先說結論：Python是一門動態型別的解釋語言，且有全域性直譯器鎖，這三點的底層實現導致了Python比Java、C++慢。

01001000 00000001 11000011

計算機CPU只能接受上面這樣的01二進位制語言，0和1用來控制高低電位。這樣的0個程式碼被稱為機器碼。

C、C++等編譯型語言依靠編譯器將原始碼轉化為機器碼後才能執行，Python、Java等解釋型語言使用直譯器將原始碼翻譯後在虛擬機器上執行。對於Python，由於直譯器的存在，其執行效率比C語言慢幾倍甚至幾十倍。

上圖展示各個語言在不同任務上的速度。C語言經過幾十年的發展，最佳化已經達到了極致。以C語言為基準，大多數解釋語言，如Python、R會慢十倍甚至一百倍。Julia這個解釋語言是個“奇葩”，因為它採用了JIT編譯技術。

解決Python執行效率低的問題，一種解決辦法是使用C/C++語言重寫Python函式，但是這要求程式設計師對C/C++語言熟悉，且除錯速度慢，不適合絕大多數Python程式設計師。另外一種非常方便快捷的解決辦法就是使用Just-In-Time（JIT）技術。

Python是一門解釋語言，Python為我們提供了基於硬體和作業系統的一個虛擬機器，並使用直譯器將原始碼轉化為虛擬機器可執行的位元組碼。位元組碼在虛擬機器上執行，得到結果。

我們使用python example.py來執行一份原始碼時，Python直譯器會在後臺啟動一個位元組碼編譯器（Bytecode Compiler），將原始碼轉換為位元組碼，這個過程被稱為編譯階段。位元組碼是一種只能執行在虛擬機器上的檔案，Python的位元組碼預設字尾為.pyc，Python生成.pyc後一般放在記憶體中繼續使用，並不是每次都將.pyc檔案儲存到磁碟上。有時候我們會看到自己Python程式碼資料夾裡有很多.pyc檔案與.py檔案同名，但也有很多時候看不到.pyc檔案。pyc位元組碼透過Python虛擬機器與硬體互動。虛擬機器的出現導致程式和硬體之間增加了中間層，執行效率大打折扣。相信使用過虛擬機器軟體的朋友深有體會，在原生的系統上安裝一個虛擬機器軟體，在虛擬機器上再執行一個其他系統，經常感覺速度下降，體驗變差，這與Python虛擬機器導致程式執行慢是一個原理。

Just-In-Time（JIT）技術為解釋語言提供了一種最佳化，它能克服上述效率問題，極大提升程式碼執行速度，同時保留Python語言的易用性。使用JIT技術時，JIT編譯器將Python原始碼編譯成機器直接可以執行的機器語言，並可以直接在CPU等硬體上執行。這樣就跳過了原來的虛擬機器，執行速度幾乎與用C語言程式設計速度並無二致。

原生Python速度慢的另一個重要原因是變數型別不確定，即動態型別。Python宣告一個變數的語法很簡單，如a = 1，但沒有指定a到底是一個整數和一個浮點小數，甚至還可以把a賦值為一個字串。C++和Java中，變數都是有型別的，比如在C++中，宣告一個整數。

計算機在執行程式碼時，必須知道是什麼型別的，才能給這個變數分配合適的記憶體，呼叫相應的指令。Python直譯器要進行大量的型別推斷，推斷出一個變數是什麼型別，轉換成計算機可執行的機器碼，這個過程會非常耗時。這個推斷的過程發生在將.py檔案換換成

.pyc

位元組碼的編譯階段。

與Python不同，C/C++等編譯型語言要提前把整個程式先編譯好，再執行可執行檔案。而且只需要編譯一次，後面再使用這個程式時就不需要編譯了。

一個程式的執行時間一般是編譯時間加執行時間。

Python動態型別的特點導致編譯時間較長，基於直譯器的特點導致其執行時間較長，加起來導致總時間比C++和Java慢。

因此，Python非常容易上手，極大方便了開發人員，相應地，給程式設計師節省下來的時間就丟給了Python直譯器，導致Python執行程式的非常慢。

突破這個鎖並不難，可以使用Python提供的multiprocessing庫來使用多核。

Python是一門動態型別的解釋語言，且有全域性直譯器鎖，這三點的底層實現導致了Python比Java、C++慢。