Python 开发者在迁移到 Go 前需要知道的事情

这是一篇记录了我们把一大段 Python/Cython 代码迁移到 Go语言经历的（长）博客。如果你希望了解整个故事、背景等所有的内容，请接着读。如果只对 Python 开发者进入之前需要知道的东西感兴趣，点击下面的链接：

从 Python 迁移到 Go 的提示与技巧

背景

我们在 Repustate 技术上最大的成果就是实现了阿拉伯语情感分析。阿拉伯语真是一个难啃的骨头，它的单词语法形态太复杂了。阿拉伯语的分词（tokenization，把一个句子分成独立的词语）相比诸如英语更难，因为阿拉伯语单词内部可能包含空格（例如，aleph内的位置）。这个不需要保密，那就是 Repustate 使用了支持向量机（SVM）来得到句子最可能的意思，然后在此基础上分析情感。我们总共用了 22 个模型（22 个支持向量机），文档中的每个单词都会被分析。也就是说，如果一篇文档包含 500 词的话，将会有一万次以上的支持向量机的比较操作。

Python

Repustate几乎是彻底用 Python 实现的，因为我们使用了 Django 作为应用程序接口和网站架构。所以只能保持代码的统一，同时用 Python 实现整个阿拉伯语情感引擎。原型与实现的过程中，Python 还是很不错的。非常强的表达能力，强大的第三方库资源。如果你只是服务于网页的话，还是很完美的。但是，当你需要进行底层计算，需要在散列表（Python 中的字典）上进行大量的比较运算的时候，速度就慢下来了。我们每秒钟只能处理2到3篇阿拉伯语文档，这太慢了。对比我们的英语情感引擎，每秒钟能处理 500 篇文档。

瓶颈

于是，我们启动了 Python 分析器，研究哪部分执行得慢。还记得我说过我们会用 22 个支持向量机处理每一个单词吗？这些处理都是串行的，没有并行操作。好，我们第一个想法是把这个改成类似 map/reduce 的操作。长话短说：Python 中不适合使用 map/reduce。当你需要并发性的时候，Python 一点都不好用。2013 年的 PyCon 大会上，Guido 提到了 Tulip，他试图解决这个问题的新项目，但是还需要一段时间才能推出。如果已经有更好的选择，我们为什么还要等它呢。

换 Go 语言还是回家种田

我在 Mozilla 的朋友告诉我，Mazilla 服务中日志架构的大部分代码已经切换成 Go 了，部分原因是 goroutine（Go 线程）的强大。Go 是 Google 的一群人设计的，它把并行性作为一级概念，而不像 Python 的不同解决方案做的事后补充。于是，我们开始着手把 Python 换成 Go。

尽管 Go 代码还没达到产品级别，其结果已经非常令人鼓舞了。我们达到了每秒 1000 文档的速度，使用了更少的内存，还不用去处理用 Python 时碰到的多进程/gevent/“为什么 Ctrl+C 杀掉了我的进程”代码等讨厌的问题。

我们为什么爱上了Go

只要知道一点儿编程语言工作原理的人，（明白解释和编译以及动态与静态的区别），就会说：“老兄，Go 显然会更快”。没错，我们也可以把整个东西用 Java 来重写，并且得到类似的性能，但这不是 Go 胜出的原因。你用 Go 写出代码来就很容易是正确的。我也说不清楚怎么回事，但是一旦代码编译通过（编译速度还很快），你就感觉到它可以工作了（不只是运行不提示错误，而是逻辑上就是对的）。我知道这听起来很玄乎，但确实是事实。这就像 Python 解决冗余问题（或者说无冗余），它把函数作为一级对象，从而函数编程可以轻松的进行。go线程和通道（channel）让你的生活如此轻松。你还可以得到静态类型带来的性能提升，更精确的控制内存分配，却不会因此损失表达性。

我们早该知道的事情

除去那些赞美之词，用 Go 的时候需要一种不同于用 Python 时的心态。下面是一些迁移时候的笔记，把 Python 转成 Go 时随机跃入我脑子的东西：

没有内建的集合类型（需要使用 map 然后检查存在性）

由于没有集合类型，需要自己实现交集、并集等方法

没有元组（tuple），需要设计自己的结构（struct）或者使用slice（类似数组）

没有类似 __getattr_() 的方法，需要你检查存在性而不能设置缺省值，例如 Python 中，你可以这么写：value = dict.get("a_key", "default_value")

需要检查错误（或者至少显式的忽略它们）

不能够有未使用的变量和包，需要时不时的注释掉一些代码

在 []byte 和 string 之间切换，正则处理（regexp）使用 []byte（可改写的）。这是对的，但转换来转换去还是很麻烦

Python 语法更宽松。你可以用超出范围的索引取字符串的片段而不出错，也可以使用负数取片段。Go 就不行。

无法使用混合类型的数据结构。这可能不一定合适，但是 Python 中有时候我会有一个取值可以是字符串和列表混合的字典。Go 里不行，你必须清理里的数据结构或者自定义结构*

没法把元组或者列表分配成分开的变量（例如，x, y, x = [1, 2, 3]）

驼峰式大小写习惯（首字母不大写的函数/结构不会暴露给其他包）。我更喜欢 Python 的小写加下划线的习惯。

必须显式的检查错误是否为空，不像 Python 中很多类型都可以像布尔类型一样的用（0，空串，None都可以作为布尔“假”）

一些模块（如 crypo/md5）的文档不足，但是 IRC 上的 go-nutes 很厉害，有强大的支持

数字转字符串（int64->string）与 []byte 转字符串（只要 string([]byte)）不同，需要调用 strconv

读 Go 的代码绝对像是编程语言，而 Python 可以写成像是伪代码一样。Go 使用更多的非英文数字字符，使用 || 和 && 而不是 or 和 and。

写文件会有 File.Write([]byte) 和 File.WriteString(string)，与 Python 开发者的一种办法解决问题的信条不一致。

字符串插入不好用，必须经常使用 fmt.Sprintf

没有构造函数，通常的习惯是写一个 NewType() 函数返回你要的结构

Else（或者 else if）得正确的格式化，else 得和与 if 配对的大括号在一行。奇怪。

函数内外使用不同的赋值操作符，= 和 := （译者注：此为作者的误解，= 和 := 的区别是显式定义类型还是自动类型推导，而函数外的变量只能用 =）

如果我只想要键值（dict.keys()）或取值（dict.values()）的列表，或者元组的列表（dict.items()），Go 中没有对应的函数，只能自己迭代