一开始我以为是一篇2013年的老帖子，没想到竟然是2015年。不懂Python不要乱喷啊。你直接说“我不懂Python，我也不愿意维护前任写的糟糕代码，我Go牛B，所以我要重构一遍！”我到觉得你智商正常点。。
我觉得go不错，但是如果不是特定领域开发，没有足够多成熟稳定的库仍然很麻烦的事情。
http://www.jianshu.com/p/afa14e631930
http://www.lupaworld.com/article-254456-1.html
python虽然很强大，但我们在使用的时候也碰到了一些问题，主要由如下几个方面：
动态语言
python是一门动态强类型语言。但是，仍然可能出现int + string这样的运行时错误，因为对于一个变量，在写代码的时候，我们有时候很容易就忘记这个变量到底是啥类型的了（点评： 真的很少遇到， 每个函数的参数类型都有约定, 所以根本不会记不得）。
在python里面，可以允许同名函数的出现，后一个函数会覆盖前一个函数，有一次我们系统一个很严重的错误就是因为这个导致的。（点评：遇到过，不过这也是不遵循约定导致的，命名不规范的缘故，在不同模块采用相同的名称是可以的，另外这个问题在静态语言里也有啊，你链接到一个错误的库上。 在运行时用后一个函数会覆盖前一个函数，这也正是monkey patch存在的基础。虽然我觉得如果在语言层面上对用户可以对变量的类型进行显式声明的约束很有用）
上面说到的这些，静态语言在编译的时候就能帮我们检测出来，而不需要等到运行时出问题才知道。虽然我们有很完善的测试用例，但总有case遗漏的情况。所以每次出现运行时错误，我心里都想着如果能在编译的时候就发现该多好。（点评： 有了编译时检查运行时就不出错了么？ 难道代码写完了就完了么？ 差不多每次添加功能或者调试的时候，读到感觉写的不好或者写的不清楚的，都要做些清理，毕竟人对于所使用的库或者语言的理解是逐步深入的。 ）
性能
其实这个一直是很多人吐槽python的地方，但python有它适合干的事情，硬是要用python进行一些高性能模块的开发，那也有点难为它了。
python的GIL导致无法真正的多线程，大家可能会说我用多进程不就完了。但如果一些计算需要涉及到多进程交互，进程之间的通讯开销也是不得不考虑的。
无状态的分布式处理使用多进程很方便，譬如处理http请求，我们就是在nginx后面挂载了200多个django server来处理http的,但这么多个进程自然导致整体机器负载偏高。
但即使我们使用了多个django进程来处理http请求，对于一些超大量请求，python仍然处理不过来。所以我们使用openresty，将高频次的http请求使用lua来实现。可这样又导致使用两种开发语言，而且一些逻辑还得写两份不同的代码。（点评：不用django，没有发言权，不过高频的请求可以用Cython优化，现在的Cython已经比2013年的时候方便多了。。。）
同步网络模型
django的网络是同步阻塞的，也就是说，如果我们需要访问外部的一个服务，在等待结果返回这段时间，django不能处理任何其他的逻辑（当然，多线程的除外）。如果访问外部服务需要很长时间，那就意味着我们的整个服务几乎在很长一段时间完全不可用。
为了解决这个问题，我们只能不断的多开django进程，同时需要保证所有服务都能快速的处理响应，但想想这其实是一件很不靠谱的事情。
异步网络模型
tornado的网络模型是异步的，这意味着它不会出现django那样因为外部服务不可用导致这个服务无法响应的问题。话说，比起django，我可是非常喜欢tornado的，小巧简单，以前还写过几篇深入剖析tornado的文章了。虽然tornado是异步的，但是python的mysql库都不支持异步，这也就意味着如果我们在tornado里面访问数据库，我们仍然可能面临因为数据库问题造成的整个服务不可用。(点评：历史原因，几乎所有Python的标准库都是同步的，)
其实异步模型最大的问题在于代码逻辑的割裂，因为是事件触发的，所以我们都是通过callback进行相关处理，于是代码里面就经常出现干一件事情，传一个callback，然后callback里面又传callback的情况，这样的结果就是整个代码逻辑非常混乱。python没有原生的协程支持，虽然可以通过gevent，greenlet这种的上patch方式来支持协程，但毕竟更改了python源码。另外，python的yield也可以进行简单的协程模拟，但毕竟不能跨堆栈，局限性很大，不知道3.x的版本有没有改进。（点评： Python3.4引入asyncio，Python3.5引入的async和await，就算使用Twisted，也不会一堆callback啊。有没有搞错？不清楚跨堆栈）
开发运维部署
当我第一次使用python开发项目，我是没成功安装上项目需要的包的，光安装成功mysql库就弄了很久。后来，是一位同事将他整个python目录打包给我用，我才能正常的将项目跑起来。话说，现在有了docker，是多么让人幸福的一件事情。（点评： 没有用过虚拟Python环境？virtualenv，python直接调用mysql connector，怎么会装一堆库？不明所以）
而部署python服务的时候，我们需要在服务器上面安装一堆的包，光是这一点就让人很麻烦，虽然可以通过puppet，salt这些自动化工具解决部署问题，但相比而言，静态编译语言只用扔一个二进制文件，可就方便太多了。（ 点评：测试环境就是开发环境，你确定静态编译的不解决好依赖在别的机子上面就能跑？）
代码失控
python非常灵活简单，写c几十行代码才能搞定的功能，python一行代码没准就能解决。但是太简单，反而导致很多同学无法对代码进行深层次的思考，对整个架构进行细致的考量。来了一个需求，啪啪啪，键盘敲完开速实现，结果就是代码越来越混乱，最终导致了整个项目代码失控。
虽然这也有我们自身的原因，譬如没好的代码review机制，没有好的项目规范，但个人感觉，如果一个程序员没经过良好的编码训练，用python很容易就写出烂的代码，因为太自由了。
当然，我这里并不是说用python无法进行大型项目的开发，豆瓣，dropbox都是很好的例子，只是在我们项目中，我们的python代码失控了。（点评：好像没有听说用了那种语言代码就不失控了，这根本就是拒绝小步重构，代码模块化差，模块耦合度高等等一系列问题导致的，Python的实现代码少，反而能够有精力进行持续的快速改进。。）
上面提到的都是我们在实际项目中使用python遇到的问题，虽然最终都解决了，但是让我愈发的觉得，随着项目复杂度的增大，流量性能压力的增大，python并不是一个很好的选择。
（点评： Python存在问题吗？ 当然也有很多，比如
* 配套的异步库太少且缺乏维护。
* 不能限制变量的类型（虽然有Python3.5的type hints，但是和注释没啥区别）
* 本身的计算性能比V8引擎的JavaScript要差很多（可以借助C）
原文：http://my.oschina.net/cppblog/blog/504091