大纲：
1：python 能用来做什么
2：python 的一些实现和各自的特点
3：python 为什么会比较慢
-------------------------------------------------------------------------- 万恶的分割线 ---------------------------------------------------------------------------
python 能用来做什么：
DevOps（是一个可以高效交付的东西）、数据科学、Web 开发、安全领域都可以用Python
Python 都有哪些实现，并且他们各自的特点：
Jython -- >
一个用Java实现的采用了JVM的实现,
所以使得和其他java程序共同工作很容易：无需其他工作，你就可导入任何Java类，在你的Jython程序中使用其他 Java类。
CPython（Cython） -- >
最通用的。这是一个用C实现的，被认为是”默认“的实现。由C解释器执行，所以很容易为Python代码写C扩展。
对于代码中性能很重要的部分，如果变量大多是静态类型，可以考虑使用 Cython 。
Brython -- >
JavaScript
RubyPython -- >
Ruby
IronPython -- >
是另一很流行的 Python 实现，完全用C#实现，针对.NET平台。她运行在可以叫做.NET虚拟机的平台上
PyPy -- >
是一个用RPython写的解释器,可以 即时编译（JIT）
对于启动时间不重要，而代码可能享受到JIT的好处的应用，可以考虑使用 PyPy
Python的各种实现在对待Python源码的时候所做的处理方式是完全不一样的。然后这些差异是很小的，由于这些实现都在不停 的发展改进中，
随着时间的推移，这些差异会慢慢融合和兼容。
python 为什么会比较慢：
1：他是GIL（全局解释器锁）
2：解释语言
3：动态类型语言
名词解释：
编程语言: 用来定义计算机程序的形式语言,向计算机发出指令。
解释语言：程序不需要编译，程序在运行时才翻译成机器语言。
编译器：
是把源程序的每一条语句都编译成机器语言,并保存成二进制文件,这样运行时计算机可以直接以机器语言来运行此程 序,速度很快;
解释器：
是只在执行程序时,才一条一条的解释成机器语言给计算机来执行,所以运行速度是不如编译后的程序运行的快的.
1: GIL:
Cpython 在创建变量时会分配内存，然后用一个计数器计算对该变量的引用次数。如果为 0 就可以释放掉。
但问题是：如果变量在多个线程中使用，这个时候就会有一个“全局解释器锁”控制线程执行，不管多少个线程，
解释器一次只能执行一个操作
性能：
如果单线程，单解释器，没有任何影响，单如果用一个解释器（一个python进程）通过线程实现并发，
就会出现GIL竞争
其他python？
PyPy 的 GIL 比 CPython 快三倍以上
Jython 没有GIL python 线程 由 Java 线程表示，所以能享受到虚拟机（JVM）内存管理的好处
2：解释语言
大部分语言为编译型或解释型，如C/C++等为编译型，python为解释型语言，每执 行一次都要翻译一次。
因此效率比较低;
3：动态类型语言
“静态类型”语言要求必须在变量定义时指定其类型，例如Java
动态类型语言中虽然有类型的概念，但变量的类型是动态的，例如H5 先var 一个变量。
那么它每次读取、写入或引用时都会检查类型，
比较并转换类型的代价很大,使得效率比较低。
另外Python的优化很困难。
其他Python的语言很快的原因就是它们牺牲了便利性来交换性能。（时间换空间或者空间换时间）
例如Cython：它通过结合C的静态类型和Python的方式，使得代码中的类型已知，从而优化代码，能够获得84倍的性能提升，
但是就出现了如果想写出高效的代码，像一些复杂的逻辑就需要用 c 来实现；
JIT编译器想要干什么？
它一种混合了解释器和编译器好处的技术。简单来讲，JIT就是想通过编译技术提升脚本解释器系统的速度。
单独说一下 PyPy：
PyPy具有巨大的潜力，它与CPython高度兼容
我们假设有一种实现叫做：RPython，然后分户来 PyPy(A) 和 PyPy(B)
PyPy(A)是一个用RPython写的解释器，因此它能加载用户的Python代码并将它编译。但是这个用RPython写的解释器本身 （即 PyPy(A)）要能运行，就必须要被另外一个Python实现去解释
我们可以直接用CPython去运行这个解释器。但是这个还不够快 怎么办？
取而代之，我们使用了PyPy(B) 去编译这个PyPy(A)的解释器，生成其他平台（比如C, JVM或CLI）代码在我们的机器上运 行，并且还加入了JIT特性。
总的来说一下就是：
PyPy动态的将JIT加入一个解释器，生成它自己编译器！
也就是说：
我们在编译一个解释器，并同时加入了另外一个单独的编译器到里面。