Python 現(xiàn)在已經(jīng)不僅僅是膠水腳本語言了. 不信,？看看下面使用Python的成功案例:

• YouTube - 主要由 Python編寫
• NASA
• Industrial Light & Magic Runs - 電影公司
• OpenStack
• Sage - 科學(xué)軟件及其他 (SciPy, PythonXY)
• WEB框架 Django, Pyramid, bottle...
• 修訂控制系統(tǒng)
• 其他不錯(cuò)的軟件
  

　　要是你正在尋找快速介紹美麗的Python語言,，我推薦My-Favorite-Python-Things

　　目前高級(jí)語言可以寫出簡單具有靈活性的代碼. 所以在快速創(chuàng)建應(yīng)用程序的時(shí)候是一個(gè)不錯(cuò)的選擇, 你不需要花時(shí)間來處理各種數(shù)據(jù)類型 (所有接口示例代碼都是為了滿足編譯處理). 可能有些人就會(huì)爭論了，這個(gè)特性會(huì)產(chǎn)生有bug的代碼. 但是 Guido van Rossum說:“生產(chǎn)的代碼誰會(huì)不經(jīng)過測試呢”? 靜態(tài)語言在編譯時(shí)期就能處理一些錯(cuò)誤. 但這并不能檢測出所有的錯(cuò)誤. 最后你還是得編寫測試代碼,。 而有這個(gè)時(shí)間完全可以為動(dòng)態(tài)語言寫出測試代碼. 此外人們還不能設(shè)計(jì)一個(gè)堪稱完美的類型系統(tǒng). 對(duì)此Jim Treavor寫了一些總結(jié),。

　　新技術(shù)允許我們?yōu)閯?dòng)態(tài)語言設(shè)計(jì)一個(gè)高效的運(yùn)行環(huán)境 (JavaScript V8, LuaJIT, Racket, Common Lisp...), 這也可以和大型的框架競爭 (JVM, .NET, ...)

　　所有這一切都使得高級(jí)語言越來越流行得在大型企業(yè)和日常生活中使用。

　　現(xiàn)在Python非常流行,，同時(shí)它的地位也受到競爭者的挑戰(zhàn)。Python有良好的生態(tài)系統(tǒng),，也有大型軟件和社區(qū)支持,，但它缺乏其競爭者的高效和先進(jìn)的運(yùn)行環(huán)境。

　　正如我在開頭說的一個(gè)特點(diǎn),，Python很容易連接各種編譯庫,，這是它作為膠水語言在20年前流行的重要原因。但是目前依然活躍的工具已經(jīng)很老舊了,，你必須花大量精力才能使用它們,。

• ctypes
• c 擴(kuò)展 是邪惡的. 它們綁定到Python的特定版本還不能被重復(fù)使用. 更糟糕的是, CPython2和CPython3的c 擴(kuò)展 API不一樣. 想想將庫移植到Python3會(huì)是什么情況吧！
• Cython - 這是被設(shè)計(jì)用來編寫C擴(kuò)展的. 但是我敢確定,，使用C擴(kuò)展是你最后想做的事. Cython 是一個(gè)需要編譯的外部工具. 它最終的代碼并沒有動(dòng)態(tài)行為,，但是它的語法還需要學(xué)習(xí). Cython不支持類型推斷. 使用Cpython你不得不去編譯. Cython也不是一個(gè)標(biāo)準(zhǔn). 它不能作為解釋代碼來執(zhí)行. _nuitka_的作者 Kay Hayen在Static Compilation - That is the point總結(jié)的非常好.
• swig, boost - 這些是非常容易的, 通常修改下C/C++ 代碼就可以了, 或者寫一些方案文件.
  

　　相比之下，有很多新的工具能在相同的性能下（甚至超出）,，更好的處理這些任務(wù),。

• cffi - 一個(gè)能輕松處理你的c庫的包。在接觸硬件或者支持其他軟件時(shí)你會(huì)經(jīng)常做這樣的事（像數(shù)據(jù)庫客戶端,、驅(qū)動(dòng)程序）,。嘗試下在python里使用它是多么簡單吧。你不需要寫任何的封裝,，類型化代碼,。而且還有 CPython 和 PyPy 的支持。
• bitey
  

　　膠水語言也有另一面,。我們來想想底層高性能編程的過程,。可能看起來會(huì)是下面幾個(gè)過程：

• 構(gòu)思
• 很多復(fù)雜的底層代碼和組織機(jī)構(gòu)代碼,。很可能是一堆晦澀的泛型代碼（為了重用性）,。
• 編寫膠水語言
• 編譯
• 運(yùn)行
• 極可能會(huì)做很多的調(diào)試，然后回去修改,，考慮到有這么多的底層代碼,。
  

　　感謝Python的簡便性、腳本語言的本質(zhì)和大量的工具,，將他作為你代碼的模板和核心,。這就意味著你只需要寫最少的底層代碼,，讓Python做剩下的事：生成組織代碼和你的底層代碼需要的環(huán)境。

　　這與以往Lisp的理念一樣,，代碼即數(shù)據(jù),，代碼能夠被其他正在執(zhí)行的代碼理解（代碼可以作為數(shù)據(jù)被處理）。因而機(jī)器可以理解運(yùn)行時(shí)正在執(zhí)行的代碼,，并且去優(yōu)化它,，通過通常的方式就能得到全部的數(shù)據(jù)信息，而不用像C++那樣使用模板,。這是C++和其他流行的編程語言所沒有的,。最終我們有相對(duì)更底層的抽象級(jí)別，而運(yùn)行時(shí)信息相對(duì)更豐富,，使得編譯器可以：

• 為未知的硬件做特化 (編碼時(shí)),，包括支持的數(shù)據(jù)類型，以及可用的優(yōu)化方法,。
• 自動(dòng)調(diào)整（tuning） (例如為庫提供的數(shù)據(jù),，如 ATLAS...)
• 推送更多的信息給編譯器，得到更好的推理,。
• 人們不用為數(shù)據(jù)類型煩惱（運(yùn)行時(shí)環(huán)境就已經(jīng)可以保證快速,、正確使用數(shù)據(jù)類型）
  

　　于是整個(gè)流程就好像這樣：

• 想法
• 一點(diǎn)Python代碼（最棒的部分），用來構(gòu)建整個(gè)架構(gòu),。然后是一些底層的代碼 ,，同樣很棒，因?yàn)檫@些代碼沒有惡心的模板和上下文代碼,。事實(shí)上,，底層的代碼也可以通過Python代碼生成。
• 運(yùn)行
• 調(diào)試,，比起前面的步驟時(shí)間更短一些
  

　　就性能而言,，這樣的過程相比之前的方法有著更好的前景。

　　這些是已經(jīng)用到這種方式的：PyPy, cffi, PyOpenCL, PyCUDA, numba, theano...

　　有很多方法能用Python寫出高速的代碼,。最流行而且仍在廣泛傳播的方法是,，用底層語言來寫應(yīng)用里最復(fù)雜的部分，然后使用,，這對(duì)python來說無疑是很不幸的事,。

　　所有Python里出色的高效的工具都需要許多復(fù)雜的c代碼，這阻礙了其他的貢獻(xiàn)者進(jìn)來?，F(xiàn)在我們想要寫出高速而且美觀的python代碼,。

　　有很多工具可以把python代碼編譯成機(jī)器代碼,，比如：Nuitka, Python2C, Shedskin, pythran,。我認(rèn)為它們都是失敗的,，當(dāng)你使用它們的時(shí)候，就需要跟動(dòng)態(tài)行為說再見了,。他們只支持一部分的python語言,，并且離完全支持還有很大距離。我甚至不認(rèn)為以后他們能做到,。另外他們也沒有用那些使JIT（Just-In-Time 運(yùn)行時(shí)編譯執(zhí)行）的解決方案變得出色的先進(jìn)的技術(shù)和運(yùn)行時(shí)信息,。

　　這方面，Armins Rigo的文章寫的很棒,，可以參考：Multicore Programming in PyPy and CPython

　　為了讓下一步的開發(fā)更簡單,，實(shí)現(xiàn)動(dòng)態(tài)語言的最佳狀態(tài)，Python需要一個(gè)合適的架構(gòu),。當(dāng)前CPython的架構(gòu)過于簡單,，因而限制比較大，很難做到像JIT編譯器那樣的功能,。下面是一些在增強(qiáng)CPython解釋器性能上的失敗的努力：

• psyco (被PyPy代替)
• Unladen swallow
• 消除GIL的很多失敗的嘗試
• 還有一些嘗試修復(fù)CPython一些缺陷的嘗試: Stackless和HotPy,，但是Guido (Python之父，仁慈的獨(dú)裁者) 的堅(jiān)持使得這些項(xiàng)目沒有被合并到Python中,。（說明一下,，HotPy還不是產(chǎn)品級(jí)的東西）。
  

　　CPython最大的問題是他的C API,，這部分沒有很好的設(shè)計(jì),。其他部分的實(shí)現(xiàn)多少都受此影響。

• 在粘結(jié)代碼中推進(jìn)新工具的使用 ( cffi, bitey)
• 在公共庫中停止對(duì)CPython的底層屬性（C API,，C擴(kuò)展）的依賴。作為替代,，采用有如下功能的中間工具：
  

• cffi - 簡化對(duì)C庫的應(yīng)用
• cython - 編寫可移植的C擴(kuò)展,。我并不推薦它用于通常的編程，不過它確實(shí)在維護(hù)C擴(kuò)展方面更好一些,，也更簡單,。Cython已經(jīng)有CPython和PyPy后端。
  

　　PyPy為優(yōu)化和進(jìn)一步的語言開發(fā)提供了更好的架構(gòu),。對(duì)于大部分Python已有的問題，PyPy已經(jīng)提供了解決方案：

• 先進(jìn)的runtime和設(shè)計(jì),，在此文中作了介紹： The Architecture of Open Source Applications.
• 速度 - PyPy內(nèi)置的JIT很棒,，有時(shí)（其實(shí)很少）甚至可以與C相提并論。
• GIL問題 - PyPy引入了一個(gè)很棒的STM實(shí)現(xiàn)，在 Armins Rigo的 文章中對(duì)此作了介紹,。
• 粘合代碼 - 使用cffi可以簡單的處理C庫,，甚至比CPython的ctypes還要快！
• 異步編程,。這方面,，PyPy內(nèi)置的 greenlet 比CPython的C擴(kuò)展更適合一些。實(shí)際上,，非堆棧式的概念（也即greenlet）在PyPy中還在繼續(xù)發(fā)展（參看https://ep2012./conference/talks/the-story-of-stackless-python）
• 沙盒技術(shù)
• 應(yīng)用在web和移動(dòng)中,。這里有Dusty的一些文章：Pushing Python Past the Present
  

　　PyPy已經(jīng)支持多平臺(tái) (x86, 64_x86, ARM)

　　PyPy同時(shí)還包含了一個(gè)優(yōu)秀的現(xiàn)代的架構(gòu)，在 Jim Huang 的演講 中做了介紹,，演講的要點(diǎn)是：

• 解釋性語言的框架
• 用于研究和產(chǎn)品的組件組合 (不同的數(shù)據(jù)模型,，垃圾回收 - 這些可以在具體的應(yīng)用場景進(jìn)行改變)
• 構(gòu)建在基于組件鏈的功能架構(gòu)之上(翻譯工具鏈)。每一個(gè)步驟都會(huì)延續(xù)/轉(zhuǎn)換程序模型,、引入特征,、各種后端（JVM, JavaScript, LLVM, GCC IR等等)。來看一下翻譯鏈的例子：python 代碼 -> 字節(jié)碼 -> 函數(shù)對(duì)象 -> 類型推斷 -> 垃圾收集器 -> JIT
• 包含大量在架構(gòu)的不同層次開發(fā)的現(xiàn)代的優(yōu)化技術(shù) (這個(gè)任務(wù)可以簡化)
  

　　相信讓所有軟件支持PyPy需要付出艱巨的努力 - 需要在現(xiàn)有的庫上做很多工作,。不過使用新的工具,，編寫支持PyPy和CPython的軟件會(huì)比采用C擴(kuò)展的方式更簡單一些（在我們能做什么一節(jié)有介紹）。

　　現(xiàn)在來說一下CPython依賴性代碼的遺留問題 (源于它們緊密依賴 c 擴(kuò)展),。 這些主要是科學(xué)相關(guān)的軟件 (NumPy, SciPy 等等),。Python在PyPy成為產(chǎn)品級(jí)軟件之前早就被用于科學(xué)計(jì)算（我認(rèn)為實(shí)在2年之前），之后這些軟件在工具,、代碼和社區(qū)方面都得到很多發(fā)展,。這些軟件一起構(gòu)建了一個(gè)很棒的平臺(tái)，通常被用來作為Matlab之類的軟件的替換（有人甚至認(rèn)為是更好的選擇）,。要實(shí)現(xiàn)這些,，C擴(kuò)展是目前唯一的解決方案。現(xiàn)在,，這些軟件的發(fā)展仍然與CPython緊密綁定,，因?yàn)橐尶茖W(xué)計(jì)算相關(guān)的軟件全部支持PyPy，需要大量的工作,。近似的方案是使用按需執(zhí)行的JIT - 對(duì)特定的函數(shù)做修飾,，然后動(dòng)態(tài)的把它們編譯成機(jī)器碼并切換到使用c擴(kuò)展。這個(gè)想法不需要重寫所有的科學(xué)計(jì)算的平臺(tái),，而速度同樣快速,。采用這種方式的典型項(xiàng)目是numba，這是由Continuum Analytics (這家公司主要發(fā)布基于python庫的強(qiáng)壯的科學(xué)計(jì)算平臺(tái))贊助的,。Numba采用這種方式是因?yàn)樗目焖倌_本需要與其他依賴CPython的科學(xué)計(jì)算代碼兼容,。numba值得學(xué)一下,，SciPy會(huì)議的 numba演講 是一個(gè)很好的闡述。

　　不得不說Python的科學(xué)計(jì)算社區(qū)非常棒,。他們非常關(guān)注于質(zhì)量,、易用性和推廣他們的產(chǎn)品（為此組織了很多會(huì)議：SciPy大會(huì)，PyData等）,。感謝他們讓Python成為免費(fèi)的科學(xué)分析平臺(tái)的首選。這里還需要提一下Travis Oliphant,，他在社區(qū)中付出了很多努力,，讓整個(gè)平臺(tái)協(xié)調(diào)一致。關(guān)于這些可以看一下這篇博客文章：為何Python是你最終必須學(xué)習(xí)的編程語言

　　我希望PyPy當(dāng)時(shí)并沒有達(dá)到產(chǎn)品級(jí)可用,。

　　關(guān)于本文的后續(xù)在Reddit上有一個(gè)有趣的討論,。這是關(guān)于在商業(yè)上應(yīng)用PyPy的優(yōu)缺點(diǎn)的討論。討論者總結(jié)了如何使用基于高性能庫的PyPy,。最重要的是使用PyPy軟件棧（原始Python,、cffi，等等）可以讓維護(hù)和優(yōu)化很簡單（例如：延遲計(jì)算）,。至于缺點(diǎn),，上面提到了，主要與CPython的遺留問題有關(guān),。