Python 和 Go 各具特色，能够互补
有一个常见的误解认为 简单（simple）和 容易（easy）指的是同一件事。毕竟，如果某样东西易于使用，那么其内在机制必须也简单易懂，对吗？或者反之亦然？实际上正好相反。虽然这两个概念精神上指向相同的结果，但让外表看起来容易需要底层极其复杂的设计。
以 Python 为例，这是一种因其入门门槛低而被广泛喜爱的编程语言，因此成为入门编程语言的首选。全球的学校、大学、研究中心以及大量企业选择 Python，正是因为它对任何人都易于接近，无论他们的教育水平或学术背景如何（甚至完全没有）。人们很少需要太多类型理论或理解事物如何及在何处存储在内存中，哪些代码片段在哪个线程上运行等。此外，Python是通向一些最深奥的科学和系统级库的入口。用一行代码控制这么大的能量，足以说明其成为地球上最流行的编程语言之一的优势所在。
但这里存在一个问题 - 用 Python 代码表达事物的便捷性是有代价的。在底层，Python 解释器庞大，即使是执行单行代码也需要进行许多操作。当你听到有人称 Python 为“慢速”语言时，所谓的“慢速”很大程度上来自解释器在运行时做出的决策数量。但在我看来，这甚至不是最大的问题。Python 运行时生态系统的复杂性，加上其包管理周围一些自由的设计决策，构成了一个非常脆弱的环境，更新常会导致不兼容和运行时崩溃。发现一个 Python 应用程序几个月后再回来使用时，仅因宿主环境的足够变化就可能导致应用程序无法启动，这并不罕见。
当然，这是一种严重的简化，甚至现在的孩子都知道容器存在是为了解决这类问题。实际上，多亏了 Docker 及其类似的工具，可以“冻结” Python 代码库的依赖项，使其实际上可以永远运行。但这是以将责任和复杂性转移到操作系统基础结构为代价的。这不是世界末日，但也不是可以轻视和忽略的事情。
从容易到简单
如果我们要解决 Python 的问题，我们可能会得到像 Rust 这样的东西——极其高效但入门门槛显然很高。在我看来， Rust 既不容易使用，也不简单。虽然现在它非常热门，但尽管我有 20 年的编程经验，从 C 和 C++ 开始，我看着一段 Rust 代码也不能肯定地说我明白其中发生了什么。
大约五年前，当我在处理一个基于 Python 的系统时，我发现了 Go。虽然我尝试了几次才开始喜欢它的语法，但我立刻被简单的理念所吸引。Go 旨在让组织中的任何人都能简单理解——从刚毕业的初级开发者到只偶尔看代码的高级工程经理。更重要的是，作为一种简单的语言，Go 很少更新语法——最后一次重大更新是在 v1.18 版本中添加泛型，这是经过十年的严肃讨论之后的事情。大部分情况下，无论你是看五天前还是五年前写的 Go 代码，它们大致相同，并且应该能正常工作。
简单性需要纪律性。起初，它可能感到限制性，甚至有些落后。特别是与 Python 中的简洁表达相比，比如列表或字典推导式：
temperatures = [ {"city": "City1", "temp": 19}, {"city": "City2", "temp": 22}, {"city": "City3", "temp": 21}, ] filtered_temps = { entry["city"]: entry["temp"] for entry in temperatures if entry["temp"] > 20 }
在 Go 中编写相同的代码需要敲击更多的键盘，但理想情况下应该更接近 Python 解释器在底层所做的事情：
type CityTemperature struct { City string Temp float64 } // ... temperatures := []CityTemperature{ {"City1", 19}, {"City2", 22}, {"City3", 21}, } filteredTemps := make(map[string]float64) for _, ct := range temperatures { if ct.Temp > 20 { filteredTemps[ct.City] = ct.Temp } }
虽然你可以用 Python 编写等效代码，但编程中有一个不成文的规则说，如果语言提供了一个 更简单 （即，更简洁、更优雅）的选项，程序员会倾向于使用它。但容易是主观的，简单应该对每个人都同样适用。执行相同操作的替代方法的可用性导致了不同的编程风格，一个代码库中经常可以发现多种风格。
由于 Go 冗长且“无聊”，它自然满足了另一个条件 - Go 编译器在编译可执行文件时的工作量要少得多。编译并运行 Go 应用程序通常和启动 Python 解释器或 Java 的虚拟机之前的速度一样快，甚至更快。不出所料，作为本地可执行文件的速度是可以做到的最快的。它不像其 C/C++ 或 Rust 对手那样快，但代码复杂性却少了很多。我愿意忽略 Go 的这个小“缺点”。最后但同样重要的是，Go 二进制文件是静态绑定的，意味着你可以在任何地方构建它，并在目标主机上运行——无需任何运行时或库依赖。为了方便起见，我们仍然会将 Go 应用程序包装在 Docker 容器中。不过，这些容器显著更小，并且它们的内存和 CPU 消耗只是 Python 或 Java 对应物的一小部分。
如何将 Python 和 Go 的优势结合起来使用
我们在工作中发现的最实用的解决方案是结合 Python 的 容易 和 Go 的 简单。对我们来说，Python 是一个绝佳的原型设计游乐场。这是思想诞生的地方，科学假设得到接受和拒绝的地方。Python 自然适用于数据科学和机器学习，既然我们要处理大量这类工作，尝试用其他东西重新发明轮子就没什么意义。Python 也是 Django 的核心，这体现了它的口号，即允许快速应用程序开发，这一点很少有其他工具（当然，Ruby on Rails 和 Elixir 的 Phoenix 也值得称赞）能够做到。
假设一个项目需要哪怕是最少量的用户管理和内部数据管理（像我们的大多数项目一样）。在这种情况下，我们会从 Django 框架开始，因为它内置的 Admin 非常棒。一旦粗糙的 Django 概念验证开始类似于一个产品，我们就会确定其中有多少可以用 Go 重写。因为 Django 应用程序已经定义了数据库的结构和数据模型的外观，所以编写在其之上的 Go 代码相当容易。经过几次迭代，我们达到了一种共生状态，其中两边在同一个数据库之上和平共存，并使用基本的消息传递彼此通信。最终，Django 的“外壳”成为了一个协调器——它服务于我们的管理目的，并触发接下来由其 Go 对应物处理的任务。Go 部分处理其他一切，从面向前端的 API 和端点到业务逻辑和后端作业处理。
