总结Python的短板

这篇文章主要知识点是关于Python、短板、缺陷、少儿编程课的内容，如果大家想对相关知识点有系统深入的学习，可以参阅以下电子书

父与子的编程之旅：与小卡特一起学Python中文含源码版

• 类型：儿童Python大小：21.5 MB格式：PDF出版：人民邮电出版社作者：Warren

立即下载

Python的缺陷

虽然Python拥有很多优点，但没有哪种编程语言能够胜任所有工作，因此Python并不能完美地满足一切需求。如果要确定Python是否适用于当前场景，还需要了解Python不擅长的领域。

1.3.1　Python不是速度最快的语言

Python的执行速度可能算得上是一个缺点。Python不是一个完全编译的语言，而是先编译为内部字节码形式，然后交由Python解释器来执行。Python为某些操作给出了高效的实现，例如，用正则表达式解析字符串，可以做到与自己编写的任何C语言代码一样快，甚至会更快。但在大多数情况下，采用Python会比C之类的语言实现更慢。但大家应该保持以下观点：对绝大多数应用程序而言，现代计算机的计算能力都是过剩的。开发速度比程序运行速度更为重要，而Python程序通常编写速度会快很多。另外，用C或C ++编写的模块对Python进行扩展也比较容易，程序当中的CPU密集型部分可以交由这些模块来运行。

1.3.2　Python的库不算最多

虽然Python自带了一批优秀的函数库集合，而且还有很多其他库可用，但是Python在库的数量上并不算领先。像C、Java和Perl之类的编程语言，可用的库集合数量更为庞大。它们在某些领域提供的解决方案是Python所没有的，或者Python可能只提供了其中的一种可选方案。不过这些往往是相当专业的领域，而Python是很容易扩展的，既可以用Python，也可以用C或其他语言的现有库。对于几乎所有的常规计算问题，Python库的支持能力都非常出色。

1.3.3　Python在编译时不检查变量类型

与某些其他编程语言不同，Python变量不像容器那样工作，而更像是引用整数、字符串、类实例等各类对象的标签。这表示这些对象本身虽然是有类型的，但引用它们的变量并没有与类型进行绑定。变量x可能在某一行代码中引用一个字符串，而在另一行代码中引用一个整数：

>>> x = "2"
>>> x
'2'     ⇽---  x为字符串"2"
>>> x = int(x)
>>> x
2       ⇽---  现在x为整数值2

Python将类型与对象关联，而不是与变量关联，这就意味着Python解释器无法识别出变量类型不符的错误。假设变量count本来是用来保存整数的，但如果将字符串"two"赋给它，在Python里也完全没问题。传统的程序员将这种处理方式算作一个缺点，因为对代码失去了额外的免费检查。但是这种错误通常不难发现和修复，Python的代码检测功能可以避免类型错误的发生。大多数Python程序员都认为，动态类型的灵活性是划得来的。

1.3.4　Python对移动应用的支持不足

在过去的10年中，移动设备的数量和种类都出现了爆炸式的增长，到处都是智能手机、平板电脑、平板手机、Chromebook，运行的操作系统也是五花八门。Python在移动计算领域并不算强大。虽然有解决方案可选，但在移动设备上运行Python并不总是能一帆风顺，用Python编写和发布商业应用还存在问题。

1.3.5　Python对多处理器的利用不充分

现在多核处理器已经普及，在很多情况下也都会带来性能的明显提升。但是，由于具有名为全局解释器锁（global interpreter lock，GIL）的特性，Python的标准版本并没有按照多内核来进行设计。详情请查看David Beazley、Larry Hastings等人关于GIL的讨论视频，或者访问Python wiki里的GIL页面。尽管用Python可以运行并发进程，但如果需要“开箱即用”的并发能力，Python可能并不合适。

扩展阅读：python使用协程与并发的作用以及优缺点

python协程的概念介绍

协程

协程是一种用户态的轻量级线程，又称微线程。

协程拥有自己的寄存器上下文和栈，调度切换时，将寄存器上下文和栈保存到其他地方，在切回来的时候，恢复先前保存的寄存器上下文和栈。因此：协程能保留上一次调用时的状态（即所有局部状态的一个特定组合），每次过程重入时，就相当于进入上一次调用的状态，换种说法：进入上一次离开时所处逻辑流的位置。

python编程使用协程并发的优缺点

优点：

1.无需线程上下文切换的开销
2.无需原子操作锁定及同步的开销
3.方便切换控制流，简化编程模型
4.高并发+高扩展性+低成本：一个CPU支持上万的协程都不是问题。所以很适合用于高并发处理。

所谓原子操作是指不会被线程调度机制打断的操作；这种操作一旦开始，就一直运行到结束，中间不会有任何 context switch （切换到另一个线程）。

原子操作可以是一个步骤，也可以是多个操作步骤，但是其顺序是不可以被打乱，或者切割掉只执行部分。视作整体是原子性的核心。

缺点：

1.无法利用多核资源：协程的本质是个单线程,它不能同时将 单个CPU 的多个核用上,协程需要和进程配合才能运行在多CPU上.当然我们日常所编写的绝大部分应用都没有这个必要，除非是cpu密集型应用。
2.进行阻塞（Blocking）操作（如IO时）会阻塞掉整个程序

使用Gevent

gevent是python的一个并发框架,以微线程greenlet为核心，使用了epoll事件监听机制以及诸多其他优化而变得高效.

•简单示例

gevent的sleep可以交出控制权，当我们在受限于网络或IO的函数中使用gevent，这些函数会被协作式的调度， gevent的真正能力会得到发挥。Gevent处理了所有的细节， 来保证你的网络库会在可能的时候，隐式交出greenlet上下文的执行权。

import gevent
def foo():
  print('running in foo')
  gevent.sleep(0)
  print('com back from bar in to foo')
def bar():
  print('running in bar')
  gevent.sleep(0)
  print('com back from foo in to bar')
# 创建线程并行执行程序
gevent.joinall([
  gevent.spawn(foo),
  gevent.spawn(bar),
]) 

　　执行结果

running in foo
running in bar
com back from bar in to foo
com back from foo in to bar

•同步异步

import random
import gevent
def task(pid):
  gevent.sleep(random.randint(0, 2) * 0.001)
  print('Task %s done' % pid)
def synchronous():
  for i in range(1, 10):
    task(i)
def asynchronous():
  threads = [gevent.spawn(task, i) for i in range(10)]
  gevent.joinall(threads)
print('Synchronous:')
synchronous()
print('Asynchronous:')
asynchronous() 

执行输出

Synchronous:
Task 1 done
Task 2 done
Task 3 done
Task 4 done
Task 5 done
Task 6 done
Task 7 done
Task 8 done
Task 9 done
Asynchronous:
Task 0 done

•以子类的方法使用协程

可以子类化Greenlet类，重载它的_run方法，类似多线线程和多进程模块

import gevent
from gevent import Greenlet
class Test(Greenlet):
  def __init__(self, message, n):
    Greenlet.__init__(self)
    self.message = message
    self.n = n
  def _run(self):
    print(self.message, 'start')
    gevent.sleep(self.n)
    print(self.message, 'end')
tests = [
  Test("hello", 3),
  Test("world", 2),
]
for test in tests:
  test.start() # 启动
for test in tests:
  test.join() # 等待执行结束 

•使用monkey patch修改系统标准库(自动切换协程)

当一个greenlet遇到IO操作时，比如访问网络，就自动切换到其他的greenlet，等到IO操作完成，再在适当的时候切换回来继续执行。

由于IO操作非常耗时，经常使程序处于等待状态，有了gevent为我们自动切换协程，就保证总有greenlet在运行，而不是等待IO。

由于切换是在IO操作时自动完成，所以gevent需要修改Python自带的一些标准库，这一过程在启动时通过monkey patch完成

import gevent
import requests
from gevent import monkey
monkey.patch_socket()
def task(url):
  r = requests.get(url)
  print('%s bytes received from %s' % (len(r.text), url))
gevent.joinall([
  gevent.spawn(task, 'https://www.baidu.com/'),
  gevent.spawn(task, 'https://www.qq.com/'),
  gevent.spawn(task, 'https://www.jd.com/'),
]) 

执行输出

2443 bytes received from https://www.baidu.com/
108315 bytes received from https://www.jd.com/
231873 bytes received from https://www.qq.com/

可以看出3个网络操作是并发执行的，而且结束顺序不同

python里创建多个协程并发执行

像前面线性地执行的协程，理解起来非常容易，并且使用关键字await就可以解决了，但是很多情况之下是并发地执行多个协程的，因为常常把任务分解成多个协程运行，比如要从一个网站上下载网页，这时需要下载HTML内容，同时也要下载网页里很多图片的资源，在这种情况之下，就可以把多个图片下载进行并发执行，并且没有顺序运行的关系。在这个例子里使用wait()函数来实现多个协程并发执行，并等待所有协程完成：

import asyncio
 
 
async def phase(i):
    print('in phase {}'.format(i))
    await asyncio.sleep(0.1 * i)
    print('done with phase {}'.format(i))
    return 'phase {} result'.format(i)
 
 
async def main(num_phases):
    print('starting main')
    phases = [
        phase(i)
        for i in range(num_phases)
    ]
    print('waiting for phases to complete')
    completed, pending = await asyncio.wait(phases)
    results = [t.result() for t in completed]
    print('results: {!r}'.format(results))
 
 
event_loop = asyncio.get_event_loop()
try:
    event_loop.run_until_complete(main(3))
finally:
    event_loop.close()

结果输出如下：

starting main
waiting for phases to complete
in phase 0
in phase 2
in phase 1
done with phase 0
done with phase 1
done with phase 2
results: ['phase 2 result', 'phase 0 result', 'phase 1 result']

在这个例子里，使用wait()函数来等所有协程完成，返回两个结果集的元组：完成和阻塞的作务。

以上就是本次给大家分享的关于少儿学python的全部知识点内容总结，大家还可以在下方相关文章里找到西瓜少儿编程的意义 、 在线儿童编程软件 、 郴州少儿编程 、 漳州哪里有培训少儿编程、 北京少儿编程班阿尔法 、 等少儿学python相关文章进一步学习，感谢大家的阅读和支持。

上一篇：python的长处浅析

下一篇：简单谈下学Python 3的理由