原文链接
在我看来，编译型代码有两个明显的优势：
每次修改代码都可以得到验证，甚至是在开始运行代码之前。
更快的执行速度。根据具体情况，代码可能被编译成非常底层的运行指令。
我之所以要写这篇文章，是想比较一下编译型代码的执行速度会比解释型快多少。
因为我偏爱编译型编程语言，所以现在有个问题：我手头有很多感兴趣的代码，但它们都是用 Python 写的，我该怎么办？全部重写？部分重写？完全不重写？
先入之见
在这篇文章里，我通过比较 Java 、 Go 和 Python 在处理不同任务时的性能表现来验证我对它们的一些先入之见。首先是 Python，我正在考虑要不要把它替换掉。至于 Java，我已经是 20 多年的粉丝了，一路看着它成熟，不管是性能还是功能都在变得更好。最后是 Go，我两年前才开始用它，但真的很喜欢它。虽然 Go 相比 Java 还缺失了一些特性，比如类继承，但它的语法简洁而紧凑，编译和执行速度都很快，生成的代码也很紧凑，还提供了优雅的 goroutine 来实现并发处理。
以下是我的一些先入之见。
编译型代码的执行速度比解释型代码要快一个数量级。之前，我比较了使用 JIT 和不使用 JIT 编译 Java 代码所获得的性能，它们的比率大概是 30 比 1。
Go 的运行速度比 Java 要快一点。我记得在之前的工作中做过一些测试，发现 Go 在处理某些任务时要比 Java 快 30%，但最近一些文章又说 Java 比 Go 快。
先来测试一把我在之前的一篇文章中通过一些代码比较过 JIT 的性能，后来使用 Python 和 Go 也实现了一遍。这段代码计算 100 的 Fibonacci 数值，每一轮计算 50 次，并打印执行时间（纳秒），共计算 200 轮。代码可以在 GitHub 上找到。
三种语言的输出结果看起来像这样：
复制代码
Java Go Python
...
122 123 11683
119 107 11539
123 104 11358
120 115 11926
119 118 11973
120 104 11377
109 103 12960
127 122 15683
112 106 11482
...
平均值是这样：
复制代码
Java Go Python
130 105 10050
可以看到，在计算 Fibonacci 数值时，Java 比 Go 要慢一些，大概慢 24%，而 Python 几乎慢了 100 倍，也就是 9458%。
这个结果验证了我最初对 Java 和 Go 的判断，但让我感到吃惊的是 Python 的表现，它慢得不只是一个数量级，是两个！
我在想 Python 为什么会花这么多时间。
我首先想到的是，很多人关注的是 Python 的易用性，并通过牺牲性能来快速获得处理结果。我相信数据科学家们都是这么想的。况且有这么多现成的库可以用，为什么要去找其他的？迟早会有人优化它们的。
第二个原因是很多人没有比较过不同的实现，因为很多初创公司在激烈的竞争中忙于做出产品，根本无暇顾及什么优化不优化。
第三个原因，有一些方式可以让同样的 Python 代码跑得更快。
把 Python 代码编译一下会如何
在做了一些调研之后，我决定使用 PyPy 测试一下相同的 Python 代码。PyPy 是 Python 的另一个实现，它本身就是使用 Python 开发的，包含了一个像 Java 那样的 JIT 编译器。跟 Java 一样，我们需要忽略初始的输出，并跳过 JIT 编译过程，得到的结果如下：
复制代码
Java Go Python PyPy
130 105 10050 1887
PyPy 的平均响应速度比 Python 快 5 倍，但仍然比 Go 慢 20 倍。
更多的测试
以上的测试主要集中在数值的计算上，如果回到最开始所说的 Python 代码，我还需要关注：
Kafka、HTTP 监听器和数据库的 IO；
解析 JSON 消息。
总结
本文通过执行简单的数学运算得出这样的结论：Go 的执行速度比 Java 快一些，比解释运行的 Python 快 2 个数量级。
基于这样的结果，我个人是不会使用 Go 来替换 Java 的。
另一方面，在高负载的关键任务上使用 Python 不是一个好的选择。如果你正面临这种情况，可以考虑使用 Python 编译器作为短期的应急方案。
在决定是否要重写 Python 代码时，还需要考虑到其他因素，比如 IO 和 CPU 方面的问题，但这些超出本文的范围了。
有人提醒我，使用 Go 和 Java 的 64 位整型只能准确计算出 92 的 Fibonacci 数值，再往后会出现溢出（译者：所以代码后来改成了计算 90 的 Fibonacci 数值）。但即使是这样，本文的结论仍然是有效的。
