为什么JIT编译的Python实现仍然很慢？
我明白为什么解释执行会很耗费资源，但我还是想知道，为什么像Psyco和PyPy这样的JIT编译的Python实现，速度还是比C#和Java这些其他JIT编译语言慢这么多呢？
补充一下：我也知道在Python中一切都是对象，动态类型会带来额外的开销等等。不过，对于那些类型可以推断出来的函数，我不太明白这为什么会影响速度。
7 个回答
Python是一种动态语言。
这意味着，其他一些静态语言（比如C#和Java）在编译时完成的很多工作，Python是在运行时完成的，这样会导致性能下降。
编辑：
此外，像Python这样的动态语言的即时编译器（JIT）对代码的优化能力要差很多，因为它无法做出很多假设，这主要是因为代码的动态特性。
举个例子：
动态类型让我们无法对字段、变量或参数的类型做出假设，因此任何涉及这些的优化几乎是不可能的。
编辑2：
只是做个说明：
当我说编译时，我也指的是即时编译时，因为实际上JIT也是一种编译器。
把这个应用到我第一句话上，就意味着Python在JIT时能做的工作远远少于C#或Java……
大家已经提到了一些技术细节，我想再补充一个因素：钱。
在过去的几年里，JavaScript的虚拟机（比如谷歌的V8、Mozilla的Tracemonkey和Jaegermonkey、苹果的Nitro）让另一个动态语言的速度提升了很多。这主要是因为谷歌希望让网页应用更强大。而Python没有一个大公司在推动它变得快50倍，这样的动力就不够了。
哦，还有，Python可以和像numpy这样的C扩展结合使用，这意味着在很多情况下，Python代码的速度并不是特别关键。
最简单的回答就是，PyPy目前的速度还没有HotSpot快，而Psyco永远也不会快。
写一个合理的即时编译器（JIT）是一个漫长而繁琐的过程，比如HotSpot花了很多年才发展到现在这个水平，而且背后还有很多资金支持。语言越复杂、越动态，开发的时间就越长。不过好消息是，我们有一些很好的例子，证明动态语言的即时编译器可以非常快，比如LuaJIT，在很多情况下它的速度甚至能超过C语言或Java虚拟机。
不过也有好消息：根据速度中心的数据，PyPy在过去的100个版本中平均速度提高了27%，所以它最终会变得更快的。