Python即将出局？Julia和Swift能取而代之吗？全文共3042字

全文共3042字，预计学习时长8分钟
文章插图
图源：unsplash
上世纪90年代， Python作为一种通用编程语言诞生了。尽管语句简洁， Python在最初十年的使用情况却并不乐观，它也没能真正成为开发者使用的编程语言。当时， Perl是编程首选， Java已在面向对象编程领域站稳脚跟。
当然，一切编程语言都需要一定的成熟时间，只有它比现有工具更适合编程，才会被广泛使用。 Python在21世纪初期的第一个机遇就是，人们意识到Python的学习曲线比Perl简单，还能与其他语言互相操作。这种特性让大量开发者使用Python编程。 Django的出现终结了Perl, Python势头更猛了，但仍然无法与其“后辈”Java和JavaScript相提并论。
快进到现在， 2019年StackOverflow开发者年度调查报告显示， Python已超越Java成为第二受欢迎的语言。
Python还是10年来发展速度最快的编程语言。 Python的普及很大程度上得益于2010年大数据的出现及机器学习、人工智能的发展。企业迫切需要发展迅速、门槛低的编程语言以管理大规模数据和科学计算任务，而Python能完美解决这些问题。
除了以上优势， Python还是一种动态类型的解释型语言。更重要的是，它得到了Google的支持，后者为Tensorflow购买了Python ，这使其成为数据分析、可视化和机器学习的首选语言。
然而，尽管对机器学习和人工智能的需求在新十年也将不断增加，但Python的好景却不长了。如同其它编程语言一般， Python本身也有缺陷。这些缺陷让它能轻易被其它更适合完成企业常规任务的语言所取代。哪怕有R语言坐镇， Swift、Julia和Rust等新编程语言的出现也对数据科学的现任王者构成了极大威胁。
Rust仍在努力适配机器学习，所以我认为Swift和Julia是取代Python并最终统治数据科学的语言。一起来看看Python面临的困境吧。
文章插图
Python缺乏类型安全性，运行速度非常慢
文章插图
图源：unsplash
所有的好事都要付出代价， Python的动态类型化也不例外。动态类型可以轻松快速地编写代码而无需定义类型。然而，尤其是当代码库变大时，代码运行更容易出问题，开发人员在生产环境中运行代码时会更艰难。编译器很容易发现的 BUG ，在Python中反而无法识别，这样就会产生开发障碍，最终降低大规模应用程序的开发速度。
更糟糕的是，不同于编译代码， Python的解释程序每次执行时都要分析每行代码。相比于其它语言， Python开销更大，程序性能低得多。
而Julia能避免上述问题。 Julia虽是动态类型语言，但是它有实时编译器。其JIF编译器要么就是在执行前生成正确的机器代码，要么就是使用先前已储存、缓存的编译，这让它拥有与静态类型语言一样的性能。
更重要的是， Julia有一个称为多分派的关键特性，类似于OOPs的函数重载（虽然仅能用于运行程序）。多分派的强大之处在于它能够处理不同的参数类型，而无需创建单独的函数名或嵌套的if语句。这有助于编写更加紧凑的代码，也是数值计算的一大胜利，它可以轻松地通过扩展解决方案来处理所有类型的参数。
Swift甚至更胜一筹。 Swift是静态类型语言， LLVM编译器（低级虚拟机器）对其进行了高度优化。它能快速编译成汇编代码，这让Swift超高效运行，速度可比拟C语言。
此外， Swift拥有更好的内存安全和管理工具，即自动引用计数（Automatic Reference Counting）。与garbage收集器不同，只要引用计数归零， ARC就会回收内存，因此更为准确。
作为提供类型注释的编译语言， Swift和Julia比Python速度更快，功能更强大。仅仅这一点，可能就足以让开发人员推荐它们。
文章插图
Python在并行性方面有局限性Python最大的缺点不是速度慢，而是并行计算的局限性。简单地说， Python使用GIL（全局解释器锁）——它会通过阻止多个线程同时执行，来提高单个线程的性能。该过程有一个很大的障碍：开发人员不能使用多个 CPU核心来进行密集的计算。
我们在利用Python与Tensorflow、PyTorch 等C/C++库的互操作性方面做得不错。这一点众所周知，我也十分赞同。但是Python包装器并不能解决所有调试问题，最后还是得靠C和C++检查底层代码。从根本上说， Python的优势在低层无效，这点足以让Python出局。