Python+Go——混合框架的优势

姜振建 15954039008

已于 2022-07-27 20:04:56 修改

阅读量1.9k

点赞数 2

分类专栏： python+go 文章标签： golang 开发语言后端

于 2022-07-24 09:30:08 首次发布

本文链接：https://blog.csdn.net/weixin_44565926/article/details/125955822

版权

python+go 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

python和go比较：
在这里插入图片描述
那么，能不能结合两种语言的优势，采用混合框架呢？
答案是可以的，
混合框架的优势：
结合两种语言的优点，既具有Python语言的多类库、多应用场景的优势，又兼具Go 语言的支持高并发、运行高效的特点。
1)支持传输超大附件（1G以上）；
2)支持数据库读写分离；
3)支持人工智能算法，特别是深度学习算法。
深度学习是机器学习中一种基于对数据进行表征学习的方法。深度学习又可以分为三种典型算法，分别为卷积神经网络（CNN）、循环神经网络（RNN）和生成对抗网络（RAN）。
卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks)，是深度学习的代表算法之一。典型的CNN由3个部分组成——卷积层、池化层、全连接层。
循环神经网络(Recurrent Neural Network, RNN)是一类以序列数据为输入，在序列的演进方向进行递归且所有节点(循环单元)按链式连接的递归神经网络。
生成对抗网络(GAN, Generative Adversarial Networks )是一种深度学习模型，由生成器和判别器组成。
PYTHON是AI开发的代表性语言，功能强大，但它的性能，是我们一直诟病的一个问题。
GOLANG的优点是垃圾自动回收，支持高并发，编译后的.SO文件体积小，一个服务器上可以跑几十上百个服务，支持大文件上传下载

实现步骤:
系统：windows
Python解释器：Python 3.7.6(64位)
Go编译器：Go 1.14(64位)
性能对比:
为了更好的体现出来优化之后的效果，我们大概对比一下两个语言在计算密集情况下的差距。
测试：分别计算一个亿（100000000）的累加模拟大量计算。

1）Python代码

import time
 def run(n):
    sum = 0
    for i in range(n):
        sum += i
    print(sum)

if __name__ == '__main__':
    startTime = time.time()
    run(100000000)
    endTime = time.time()
    print("耗时:", endTime - startTime)
可以看到耗时：10s左右，如下图所示。

在这里插入图片描述
2）Go代码

package main
 
 import (
  "fmt"
  "time"
)
 
func run(n int) {
  sum := 0
  for i := 0; i < n; i++ {
    sum += i
  }
  fmt.Println(sum)
}
func main() {
  var startTime = time.Now()
  run(100000000)
  fmt.Println("耗时:", time.Since(startTime))

可以看到耗时：200ms左右，如下图所示。
在这里插入图片描述
3）测试结论
我们可以看到，在计算方面，Python和Go是有很大的差距的，如果计算这一块能放在Go上就好了。
Go代码编译为Python可调用的.so文件
1）Go代码

功能：接收传入的值进行累加，并且返回最终的累加值。

package main
 
import (
  "C" //C必须导入
)
 
 
//export run
func run(n int) int{
  /*
    必须要export 函数名
    //是注释的意思，相当于Python中的 #
    我也是第一次见注释还有作用，黑人三问好？？？
    固定写法
  */
  sum := 0
  for i := 0; i < n; i++ {
    sum += i
  }
    fmt.Println("我是Go代码,我跑完了,我的结果是:",sum)
  return sum
}
 
 
func main() {
  //main函数中什么都不要写，和包名main要对应
}

2）编译为.so文件供Python调用。
命令如下：

go build -buildmode=c-shared -o 输出的.so文件 go源文件

例如：

go build -buildmode=c-shared -o s1.so s1.go

会生成.h文件和.so文件，.so文件供Python调用，如下图所示：
在这里插入图片描述
3）Ptyhon调用so文件
将上述生成的.so文件复制到Python项目的同一级目录。

4）Python代码
依然是计算一个亿，关键部分由Go生成的.so执行。

from ctypes import *
import time
 
if __name__ == '__main__':
    startTime = time.time()
 
    s = CDLL("s1.so")  # 加载s1.so文件
    result = s.run(100000000)  # 调用Go生成的.so文件里面的run函数
    print("result:", result)
    endTime = time.time()

可以看到耗时：0.11s左右，如下图所示。
在这里插入图片描述
/小结/
也许Python+Go提高关键地方性能和Python + C\C++相比不是最好的，但是小编认为该方法却是最省心的，毕竟C\C++的门槛是比较高的。
不过话说回来，目前这个性能确实可能也够用了，毕竟Python+Go比Pthon+C\C++的效率可能要高上几倍不止。