Antonio Cuni在EuroPython 2025会议上探讨了关于Python性能的常见误解，指出许多传统观点具有误导性。他认为内存管理是限制Python性能的关键因素，并介绍了一个早期项目SPy，旨在实现超高速的Python。

Python性能的迷思与童话

在2025年欧洲Python大会（EuroPython 2025）上，长期从事Python性能优化和PyPy开发的工程师Antonio Cuni发表了题为“Python性能的迷思与童话”的演讲。Cuni认为，关于Python性能的许多传统观念具有误导性，并通过大量示例展示了Python性能问题的根源。他得出结论，内存管理最终将限制Python性能的提升，但他正在开发一个名为SPy的早期项目，可能为Python带来超高性能。

Cuni首先询问观众是否认为“Python很慢或不够快”，许多人举手表示认同，这与他在意大利PyCon上的演讲结果大相径庭。他指出，Python在某些任务上已经足够快，这也是为什么有如此多的人使用它并参加EuroPython等会议。然而，Python的性能优化仍然是一个持续的挑战，许多开发者通过使用Cython、Numba等工具来提升性能。

Cuni提到，Python的慢并非仅仅因为它是解释型语言，解释只是导致Python慢的一小部分原因。Python的动态特性，如类型查找、方法调用等，才是性能瓶颈的主要来源。尽管静态类型在Python中逐渐流行，但它们并不能在运行时强制执行，因此对性能优化的帮助有限。

Cuni还讨论了JIT编译器的作用。虽然JIT可以显著提升Python等动态语言的性能，但它也带来了性能预测的复杂性。他举例说明，某些代码在PyPy中突然变慢，原因是一个Unicode键的使用导致JIT编译器去优化了代码。

Cuni进一步指出，Python的动态特性虽然在某些情况下非常有用，但99%的情况下并不需要这些特性。然而，正是这1%的特性使得Python在某些场景下表现出色。他通过一系列代码示例展示了Python编译器在面对动态代码时的局限性，强调了Python的动态特性对性能的影响。

最后，Cuni提出了一个根本性问题：Python的内存管理。在现代硬件中，计算成本很低，但内存访问却成为性能瓶颈。Python的内存布局通常不利于缓存，导致性能下降。他认为，如果不打破兼容性，Python无法实现超高性能。

尽管如此，Cuni提出了一个名为SPy的项目，旨在通过调整语言语义和类型系统来提升Python的性能。他展示了SPy在实时边缘检测中的表现，表明其性能显著优于传统的NumPy实现。Cuni希望社区能够支持这一项目，并继续探索Python性能优化的可能性。

Cuni的演讲为Python性能优化提供了新的视角，同时也指出了当前技术面临的挑战。

评论内容总结：

1. Python的性能问题：

   • 许多评论指出Python的性能问题并非语言特有，而是由于其动态性和设计选择。例如，nu11ptr提到Python的内存动态性导致缓存局部性差，crabbone认为Python的设计选择使其难以优化。
   • 引用：
     • "Python isn’t made to be fast. If you wanted a language that can go fast, you needed to build it into the language from the start." - crabbone
     • "Python memory being so dynamic leads to poor cache locality." - nu11ptr

2. 优化工具与替代方案：

   • 一些评论提到PyPy、Numba、Pythran等工具可以提升Python性能，但仍有局限性。nromiun希望PyPy更流行，Ulti提到Mojo作为Python的替代方案。
   • 引用：
     • "I really hope PyPy gets more popular so that I don’t have to argue Python is pretty fast for the nth time." - nromiun
     • "Mojo is worth a shoutout in this context." - Ulti

3. Python的未来发展：

   • 部分评论对Python的未来持乐观态度，认为JIT等技术可以改善性能。btown提到现代处理器的分支预测能力可以提升JIT的效率。
   • 引用：
     • "JavaScript, too, has complex prototype chains and common use of boxed objects - but v8 has made common use cases extremely fast." - btown

4. Python的适用场景：

   • 一些评论认为Python更适合脚本和教学，而非高性能计算。pjmlp建议将Python用于操作系统和应用程序脚本任务，game_the0ry认为Python和性能不应相提并论。
   • 引用：
     • "Basically, leave Python for OS and application scripting tasks, and as BASIC replacement for those learning to program." - pjmlp
     • "Python and performance should never be associated with each other." - game_the0ry

5. 编译器与解释器的讨论：

   • 评论中讨论了编译器与解释器的区别，writebetterc指出“编译器不等于快”，nu11ptr认为Python的慢是由于其语言语义导致的额外开销。
   • 引用：
     • "Good job on dispelling the myth of 'compiler = fast'." - writebetterc
     • "The problem with this argument is the user isn’t trying to do these things, they are trying to do multiplication." - nu11ptr

6. SPy的尝试：

   • 一些评论提到SPy项目，认为其展示了Python性能提升的潜力。adsharma和pabe对SPy的演示表示赞赏。
   • 引用：
     • "The most interesting part of this article is the link to SPy." - adsharma
     • "The SPy demo is really good in showing the difference in performance between Python and their derivative." - pabe

总结：评论中对Python的性能问题、优化工具、未来发展和适用场景进行了广泛讨论。尽管Python在性能上存在挑战，但通过工具和技术的改进，仍有一定的提升空间。同时，Python的适用场景更多集中在脚本和教学领域，而非高性能计算。