英文原文：Why Dynamic Programming Languages Are Slow静态类型语言中，在声明变量时已经指定了数据类型和表示方法。动态类型语言是在运行期间检查数据的类型，不得不保持描述变量值的实际类型标记，程序在每次操作变量时，需要执行数据依赖分支。
而间接分支（Indirect branch）和数据局部性（data locality）对于运行时的性能是致命的。
这就是动态语言的 JIT 编译器基准测试要强调 near-C的内循环速度，以及避免大的数据结构和数据处理问题的原因。
我也希望像 Python 这样的动态类型语言可以变快。我试过用 Python 来进行传统的服务器编程——“系统语言”领域——但是效果真的不好，我现在考虑用 Java 重写一个服务器。
因此，我花时间思考如何真正静态地编译 Python。毕竟，那是我梦寐以求的编程语言！但当我思考如何将动态类型代码与静态编译 Python 结合起来时，我遇到了数据变慢的问题：
在动态语言中，通常所有数组中的元素（或其他数据结构）类型各不相同，所以有不同的表示值。因此，这些值都必须被单独存放为堆，而不是顺序地存为数组。这意味着如果对不相邻的内存执行数据依赖分支，则对缓存有更高的要求。
也有一些聪明的技巧，使用变量中的特殊 bit，将一些原生类型（像整型）打包成一个类型，类似于指针，但这要求寄存器在操作过程中进行跟踪，会增加开销。
还有一些方法，比如使用 JIT 编译热路径（hot path）时，如果你直接插入没有标类型的值，而不是在堆里分别标记类型， 那么与 JIT 编译过的代码的互操作性会降低，如果其他代码改变了数组中的一个值的类型，就会出现非常严重的后果。
我一直在思考，在 Python 语言中，什么是静态的，什么不是。通过 SSTA（统计静态分析）和逃逸分析可以判断，大量正常的程序是静态的。Paul Biggar 给了我信心证实我的猜测是正确的，我的 Python 代码 90％都是静态的。
有人会问，那另外的 10％呢？通常情况下，我可以让所有的都是静态的，或者想象它被参数类型的限制范围特殊化了。除了 Python 语言的标准模式，其他模式都由 Web 服务器分配给基于 HTTP 方法（如果收到 GET 请求就称为“get”方法）的 Web 处理器，这也需要程序员依照 switch 语句（如 elifs 的长链）来进行修改。
Robert Harper 对“从单一类型静态语言方面，动态语言是如何实现的”这个问题作出了很好的解释，下面这句话是我希望他能进一步进行解释的：
我深知“编译器可以优化它”，至少在某些情况下。我确信他说的“某些情况”是指遇到 non-escaping 的情况，因为和后面的执行代码进行交互时，你应该要能够确定 escape 的类型。
一些动态调用是无污染的——编译器可以从代码检查中发现一些变量（或方法）是动态的，但动态的代码不表示其他变量也是动态的，因为不同类型的变量、方法、成员的存在或缺失都被限制成了可识别的类型（或 null）。
但通常编译器是无法从代码检查中发现这些情况的，如果无法追踪到执行的情况，就无法知道代码如何依赖以及如何改变其他静态变量的值。因此，工作中断，所有变量再次变为动态的。
我一直在努力寻找把 Monkey Patch（不改变初始源代码来扩展和修改动态语言运行代码的方法）、Set（属性或索引器元素赋值的“访问器”方法）、SetAttr（SetAttr 语句可以为一个文件设置属性信息）等解决办法移植到我虚构的 Python 编译器里，因为类型标记严重地降低了运行性能。
快速的数据结构对于内存访问模式和缓存位置是非常重要的，还可以减少分支和对这些分支的标记工作。
Jonathan Shapiro 的文章 Programming Language Challenges in Systems Codes 非常棒，我很赞同文中的观点。
最新评论