cpython和c++速度,为什么Python程序比用C或C++编写的等效程序慢？

CPython特别慢，因为它没有即时优化器(因为它是参考实现，在某些情况下选择简单性而不是性能)。Unladen Swallow是一个将LLVM支持的JIT添加到CPython的项目，并实现了大量的加速。Jython和IronPython可能比CPython快得多，而且它们有经过高度优化的虚拟机(JVM和.NET CLR)支持。

不过，有一点可以说会让Python慢下来，那就是它是动态类型的，而且每个属性访问都有大量的查找。

例如，调用对象A上的f将导致在__dict__中可能的查找，调用__getattr__等，然后最终调用可调用对象f上的__call__。

对于动态类型，如果您知道要处理的是哪种类型的数据，则可以进行许多优化。例如，在Java或C中，如果有一个要求和的整数的直数组，那么最终的汇编代码可以简单到获取索引i处的值，将其添加到accumulator，然后递增i。

在Python中，很难使代码达到最佳状态。假设您有一个包含ints的list子类对象。在添加任何对象之前，Python必须调用list.__getitem__(i)，然后通过调用accumulator.__add__(n)将其添加到“累加器”，然后重复。这里可能会发生大量的替代查找，因为另一个线程可能已经在add或getitem调用之间更改了__getitem__方法、列表实例的dict或类的dict。即使在本地命名空间中找到累加器和列表(以及正在使用的任何变量)，也会导致dict查找。当使用任何用户定义的对象时，同样的开销也会应用，尽管对于某些内置类型，这种开销会有所减少。

同样值得注意的是，bigint(Python 3中的int，Python 2.x中的long)、list、set、dict等原始类型是人们在Python中经常使用的。在这些对象上有大量的内置操作已经进行了足够的优化。例如，在上面的例子中，您只需要调用sum(list)，而不用使用累加器和索引。坚持这些原则，并使用int/float/complex进行一些数字处理，通常不会出现速度问题，如果这样做了，可能有一个很小的时间关键单元(例如SHA2摘要函数)可以简单地移到C(或Jython中的Java代码)。事实上，当你对C或C++进行编码时，你将浪费掉<>强> > /强>做你可以在几秒钟/行的Python代码中完成的事情。我要说的是，这种折衷总是值得的，除非你正在做一些类似嵌入式或实时编程的事情，但你负担不起。