Python作为一门流行的编程语言，经常因为性能问题而受到批评。与其他语言相比，Python似乎在速度上处于劣势。然而，正如Miguel Grinberg（知名的 Python 开发者、作者和讲师，以其在 Python 和 Flask 框架方面的贡献而闻名）指出的那样，Python虽然在原始性能方面可能不是最快的语言，但它无疑是最容易编写、最具可读性且最易于维护的语言。开发速度与运行速度之间的这种权衡，对于许多开发者来说，常常是值得的，尤其是在考虑到生产力提升而非性能的情况下。

那么，Python的性能真的像大家说的那么糟糕吗？通过对不同版本的Python进行基准测试，并与Rust、Node.js以及PyPy等其他流行语言进行比较，结果表明，Python的性能并不像人们想象的那么差。事实上，Python在近年的版本中取得了显著的进展。

性能的演变：看看Python的发展

为了更好地了解Python性能的演变，对不同版本的Python进行了基准测试，包括2.7、3.8、3.10、3.11以及最新的3.13版本。还将Python的性能与PyPy（一个高性能的Python替代解释器）、Node.js和Rust进行比较。

斐波那契数列基准测试

我首先使用一个简单的斐波那契数列计算来测试这些语言之间的性能差异。结果如下：

语言与版本

时间（秒）

与CPython 3.8的加速比

与CPython 3.13的加速比

CPython 2.7

16.52

1.22x

0.6x

CPython 3.8

20.10

1.0x

0.5x

CPython 3.11

10.57

1.9x

0.9x

PyPy 3.10

1.65

12.5x

6.1x

Node.js 22

1.76

11.4x

5.5x

Rust 1.81

0.25

80.4x

38.9x

关键结论：

Python 3.11相比于早期版本有了显著的性能提升，斐波那契计算的速度几乎是Python 3.8的两倍。PyPy的表现令人印象深刻，比Python 3.8快了12.5倍，甚至在某些基准测试中比Node.js稍快。Rust作为系统语言的表现依然强劲，比Python 3.8快了80倍，但这也可以理解，因为Rust优化了性能，主要针对底层系统开发。

冒泡排序基准测试

接下来，我测试了经典的算法——冒泡排序。结果也同样引人注目：

语言与版本

时间（秒）

与CPython 3.8的加速比

与CPython 3.13的加速比

CPython 2.7

3.26

1.7x

1.1x

CPython 3.8

5.53

1.0x

0.7x

CPython 3.11

2.94

1.9x

1.3x

PyPy 3.10

0.21

26.3x

17.6x

Node.js 22

0.11

50.3x

33.7x

Rust 1.81

0.06

92.2x

61.7x

关键结论：

在这个基准测试中，Node.js的表现超过了PyPy，比Python 3.8快了50倍，而PyPy则是26倍。Rust再次表现出其优势，比Python 3.8快了92倍。

比较Python版本：Python 3.11和3.13的新变化

从这些基准测试中一个非常有趣的发现是Python 3.11引入的显著性能提升。在许多测试中，Python 3.11的运行速度几乎是Python 3.8的两倍，而Python 3.13延续了这一趋势，取得了类似的性能提升。

值得注意的是，Python 3.11是第一个超过Python 2.7性能的版本，这对于很多Python开发者来说是一个重要的里程碑。尽管Python 3.12和3.13的性能提升没有像3.11那么显著，但它们仍然相比3.8和3.10有了明显的改进。

PyPy：不为人知的英雄

另一个惊喜是PyPy，它在一些CPU密集型任务（如斐波那契计算和排序）中的表现远远超过了CPython。PyPy 3.10比Python 3.8快了12倍，在一些基准测试中，甚至表现得比Node.js还要好。如果你正在处理性能敏感的Python项目，PyPy可能会成为一个游戏改变者。

优化库的作用

需要注意的是，许多Python库，尤其是在数据科学、机器学习和科学计算等领域，利用了C或C++扩展来提供高性能的功能。例如，NumPy、Pandas、TensorFlow和scikit-learn等库都依赖于经过高度优化的底层代码。这意味着Python的性能瓶颈在实际应用中可能不像在基准测试中那样明显。

全局解释器锁（GIL）：它真的影响性能吗？

Python性能中一个常被提到的问题是全局解释器锁（GIL），它阻止了多个线程在CPython中同时执行Python字节码。虽然这个问题对于使用线程的CPU密集型任务来说确实是一个有效的担忧，但对于I/O密集型任务的影响要小得多。在很多应用场景（例如Web服务器、数据处理）中，GIL并不会成为一个显著的性能瓶颈。

此外，Python团队也在努力减轻GIL的影响。在Python 3.13中，实验性地引入了一个无GIL版本，但早期的基准测试表明，这可能会导致非并发任务的性能下降。这个特性仍在开发中，未来版本中其真正的优势将会更加明确。

结论：Python足够快（对于大多数使用场景）

尽管Python可能不是最快的语言，尤其是与Rust等系统语言相比，但它在近些年逐渐提升了性能。Python 3.11和3.13做出了显著的进展，随着PyPy的普及以及JIT编译等未来增强的出现，Python的性能很可能会继续提高。

而且，对于大多数使用场景，尤其是开发速度、可读性和可维护性至关重要时，Python的性能已经足够。通过利用优化库、采用PyPy等替代解释器，或者在CPU密集型任务中使用多进程，Python开发者可以轻松解决性能方面的顾虑。

因此，下次有人说Python太慢时，你可以自信地说：对于大多数任务来说，它已经足够快，生产力上的收益往往远远超过了性能上的顾虑。