背景说明

在最近的语言项目开发中，遇到一个Python处理性能问题：

由于实时数据量较大（每秒有2100条日志，进较且每条日志平均大小在1kB左右），行性且受制于硬件资源限制，试比使用Python做实时数据处理，语言无法完成当前规模的进较数据集处理能力，数据越积越多，行性数据入库延时越来越长！试比

第一版Python实现，语言其处理性能：840/s 优化版Python实现，进较其处理性能：1100/s

离2100/s，行性才刚满足其一半的试比性能，这是语言不能接受的！

结论：在不使用Python多并发处理或增加硬件资源条件下，进较Python是行性不能完成当前系统性能要求的！

补充说明：

开3~4个Python数据处理进程能够刚刚满足系统性能要求，但是数据处理仅是系统一个模块，系统还有其他功能模块，对数据处理硬件资源要求，CPU不超过2个逻辑核心，内存最大不超过4GB；

关于硬件资源，由于项目规模原因，设备资源是有限的。亿华云计算

解决方案

本身知道Python运行速度并不快，跟其他编程语言（Java、Golang、C++等）性能差距较大。平时项目开发，使用Python都没有任何问题。确实没有重视Python性能方面的问题。

综合考虑，就眼下项目实际情况，为解决数据处理性能问题，采用Golang方案，使用Go语言重写数据处理模块代码逻辑，并最终解决了数据处理的性能问题！

最后说一下Go版数据处理性能：Go版数据处理性能是Python版的4到5倍，2100条日志处理只用了0.3s，仅使用单核CPU未并非处理，而且也只使用了单核 CPU 60%的处理性能！

Python性能测试

接下来进入主题，Python运行效率慢于其他编程语言，到底有多慢呢？那我们做一个Python的性能测试。

1.测试内容：

求0~N之间质数个数，具体求以下整数区间质数个数：

0~1w 0~4w 0~10w 0~20w 0~50w 0~100w

强调说明：本测试只是用来说明Python运行效率，语言其他方面的对比不属于该测试范畴！

2.测试编程语言包括：

测试编程语言有：C语言、Java、云南idc服务商node.js、Golang、Python等，通过不同语言测试结果，对比得出Python的运行效率结论。

语言版本说明：

C语言：gcc version 8.1.0 Java：1.8.0_121 Nodejs：v10.15.3 Golang：v1.12.7 Python：v3.7.3

除了Python，选择了C语言、Java、Nodejs、Golang作为性能对比测试语言，代表了当前主流的、使用广泛的编程语言

3.测试环境说明：

在windows10最新版本； java代码打包成可执行jar包，python代码生产pyc文件，C代码和Go代码生产各自的可执行代码；

求素数过程采用相同的方法（两层for循环）

4.测试结果：

5.测试结论：

这5种编程语言，C语言运行效率最高，Python的运行效率最差。

C语言、Java、Node.js、Golang的运行效率比Python成几何倍数高。

举一个比较明显测试结果，求0~20w之整数区间的质数个数，这个过程：

C语言用时6s Java用时7s Nodejs用时8s Golang用时17s Python用时121s，是C语言的源码下载20倍，是Java的17倍，是Nodejs的15倍，是Go的7倍

开发效率和运行效率

对编程而言，开发效率和运行效率是始终是对立的：

追求开发效率高，其运行效率不快； 追求运行效率高，其开发效率不快；

既能保证开发效率，又能兼顾运行效率，那只能等到量子计算机普及了，扯远了....

Python的开发效率

Python运行效率不高，但是其开发效率很高，这就是Python的优势，简单易学习，快速入门、实现短周期迭代开发，加之拥有丰富的、功能强大第三方库，一旦你使用Python一段时间，你就会对它上瘾，产生依赖，离不开它，再使用其他编程语言，各种不适应，因为Python给我们开发带来了太多方便，这就是Python开发效率！

再举个例子：

网上有这样一个段子，同样一个功能模块，使用C语言实现需要写几百行代码，使用Java实现需要写100行代码，使用Python实现就需要十几行代码，这个一点不夸张，确实是这样，虽然Python运行效率不强，但是Python的开发效率快。

综述

这个测试目的：是对Python这门语言有一个正确的认知，不仅要知道Python功能强大，优势众多，应用广泛，但性能是Python不能规避的问题，只有了解了这些，我们才能正确运用Python！

很赞哦!（196）