企业官网建设流程全解析

一个脚本跑十分钟，你骂Python慢。换成C++重写，三天后跑八分钟。问题不在语言，在你没看见的那些细节。韩愈说“业精于勤，荒于嬉”，性能优化也一样，勤在细处，荒在粗心。真正拖慢代码的，往往不是算法，而是你习以为常的写法。

循环里的重复计算，像慢性失血

for i in range(len(data))，每次迭代都调一次len()？len()是O(1)，但属性查找和函数调用有开销。更隐蔽的是循环里访问全局变量、模块属性。Python的局部变量查找比全局快数倍。把len(data)、self.value、math.sqrt提到循环外，速度立刻不同。微小的开销乘以百万次，就是灾难。老子说“天下大事，必作于细”，循环里的每一纳秒，都在偷走你的时间。这不是过早优化，这是基本尊重——尊重解释器的工作原理。

列表还是生成器，别一刀切

生成器省内存，但未必更快。sum(x for x in data)比sum([x for x in data])省内存，可列表推导式在C层执行，有时反而更快。数据量小，列表推导式胜出；数据量大到内存吃紧，生成器才是救星。工具没有优劣，场景决定一切。谚语说“杀鸡焉用牛刀”，反过来，宰牛也不能用水果刀。盲目用生成器，可能换来更慢的迭代和更复杂的调试。先测量，再选择。

字符串拼接，+号是温柔陷阱

循环里s += str(i)，每次创建新字符串，旧字符串被丢弃。百万次拼接，内存分配和复制让你怀疑人生。''.join(parts)一次性分配，快得不是一星半点。更大量用io.StringIO。字符串不可变，每次加号都在重建世界。这道理像滚雪球，越滚越大，最后压垮性能。别让拼接成为你的瓶颈，用join，用f-string，用格式化，别用加号堆长城。

内置函数是C写的，别用Python重造轮子

sum、min、max、any、all、map、filter，这些内置函数在C层循环，比你手写for快得多。有人用for累加，有人用reduce，可sum才是最短路径。你写的Python循环，每步都在和解释器握手；内置函数直接跑在C里，连招呼都不打。《论语》说“工欲善其事，必先利其器”，内置函数就是现成的利器。别为了炫技写复杂逻辑，简单直接往往最快。

缓存是时间的复利

递归算斐波那契，不缓存就是指数爆炸。functools.lru_cache一行装饰器，把重复计算变成字典查找。动态规划的本质就是缓存，可很多人只在面试时想起。缓存不是优化，是常识。同样的参数反复调用，纯函数就该记住结果。巴菲特说复利是世界第八大奇迹，缓存在代码里就是复利的化身。但注意，带副作用的函数别乱缓存，否则脏数据让你哭都来不及。

GIL不是借口，选对并发模型

CPU密集任务，多线程被GIL锁死，换多进程。IO密集任务，异步或多线程都能打。可有人不管什么场景，上来就threading，结果比单线程还慢。GIL是限制，不是判决书。进程间通信有成本，异步代码有学习曲线。选型前问自己：瓶颈在CPU还是在等待？答案不同，工具不同。谚语说“一把钥匙开一把锁”，别拿锤子看什么都像钉子。

数据结构选错，代码跑断腿

在列表里查一个元素，O(n)；在集合或字典里查，O(1)。一万条数据，列表遍历几毫秒，集合几乎瞬间。collections模块的deque、defaultdict、Counter，都是为特定场景造的轮子。选错容器，算法再优雅也白搭。有人用列表当队列，pop(0)是O(n)，deque.popleft()是O(1)。细节决定成败，容器决定快慢。

对象创建与__slots__，内存的隐形税

每个实例默认有__dict__，字典开销大。定义__slots__，实例变成紧凑数组，内存省一半，访问还更快。百万个对象，差异就是几百兆。看不见的内存，看得见的账单。但别滥用，__slots__牺牲了动态属性。权衡之后，数据类、命名元组、attrs都是选项。性能不是抠门，是清醒。

性能优化不是玄学，是习惯。你忽略的每个细节，都在暗中标好了价格。不积跬步，无以至千里；不省微秒，何以谈高效。从今天起，把循环里的重复拿出去，把该缓存的缓存，把该换的容器换掉。Python慢不慢，取决于你写得多细。