的表现稳居第一。

其它证据同样表明：Python 确实太受欢迎了！近日，TIOBE 编程社区公布了“2023 年 8 月编程语言排行榜”。

数据显示：Python 依然排名第一，占比 13.33%；C 语言紧随其后，排行第二，占比 11.41%；C++位列第三，占比 10.63%，与 C 语言差距为 0.78%。

此外，Java 和 C#分别排在第四和第五位，占比分别为 10.33%和 7.04%。JavaScript 在本月依然保持榜单第六位，占比为 3.29%。

虽然 Python 如此受欢迎，但它能否持续流行依旧是一个重大问题，很多用户普遍认为，如果持续使用将会使行业倒退好几年。

1、局限：Python 无法开发大型应用程序

Python 对于开发大型应用程序不太友好，在工程化实践中需要特殊的技术支持。

“我曾用 Python 编写过大型应用程序很多年。由于 Python 入门非常简单，在编写大型应用程序时就像用乐高积木构建核反应堆一样。”原作者在文章中形象地比喻道。

“但是，现在‘反应堆’已经运行很久，辐射泄漏到处都有，我们需要到处‘贴新砖’让‘反应堆’持续运转。”

实际上，目前唯一能做的就是将“反应堆”封装在混凝土中让它冷却下来，然后再用合适的建筑材料构建出一个新的。

认为“Python 无法开发大型应用程序”的网友认为它“不太友好”，在工程化实践中需要特殊技术支持。

也有反对者认为：在大型项目中，与影响更大的其它因素相比，编程语言的语法、语义、范式等几乎无关紧要。团队经验和熟悉度、开发管理、流程、实践、支持工具、文档、语言生态系统、语言成熟度、管理支持等都会对项目结果产生更大的影响。

另外，从技术层面来讲，质疑 Python 无法开发大型编程语言只能反映提问者对相关开发缺乏了解。这些质疑一是源于 Python 的动态类型特性，使类型推断变得困难，对代码的静态检查和重构十分不利；二是由于 Python 代码没有编译过程，因此缺少编译时检查错误机制。

关于动态类型特性质疑，Python 从 3.3 版本起就引入类型声明，因此，只要遵循规范编写代码，类型推断和代码重构就不是问题。

不久前，ChatGPT 的问世也证明了 Python 可以写出高性能、可扩展性强的大型分布式计算平台—Ray。目前，这个平台已汇聚超过 1 亿的月活跃用户。

“糟糕的应用程序架构是绝大多数应用产生性能瓶颈的原因，而不应该由开发语言来背黑锅。”有些评论者这样认为。

2、速度慢

诚然，Python 与其它开发语言相比，在运行速度方面确实落后不少。究其根源，还是由于 Python 之父认为不需要过多关注 Python 的速度问题，认为它已经足够快了。

确实，对于 99%以上的任务来说，Python 的速度够快，快到足以支撑早期 Google 和 Dropbox。

自那时起，Python 的速度又有了显著提升，但开发者仍要求 Python 运行得更快。因为，无论人们已经使用 Python 构建出算力多么惊人的计算平台，它的计算能力在很多场景下依然更慢。

3、功能差

当然，Python 是一种灵活的和 duck 类型的语言：我们键入代码、保存它，然后仅在运行时才能根据输入的数据确定语句始终有效、有时有效还是根本不可能实现。 

此外，你在用 Python 编写程序时，只能部分控制进入该函数的数据，需要严格检查所有输入的数据。

更糟糕的是，Python 的 duck 式输入方式可能会引入“可怕”代码，这会带来麻烦。

4、错误百出

我在用 Python 编写大型应用程序的这些年里，经历过一些可怕的事情；如果这些应用程序是用理性的、安全的语言编写的，这些事就不会发生。

*在几年前的一个例子中，我设法说服组织用 Rust 重写系统，效果非常不错！

实际上，我曾多次在社区中发布用 Python 编写的大型应用程序新版本，结果却立即被错误“吞噬”；这些错误都是由 Python 代码异常导致的。

*Python 的捍卫者会说，这不是语言的缺陷，而是代码审查和测试方法的缺陷。

*他们错了！理论上，测试方法主要是查看每一行代码并检查每个输入和场景，但实际上这并不可能！

好的编程语言的特点之一是：你不必检查和测试内存中每个相关位置的排列；如果必须详尽地检查和测试每个“a=b+c”，程序将可能永远无法应用于实践。

我会经常查看 Python 函数，并想了解是否有人实际调用了它们以及携带了哪些参数。

我也经常不得不“求助”代码库的全文搜索功能寻找调用位置；不幸的是，即便没有输出任何结果，当我删除相应函数时，程序依然会崩溃；就算程序没有立即崩溃，也无法判断程序是否会在某种情况下崩溃。

5、分叉进程，耗尽内存

用 Python 的另一个问题是内存。我的笔记本电脑有 10 个 CPU 内核，其中，Python 应用程序大约占用 1.2 个。

这该怎么办呢？幸运的是，我可以在 Python 中使用分叉工作进程的功能处理请求，确保所有核心都能正常使用。

不幸的是，分叉进程的操作很快就耗尽了内存，所以我决定在处理完一定数量的请求后自行终止分叉，然后由 Linux 进行内存管理。虽然这并不是 Python 本身的问题，但 Python 使内存管理变得更加糟糕。

分叉工作进程还有另一个影响：Python 使用引用计数法击败了写时复制。为控制引用计数，保存只读变量的内存块也被写入，从而耗费了一定的内存。

解决这个问题的有效方法是：让编译器对所有由主进程创建和由 worker 进程继承的变量使用参考数值，而不必触及到具有该参考数值的引用计数。

这是超级聪明的解决方案，但我认为应该没这个必要。如果你需要破解编译器才能让 Python 为你所用，那这种语言又有什么用呢?

总之，Python 使编写可靠、易于维护和快速的代码变得非常困难。

6、将 Python 替换成 GO

当我对 Python 忍无可忍之时就会转向 Go，它使用起来几乎与 Python 同样容易、安全，还能快速构建系统并生成高度优化的二进制本机代码文件。

虽然 Go 也并不是完美的，但是，如果你想可靠和快速地编写代码，并在代码失控时可以调试和重构，Go 比 Python 好很多！

参考资料：

https://www.zhihu.com/question/321166662/answer/2937406779?utm_id=0

https://www.zhihu.com/question/321166662/answer/2937406779

本文文字及图片出自 InfoQ