用python的django或者web.py做服务器，性能上有瓶颈吗？

不过，既然接受了Python的简单易用和快速开发优势，作为tradeoff，就要学会接受和处理Python的一些缺点。用django作数据服务器两年多，确实会有一些性能问题。

1异步django的>

2缓存和队列用ZeroMQ、Memcached来做缓存和队列就解决了。

3影响性能的函数如果真的有CPU密集型的函数影响性能，可以编译成C来解决性能问题，一些矩阵 *** 作也可以通过numpy来解决

·Web应用开发
Python常被用于Web开发，随着Python的Web开发框架逐渐成熟，如Django、flask等等，开发者们可以更轻松地开发和管理复杂的Web程序。通过mod_wsgi模块，Apache可以运行Python编写的Web程序，举个最直观的例子，全球最大的搜索引擎
Google，在其网络搜索系统中就广泛使用 Python 语言。另外，我们经常访问的集、读书、音乐于一体的豆瓣网(如图 1 所示)，也是使用 Python
实现的。不仅如此，全球最大的视频网站 Youtube 以及 Dropbox(一款网络文件同步工具)也都是用 Python 开发的。
·自动化运维
Python 是标准的系统组件，可以在终端下直接运行 Python。有一些 Linux 发行版的安装器使用 Python 语言编写，例如 Ubuntu 的
Ubiquity 安装器、Red Hat Linux 和 Fedora 的 Anaconda 安装器等等。另外，Python
标准库中包含了多个可用来调用 *** 作系统功能的库。例如，通过 pywin32 这个软件包，我们能访问 Windows 的 COM 服务以及其他 Windows
API;使用 IronPython，我们能够直接调用 Net Framework。
·人工智能领域
人工智能是现如今非常火的一个方向， Python
在人工智能领域内的机器学习、神经网络、深度学习等方面，都是主流的编程语言。可以这么说，基于大数据分析和深度学习发展而来的人工智能，其本质上已经无法离开
Python 的支持了。
·网络爬虫
Python语言很早就用来编写网络爬虫。Google 等搜索引擎公司大量地使用 Python 语言编写网络爬虫。从技术层面上将，Python
提供有很多服务于编写网络爬虫的工具，例如 urllib、Selenium 和 BeautifulSoup 等，还提供了一个网络爬虫框架 Scrapy。
·游戏开发
很多游戏都是使用C++编写图形显示等高性能的模块，使用Python或Lua编写游戏的逻辑，相比Python，Lua的功能更简单，体积也更小，但Python支持更多的特性和数据类型。除此之外，Python
可以直接调用 Open GL 实现 3D 绘制，这是高性能游戏引擎的技术基础。事实上，有很多 Python 语言实现的游戏引擎，例如 Pygame、Pyglet
以及 Cocos 2d 等。

Python不仅仅是一门设计优秀的编程语言，能够完成现实中的各种任务，同时我们也可以在任何场合应用Python,从网站、游戏开发到机器人和航天飞机控制。因为Python对初学者十分友好，学习Python语言的群体正在日渐壮大。那么Python工程师在企业里的角色定位有哪些呢？小编认为主要覆盖以下四大业务模块：

一、验证算法：

主流研究方向包括但不仅限于视频算法工程师、图像处理算法工程师、音频算法工程师、通信基带算法工程师、信号算法工程师等。能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。

二、快速开发：

快速开发这个应该都比较熟悉，就是用相对成熟的框架，和相对较少的代码来开发网站，Python在网站前后台都有不少成熟的框架，如flask、bottle、tornado等等使用较多。目前国内外都有不少知名网站都是用Python来开发的，比如国内的知乎、豆瓣等这些网站。

三、测试运维：

指的是用python实现的测试工具以及过程，包含服务器端、客户端、web等这些自动化测试过程，自动化性能测试的执行、监控和分析，常用的框架有seleniumappium等。python可以写很多的脚本，把运维工作中日常 *** 作涵盖了监控，部署，网络配置，日志分析，安全检测等这些“ *** 作”做到极致。并且，python在服务器管理工具上也同样丰富，比如配置管理(saltstack)、批量执行(fabric,saltstack)、虚拟化管理(python-libvirt)、云计算(openstack)等等。

四、数据分析

NumPy、SciPy和Matplotlib被公认为是Python领域最出色的程序库。NumPy是一个通用程序库，不仅支持常用的数值数组，同时提供了用于高效处理这些数组的函数。SciPy是Python的科学计算库，对NumPy的功能进行了大量扩充，同时也有部分功能是重合的。Matplotlib是一个2D绘图库，在绘制图形和图像方面提供了良好的支持。当前Matplotlib已经并入SciPy中并支持NumPy。

想必很多同学都会有如下疑问：如何通过自学成长为一名合格的Python工程师呢？这里我给大家的建议就是多看、多想和多敲。多看别人的优秀代码，可以从GitHub、Kaggle等网站查看到Python作的项目，也可以看Python类的书籍和一些优质成套的视频教程，学习别人代码的逻辑思路和步骤的同时，在实践中多动手去敲代码，让编程成为兴趣驱动学习才能收获意想不到的效果。

---