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。

图片

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%。

图片

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。

图片

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

你也许感兴趣的:

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注