Python 現(xiàn)在已經(jīng)不僅僅是膠水腳本語言了. 不信？看看下面使用Python的成功案例:

• YouTube - 主要由 Python編寫
• NASA
• Industrial Light & Magic Runs - 電影公司
• OpenStack
• Sage - 科學(xué)軟件及其他 (SciPy, PythonXY)
• WEB框架 Django, Pyramid, bottle...
• 修訂控制系統(tǒng)
• 其他不錯(cuò)的軟件

要是你正在尋找快速介紹美麗的Python語言，我推薦My-Favorite-Python-Things

高級(jí)語言是主流

目前高級(jí)語言可以寫出簡(jiǎn)單具有靈活性的代碼. 所以在快速創(chuàng)建應(yīng)用程序的時(shí)候是一個(gè)不錯(cuò)的選擇, 你不需要花時(shí)間來處理各種數(shù)據(jù)類型 (所有接口示例代碼都是為了滿足編譯處理). 可能有些人就會(huì)爭(zhēng)論了，這個(gè)特性會(huì)產(chǎn)生有bug的代碼. 但是 Guido van Rossum說:“生產(chǎn)的代碼誰會(huì)不經(jīng)過測(cè)試呢”? 靜態(tài)語言在編譯時(shí)期就能處理一些錯(cuò)誤. 但這并不能檢測(cè)出所有的錯(cuò)誤. ***你還是得編寫測(cè)試代碼。 而有這個(gè)時(shí)間完全可以為動(dòng)態(tài)語言寫出測(cè)試代碼. 此外人們還不能設(shè)計(jì)一個(gè)堪稱***的類型系統(tǒng). 對(duì)此Jim Treavor寫了一些總結(jié)。

新技術(shù)允許我們?yōu)閯?dòng)態(tài)語言設(shè)計(jì)一個(gè)高效的運(yùn)行環(huán)境 (JavaScript V8, LuaJIT, Racket, Common Lisp...), 這也可以和大型的框架競(jìng)爭(zhēng) (JVM, .NET, ...)

所有這一切都使得高級(jí)語言越來越流行得在大型企業(yè)和日常生活中使用。

Python能延續(xù)傳奇嗎？

現(xiàn)在Python非常流行，同時(shí)它的地位也受到競(jìng)爭(zhēng)者的挑戰(zhàn)。Python有良好的生態(tài)系統(tǒng)，也有大型軟件和社區(qū)支持，但它缺乏其競(jìng)爭(zhēng)者的高效和先進(jìn)的運(yùn)行環(huán)境。

這與以往Lisp的理念一樣，代碼即數(shù)據(jù)，代碼能夠被其他正在執(zhí)行的代碼理解（代碼可以作為數(shù)據(jù)被處理）。因而機(jī)器可以理解運(yùn)行時(shí)正在執(zhí)行的代碼，并且去優(yōu)化它，通過通常的方式就能得到全部的數(shù)據(jù)信息，而不用像C++那樣使用模板。這是C++和其他流行的編程語言所沒有的。最終我們有相對(duì)更底層的抽象級(jí)別，而運(yùn)行時(shí)信息相對(duì)更豐富，使得編譯器可以：

• 為未知的硬件做特化 (編碼時(shí))，包括支持的數(shù)據(jù)類型，以及可用的優(yōu)化方法。
• 自動(dòng)調(diào)整（tuning） (例如為庫(kù)提供的數(shù)據(jù)，如 ATLAS...)
• 推送更多的信息給編譯器，得到更好的推理。
• 人們不用為數(shù)據(jù)類型煩惱（運(yùn)行時(shí)環(huán)境就已經(jīng)可以保證快速、正確使用數(shù)據(jù)類型）

于是整個(gè)流程就好像這樣：

• 想法
• 一點(diǎn)Python代碼（最棒的部分），用來構(gòu)建整個(gè)架構(gòu)。然后是一些底層的代碼 ，同樣很棒，因?yàn)檫@些代碼沒有惡心的模板和上下文代碼。事實(shí)上，底層的代碼也可以通過Python代碼生成。
• 運(yùn)行
• 調(diào)試，比起前面的步驟時(shí)間更短一些

就性能而言，這樣的過程相比之前的方法有著更好的前景。

這些是已經(jīng)用到這種方式的：PyPy, cffi, PyOpenCL, PyCUDA, numba, theano...

解釋器的設(shè)計(jì)

為了讓下一步的開發(fā)更簡(jiǎn)單，實(shí)現(xiàn)動(dòng)態(tài)語言的***狀態(tài)，Python需要一個(gè)合適的架構(gòu)。當(dāng)前CPython的架構(gòu)過于簡(jiǎn)單，因而限制比較大，很難做到像JIT編譯器那樣的功能。下面是一些在增強(qiáng)CPython解釋器性能上的失敗的努力：

• psyco (被PyPy代替)
• Unladen swallow
• 消除GIL的很多失敗的嘗試
• 還有一些嘗試修復(fù)CPython一些缺陷的嘗試: Stackless和HotPy，但是Guido (Python之父，仁慈的獨(dú)裁者) 的堅(jiān)持使得這些項(xiàng)目沒有被合并到Python中。（說明一下，HotPy還不是產(chǎn)品級(jí)的東西）。

CPython***的問題是他的C API，這部分沒有很好的設(shè)計(jì)。其他部分的實(shí)現(xiàn)多少都受此影響。

PyPy同時(shí)還包含了一個(gè)優(yōu)秀的現(xiàn)代的架構(gòu)，在 Jim Huang 的演講 中做了介紹，演講的要點(diǎn)是：

• 解釋性語言的框架
• 用于研究和產(chǎn)品的組件組合 (不同的數(shù)據(jù)模型，垃圾回收 - 這些可以在具體的應(yīng)用場(chǎng)景進(jìn)行改變)
• 構(gòu)建在基于組件鏈的功能架構(gòu)之上(翻譯工具鏈)。每一個(gè)步驟都會(huì)延續(xù)/轉(zhuǎn)換程序模型、引入特征、各種后端（JVM, JavaScript, LLVM, GCC IR等等)。來看一下翻譯鏈的例子：python 代碼 -> 字節(jié)碼 -> 函數(shù)對(duì)象 -> 類型推斷 -> 垃圾收集器 -> JIT
• 包含大量在架構(gòu)的不同層次開發(fā)的現(xiàn)代的優(yōu)化技術(shù) (這個(gè)任務(wù)可以簡(jiǎn)化)

相信讓所有軟件支持PyPy需要付出艱巨的努力 - 需要在現(xiàn)有的庫(kù)上做很多工作。不過使用新的工具，編寫支持PyPy和CPython的軟件會(huì)比采用C擴(kuò)展的方式更簡(jiǎn)單一些（在我們能做什么一節(jié)有介紹）。

CPython遺留問題

現(xiàn)在來說一下CPython依賴性代碼的遺留問題 (源于它們緊密依賴 c 擴(kuò)展)。 這些主要是科學(xué)相關(guān)的軟件 (NumPy, SciPy 等等)。Python在PyPy成為產(chǎn)品級(jí)軟件之前早就被用于科學(xué)計(jì)算（我認(rèn)為實(shí)在2年之前），之后這些軟件在工具、代碼和社區(qū)方面都得到很多發(fā)展。這些軟件一起構(gòu)建了一個(gè)很棒的平臺(tái)，通常被用來作為Matlab之類的軟件的替換（有人甚至認(rèn)為是更好的選擇）。要實(shí)現(xiàn)這些，C擴(kuò)展是目前唯一的解決方案。現(xiàn)在，這些軟件的發(fā)展仍然與CPython緊密綁定，因?yàn)橐尶茖W(xué)計(jì)算相關(guān)的軟件全部支持PyPy，需要大量的工作。近似的方案是使用按需執(zhí)行的JIT - 對(duì)特定的函數(shù)做修飾，然后動(dòng)態(tài)的把它們編譯成機(jī)器碼并切換到使用c擴(kuò)展。這個(gè)想法不需要重寫所有的科學(xué)計(jì)算的平臺(tái)，而速度同樣快速。采用這種方式的典型項(xiàng)目是numba，這是由Continuum Analytics (這家公司主要發(fā)布基于python庫(kù)的強(qiáng)壯的科學(xué)計(jì)算平臺(tái))贊助的。Numba采用這種方式是因?yàn)樗目焖倌_本需要與其他依賴CPython的科學(xué)計(jì)算代碼兼容。numba值得學(xué)一下，SciPy會(huì)議的 numba演講 是一個(gè)很好的闡述。

不得不說Python的科學(xué)計(jì)算社區(qū)非常棒。他們非常關(guān)注于質(zhì)量、易用性和推廣他們的產(chǎn)品（為此組織了很多會(huì)議：SciPy大會(huì)，PyData等）。感謝他們讓Python成為免費(fèi)的科學(xué)分析平臺(tái)的***。這里還需要提一下Travis Oliphant，他在社區(qū)中付出了很多努力，讓整個(gè)平臺(tái)協(xié)調(diào)一致。關(guān)于這些可以看一下這篇博客文章：為何Python是你最終必須學(xué)習(xí)的編程語言