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%。

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！