解釋性

python是動(dòng)態(tài)類型解釋性語言，不管使用哪種解釋器

因?yàn)椤敖忉屝哉Z言”這個(gè)概念更多地是指代碼的執(zhí)行方式，而不是編譯方式。在解釋性語言中，代碼在執(zhí)行時(shí)會(huì)一行一行地解釋并執(zhí)行，而不是預(yù)先編譯為機(jī)器語言。而即使使用了PyPy解釋器，PyPy使用了JIT（即時(shí)編譯）技術(shù)，它會(huì)在代碼運(yùn)行時(shí)將代碼編譯為機(jī)器語言。其中的JIT編譯技術(shù)仍然在運(yùn)行時(shí)進(jìn)行，代碼仍然在運(yùn)行時(shí)動(dòng)態(tài)確定類型和解釋執(zhí)行。因此，盡管PyPy使用了編譯技術(shù)加速代碼的執(zhí)行，但它仍然是解釋性語言

動(dòng)態(tài)性

動(dòng)態(tài)語言（python）的運(yùn)行速度為什么比靜態(tài)語言（java）慢？

在 Java 和 Python （cpython解釋器）中，都存在先編譯為字節(jié)碼，然后再在解釋器或虛擬機(jī)中將字節(jié)碼轉(zhuǎn)換為機(jī)器語言的過程。那么為什么 Java 的運(yùn)行速度會(huì)比 Python 快，python在運(yùn)行時(shí)動(dòng)態(tài)確定類型和進(jìn)行解釋會(huì)比java慢
靜態(tài)類型的語言比如 C，Java，Go，需要在聲明變量的時(shí)候帶上類型。而 Python 就不用，Python 幫你決定一個(gè)變量是什么類型，并且可以隨意改變。
動(dòng)態(tài)類型為什么慢呢？每次檢查類型和改變類型開銷太大；如此動(dòng)態(tài)的類型，難以優(yōu)化
Python 的動(dòng)態(tài)類型和動(dòng)態(tài)內(nèi)存分配也會(huì)對運(yùn)行速度產(chǎn)生影響。Python 中的對象都是動(dòng)態(tài)創(chuàng)建的，這就需要在運(yùn)行時(shí)進(jìn)行內(nèi)存分配和回收，這會(huì)比靜態(tài)分配更慢。

pypy解釋器的大致運(yùn)行過程

PyPy解釋器既是解釋性的，也是編譯性的。
在PyPy解釋器中，源代碼首先會(huì)被編譯成抽象語法樹（AST），然后被編譯成LLVM IR（Intermediate Representation，中間表示）。接著，LLVM IR會(huì)被傳遞給JIT編譯器，生成對應(yīng)的機(jī)器碼，這些機(jī)器碼被緩存起來以備下次調(diào)用（注意這里是在pypy解釋器中的過程，而只有在運(yùn)行代碼的時(shí)候才會(huì)去用pypy解釋器去解釋）。這個(gè)過程中，JIT編譯器根據(jù)實(shí)際情況來選擇是否對代碼進(jìn)行即時(shí)編譯。如果發(fā)現(xiàn)某些代碼被重復(fù)執(zhí)行(如循環(huán))，JIT編譯器會(huì)對這些代碼進(jìn)行優(yōu)化并將它們編譯成機(jī)器碼，以提高程序性能。如果當(dāng) JIT 編譯器無法對代碼進(jìn)行優(yōu)化時(shí)，PyPy 仍然會(huì)使用解釋器來執(zhí)行 Python 代碼。
因此，PyPy解釋器既包含解釋器的特點(diǎn)，也包含編譯器的特點(diǎn)。在運(yùn)行過程中，PyPy解釋器會(huì)將源代碼解釋執(zhí)行，同時(shí)也會(huì)將部分代碼編譯成機(jī)器碼，以提高程序性能。因此，可以說PyPy是一種混合型的解釋器/編譯器。

GIL

首先GIL鎖是python 默認(rèn)的cpython解釋器帶的，在此解釋器下創(chuàng)建多線程是用戶級線程，且cpython的多線程模型是多對一模型，即使你創(chuàng)建再多的多線程，也只會(huì)被映射到一個(gè)內(nèi)核級線程上，內(nèi)核級線程去排對競爭cpu。

那為什么cpython的多線程模型是多對一模型呢？

因?yàn)榧词故嵌鄬Χ嗄Ｐ?#xff0c;python代碼創(chuàng)建多個(gè)線程（用戶級線程）最終被映射到了多個(gè)內(nèi)核級線程上，然后這些內(nèi)核級線程去排隊(duì)競爭cpu，假設(shè)同時(shí)競爭到了cpu時(shí)間片，但是也只有一個(gè)內(nèi)核線程有GIL鎖，才能調(diào)用cpython解釋器將python字節(jié)碼解釋成機(jī)器碼執(zhí)行，而那些沒有GIL鎖的內(nèi)核線程即使分配到了cpu時(shí)間片，會(huì)發(fā)現(xiàn)沒有GIL鎖，無法調(diào)用cpython解釋器，因此也就無法執(zhí)行字節(jié)碼，從而又被系統(tǒng)放入到阻塞隊(duì)列中去等待GIL鎖的資源。

即同一時(shí)刻只能有一個(gè)內(nèi)核線程獲取GIL鎖然后被解釋器解釋執(zhí)行，那么其它的內(nèi)核線程就會(huì)增加操作系統(tǒng)調(diào)度和上下文切換的開銷，而沒有實(shí)際的性能提升。

那為什么cpython中為什么要有GIL鎖的存在

GIL鎖的存在是為了保證解釋器的線程安全性。因?yàn)镃Python的解釋器內(nèi)部實(shí)現(xiàn)使用了大量的全局變量和共享數(shù)據(jù)結(jié)構(gòu)，如果沒有GIL鎖的保護(hù)，多個(gè)線程同時(shí)訪問這些數(shù)據(jù)結(jié)構(gòu)會(huì)導(dǎo)致解釋器的崩潰或者產(chǎn)生未定義的行為。通過GIL鎖的機(jī)制，CPython確保了在任意時(shí)刻只有一個(gè)線程可以執(zhí)行解釋器的字節(jié)碼，從而保證了解釋器的線程安全性。

垃圾回收機(jī)制

python的垃圾回收機(jī)制主要是以引用計(jì)數(shù)為主，標(biāo)記-清除是為了解決引用計(jì)數(shù)遺留的循環(huán)引用的問題；分代回收是用空間換時(shí)間的提升回收的效率

1.內(nèi)存占用：由于垃圾回收機(jī)制需要維護(hù)內(nèi)存中的所有對象（每個(gè)對象需要分配單獨(dú)的空間來統(tǒng)計(jì)引用計(jì)數(shù)，這無形中加大的空間的負(fù)擔(dān)，并且需要對引用計(jì)數(shù)進(jìn)行維護(hù)）

2.CPU利用率：在垃圾回收期間，Python解釋器需要進(jìn)行大量的計(jì)算和操作，這會(huì)導(dǎo)致CPU利用率上升，從而降低程序的運(yùn)行速度。

3.垃圾收集時(shí)間：Python解釋器的垃圾回收機(jī)制需要花費(fèi)一定的時(shí)間來掃描內(nèi)存并處理垃圾對象，這可能會(huì)導(dǎo)致Python程序的運(yùn)行速度變慢。

4.阻塞：垃圾回收機(jī)制的階段，會(huì)暫停整個(gè)應(yīng)用程序，等待標(biāo)記清除結(jié)束后才會(huì)恢復(fù)應(yīng)用程序的運(yùn)行。