“Pythonic”多线程(并发)语言

当谈到CPU密集型任务时,Python就显得力不从心,因为Python不是一种非常高效的语言。许多“动态”语言都有这个问题,因为编译器在编译时对程序的假设是有限的。例如,如果在每次调用之间有人替换了对象上的方法,则可能必须每次查找方法调用。

我建议你看看 Erlang

Extra, extra: Read all about it .

*:我认为您可能需要使用“类型提示”来获得许多任务所需的Java般的速度。这在Clojure很方便。

如果你真的,真的知道GIL已经成为一个瓶颈,并且你需要在多个处理器上处理数字,那么你需要考虑:

1. Pyrex / Cython
2. 不用说,如果您使用的是CPU密集型扩展模块,请确保它们还没有为您释放GIL。
3. 对于其他几乎所有的东西,使用内置的 multiprocessing 模块。这提供了与 threading ,但为您提供了真实的 进程级并发 :除此之外,这允许您在多台计算机上同时轻松地运行CPU密集型代码,如果问题真的变得很大,这一点非常重要。

boo 的语法是受Python启发的。不过,编程语言有点不同:它是带有类型推断的强类型语言,最重要的特性可能是开放的编译器管道,即创建语法宏的能力(在“宏”一词的LISP意义上,而不是在“预处理器宏”的C意义上)。

IronPyton 很像蟒蛇,在线程处理方面和其他.NET语言差不多。

Stackless Python 由 EVE online

无堆叠蟒蛇 是增强的 语言。它允许程序员 无性能编程 以及相关的复杂性问题 用传统的线。这个 Python是一种廉价且轻量级的 方便,如果使用得当, 不仅可以作为 但这样做可以改善计划 结构和便于阅读

为了克服GIL,可以尝试用jython而不是cpython解释python语言

接受暗示。CPU密集型的程序也可以分成多个进程。多个进程和传递状态的管道通常可以具有出色的性能。

不要为了其他语言而到处乱找,这样做吧。

1. 在shell中,顶级脚本如下: a.py | b.py | c.py | d.py

2. sys.stdin 写信给 sys.stdout raw_input() 和 print() 使事情变得简单。

3. 测量性能。

你可以用 python multiprocessing 它镜像线程的API,但运行单独的进程。可能无法为非posix实现。对于一般CPU密集型问题,您可以尝试 Stackless Python (已提及)或 Pyrex