python为啥运行效率不高

python运算效率低，具体是什么原因呢，下列罗列一些：

原因：1、python是动态语言;2、python是解释执行，但是不支持JIT;3、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。4、pythonGIL;5、垃圾回收。

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，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(参见Lazyproperty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可以了。

第二：python是解释执行，但是不支持JIT(justintimecompiler)。虽然大名鼎鼎的google曾经尝试UnladenSwallow这个项目，但最终也折了。

第三：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。

第四：pythonGIL，GIL是Python最为诟病的一点，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。所以笔者在工作中使用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(默认，可以通过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。infoq上有一篇文章，提到禁用Python的GC机制后，Instagram性能提升了10%。感兴趣的读者可以去细读。

以上内容为大家介绍了Python增强，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注IT培训机构:千锋教育。