不少人认为?Python?方便掌握，而且不易出错。然而，并非所有人都同意这个观点。

　　许多高级开发表示，使用动态类型的语言实在很令人头疼：

　　“什么？动态类型的语言比静态类型的语言更加不容易出错？抱歉，21年的软件开发职业生涯告诉我并不是这样。”

　　——?Rasmus?Schultz

　　在本文中，我们就来看一看高级开发人员不喜欢动态类型语言的主要原因，同时我也希望通过本文消除大家的误解。

　　为了更好地挖掘背后的原因，以及鉴于?Python?的广泛普及，我们以?Python?为例来分析一下。

　　动态类型

　　这里所说的动态类型指的是数据类型。

　　编程语言包含多种类型的风格，比如强类型和鸭子类型等。但是，在本文中我们只讨论两个最常见的类型：

　　动态类型

　　静态类型

　　动态类型指的是在运行时检查类型错误。也就是说不需要显式声明数据类型。Python、Ruby?和?Java?都是这类语言。

　　与动态类型相反，静态类型则会在编译期间报告类型错误，因此你需要显式声明数据类型。C、C++?和?Java?就属于这种情况。

　　一般来说，Python?以及其他编程语言的某些优点也会成为缺点。

　　动态类型可以通过隐式的数据类型声明减少一部分代码，从而让编程变得更容易。但是，这个特性也有一些缺陷。

　　请考虑如下?Python?代码：

　　max_number?=?12?my_list?=?[]?for?i?in?range(1,?5):?max_numbre?=?2?*?(max_number?*?i)?my_list.append(max_number)

　　print(my_list)输出结果：[12,?12,?12,?12]

　　在这个例子中，我们希望针对变量?max_number?进行一些计算，并将结果存储在列表中。但是，我们可以看到实际的操作并不符合我们的预期，而结果也是错误的。因为在?for?循环中，max_number?的拼写有误，因此导致程序创建了另一个名为?max_numbre?的变量。

　　任何人都可能犯这样的错误，特别是对于工作压力很大的人。

　　假设你正在编写一大段代码，那么你必须更加小心手指按下的每一个按键。否则，查找代码中的bug就会成为噩梦，并引发维护性的问题。

　　然而，在静态类型的语言(比如C++)中，你必须在使用前声明变量。而且你必须在执行代码前进行分析，以确保变量类型匹配。这样你对变量的控制会更有力，因此可以提高安全性。

　　全局解释器锁

　　高级开发人员对动态类型语言的另一个质疑是性能。

　　初级开发人员只需要处理好几行代码，而维护和编写健壮的生产代码(几百行～几千行)的重任一般都由经验丰富的高级开发人员承担。因此，对他们来说，编程语言的效率不容置疑。

　　由于全局解释器锁(Global?Interpreter?Lock，即?GIL)的存在，计算机的资源(主要是?CPU?线程数)得不到充分利用，因此它是编程语言(如?Python?和?MRI?Ruby?等)的性能瓶颈。

　　不过，不使用?GIL?的编程语言可以充分利用?CPU?的功能，因为它们支持并行计算。

　　并行计算只不过是让所有线程同时运行而已。在需要处理的数据量十分庞大时，这种类型的计算会比较有优势。

　　下图是一个并行计算的示例：

　　图：所有?CPU?一起运行的示例

　　我们可以假设，在相同的?CPU?时钟速度下，计算机拥有的线程越多，程序的运行速度就越快。

　　然而，GIL?的出现终结了并行计算。

　　GIL?的作用是保证一次只有一个线程使用?GIL。线程的选择遵循排队方式。这意味着，当拥有最高优先级的线程正在使用?GIL?时，其他线程将处于等待状态，直到?GIL?被释放。

　　最重要的是，用户无法控制线程的选择。只能由操作系统负责线程优先级的排序，如下图所示：

　　为了解决这个问题，许多程序员都尝试手动在多个线程之间拆分进程，比如?Python?的?multithreading?模块，就是为了获得更好的性能。然而，最终的结果却是性能更差了。

　　这个结果有点奇怪，如果你想搞清楚事情的始末，则必须再深入研究一下。

　　尽管?Python?的核心开发团队已经意识到了这个问题，但是想摆脱?GIL?太难了，因为它是许多?Python?功能的基础，例如内存管理和C扩展等等。

　　Python?的作者?Guido?van?Rossum?表示，他不确定?Python?是否会支持并行计算，因为这归根结底是语言设计层面的问题。

　　但是，C++?等静态类型语言不受?GIL?的限制，因此它们的效率相对更高。

　　空白的敏感度

　　错误地使用空白就会报错，并不是每个人都喜欢这样的编程语言。空白不仅包括空格，还包括制表符、换行、返回或换页等。例如，与C不同，Python?对空格就非常敏感。

　　下面，我们就来比较一下?C?和?Python?代码。

　　Python?示例：

　　i?=?50ifi?%?2?==?0:?print(?"inside?if?statement")?print(?"i?is?even")?输出结果：print(?"inside?if?statement")?print(?"i?is?even")?^SyntaxError:?invalid?syntax

　　C?示例：

　　#?include intmain(?void)?{?inti?=?50;?if(i?%?2==?0)?输出结果：~/?$?./test1inside?ifstatement?i?is?even

　　C?的代码结构无论再怎么混乱，都可以得到正确的输出，而?Python?生成的语法错误只是因为语句的书写位置有误。因此，有人可能会说?Python?的健壮性不如?C++?或?C。

　　尽管许多专业程序员都认为空白过于敏感很讨人厌，但许多?Python?专家则认为，空白的问题总好过代码长得看不到尽头。

　　最后，在处理大块代码时，空白的敏感性问题确实很烦人。但是，如果能够向团队灌输良好的编码习惯，则这个问题也很好解决。

　　向后兼容

　　不支持向后兼容意味着旧版的?Python?代码无法在新版本中正常工作。换句话说，每当新版本发布时，你都需要找出语法的变化，并重写相应的部分代码。

　　有时，向后兼容性会成为一个严重的问题，Python?2?到?Python?3?就是一个很好的例子。

　　Python?核心开发团队认为，将?Python?2?的代码转换成?Python?3?不会有任何问题。但是他们错了。

　　Python?的作者也承认了这一点：

　　“我们低估了有多少人已经编写了大量的?Python?代码，而且他们已经基本忘记了代码的工作方式。因此，他们没能很好地升级这些代码。我们已经意识到了这个问题。”

　　这个问题争论到最后，他们决定延长?Python?2.7?的寿命。

　　总结

　　编程语言一直是一个热门话题，这不是一个非黑即白的两极分化问题。我们会因为某些原因而偏爱某一种编程语言。

　　通常，每种通用编程语言都有特定的适合人群。Python?的官方作者曾说：

　　“学习使用?Python?编程比学习使用?Java?或?Swift?要容易得多。Java?和?Swift?非常适合计算机科学的专业软件开发人员。但是?Python?更适合孩子的教学。”

　　话虽如此，我们非常希望能够出现一种兼具C++?和?Python?优点的编程语言。