Python - Need For Speed
何謂 Python
Python 是近幾年非常流行的動態語言， 由 Guido van Rossum 設計並於 1991 年釋出， 語言設計注重可讀性， 特色包含（列出部份）：
直譯式
語法簡單
使用縮排來分 Scope （因此 Python 程式碼都一定具有某種程度的排版）
動態型別
強型別 （強弱是相對的，但 Python 仍被規在強型別）
Duck Typing
物件導向
Garbage Collection （程式設計師不需要寫任何程式碼來自己控管記憶體使用）
豐富的 Standard Library
Python 常被當作腳本語言來處理系統管理或網路相關程式的撰寫， 而現今（2016）也有許多作業系統在裝好後就會直接內建 Python， 讓 Python 在各平台的取得變得相對容易。 近幾年 Python 在科學運算上也被大量使用， 出現 NumPy、SciPy、Matplotlib 等眾多科學運算和繪製的豐富 Libraries。
在如此廣泛的使用下， Python 的效能議題也不斷地被提起， 如何讓 Python 程式的效能可以往 C 這種編譯式程式語言靠近變成值得研究議題。
當心中浮現效能
在提到效能時， 我們需要先了解到程式吃重的地方是 CPU 運算還是 I/O 存取， 以下討論的情況都是 CPU 運算吃重。 而以現今的硬體來說， 有很多地方是值得注意的， 我們先來看看針對 CPU 運算吃重有哪些改進的方向後再決定走向。
我們先簡化一點狀況做討論， 在只考慮軟體而不考慮硬體的情況下， 我們可能會想到以下幾種地方（歡迎補充）：
改善程式演算法（就算是同硬體，使用效率較高的演算法可以讓速度快上很多倍）
刪減需要執行的程式碼量（減少不必要的程式碼可以降低需要運算的次數）
在只考慮單核心 CPU 的情況下， 我們可能會想到以下幾種地方（歡迎補充）：
有效利用硬體的指令集（例如在使用 GCC 或 Clang 編譯 C 程式時加上
-march=native）有效使用 CPU 內的 Cache （減少 Cache Misses 來降低記憶體存取量）
以現在的硬體來說， CPU 內通常都有數個 Cores， 甚至在某些硬體內會有數個 CPU 的狀況， 因此在考慮多核心的情況下， 我們可能會想到以下幾種地方（歡迎補充）：
Multithreading
Multiprocessing
（目的都是要讓 CPU 的數顆核心同時運作， 其中資料的共享機制又會是另外一個大議題）
再把規模往上加， 我們可能會有數臺機器可以一起執行， 因此在考慮多機器的情況下， 我們可能會想到以下幾種地方（歡迎補充）：
把事情切割給其他數臺機器做運算後再整合
另外近幾年還盛行把 GPU 拿來做數值相關的運算， 該技術被稱為 GPGPU， 在使用 GPU 的情況下， 我們可能會想到以下幾種地方（歡迎補充）：
CUDA
OpenCL
對於需要語言 Virtual Machine 的直譯式語言， 還有 Virtual Machine 可以改進： 我們可能會想到以下幾種地方（歡迎補充）：
改善 Virtual Machine 的運作方式
使用其他較有效率的程式語言所撰寫的功能（例如 Foreign Function Interface）
JIT （即時編譯）（轉換成優化更多的形式可以減少需要的 CPU 運算量）
Garbage Collection （更有效率地管理記憶體可以獲得需多效能提升）
轉換成編譯式語言做編譯