智能工厂信息化系统

从实用的角度来看，在为日常工作选择编程语言时，我们需要回答许多不同的问题。

(1) 你能用这种语言切实解决多个业务问题吗?

假如你只关心速度，那就别用Python了。各种用例都有更快的替代方案。Python的主要优点在于它的可读性、易用性，以及能用它解决广泛问题。Python可以用作桥梁，将无数不同的)系统、服务和用例连接在一起。

(2) 你能找到足够多的懂这门语言的员工吗?

Python非常容易学习和使用，所以其用户数量在不断增长。以前用Excel处理数字的商业用户，现在可以很快学会用Pandas编码，从而自给自足，无需始终依赖IT资源。同时，这消除了IT和分析部门的负担，也缩短了实现价值的时间。

近些年，比起那些能用Java或Scala做同样事情的人，你更容易找到那些了解Python并能用这种语言维护Spark数据处理应用程序的数据工程师。许多组织在很多用例中逐渐转向使用Python，只是因为找到“会说”这种语言的员工的几率更高。

我知道一些公司非常需要Java或C#开发人员来维护他们现有的应用程序，但这些语言很难(需要很多年才能掌握)，而且对于新程序员来说似乎没有吸引力，因为他们可以用更简单的语言(如Go或Python)来获得更多收入。

(3) 不同领域专家之间的协同效应

假如你的公司使用Python，那么商业用户、数据分析师、数据科学家、数据工程师、后端和web开发人员、DevOps工程师，甚至系统管理员很可能都使用同一种语言。这会引起项目中的协同效应，来自不同领域的人可以一起工作。

数据处理中真正的瓶颈是什么?

在我的工作中，我通常遇到的瓶颈不是语言本身，而是外部资源，来看几个例子。
 

Python速度很慢吗?

在我看来，这类问题应该基于特定的情境和用例提出。与编译语言(如C语言)相比，Python处理数字的速度慢吗?是的，慢。这是众所周知的事实，这就是为什么Python库在后台控制着C语言，而在诸如numpy的Python库中，速度起着重要作用。

但是对于所有用例来说，Python是否比其他(更难学习和使用的)语言慢得多?你若查看为解决特定问题而优化的许多Python库的性能基准，就会发现它们与编译语言相比，表现相当不错。

例如，看看FastAPI的性能基准——显然，Go作为一种编译语言要比Python快得多。尽管如此，FastAPI在构建REST API方面还是胜过了一些Go的库：
 

Forrester Research

2020年是IT预算扩张的一年，随着人们在家办工以及企业纷纷涌向云计算，以确保在疫情期间保持生计。Forrester预测，今年CIO的支出将减少约1.5%。

但是，在2021年，即使总体支出可能会略有下降，但在进行远程工作时，CIO仍将继续增加在高需求领域的支出，例如云计算、安全性、风险管理、网络和移动性。该公司预测，与疫情前的水平相比，远程工作将增加300%。在后COVID时期中，混合工作模型将是工作生活结构的首选类型。

在过去的一年中，人们迅速适应远程工作，并意识到与在办公室中一样高效。根据Forrester的说法，这一转变将继续产生多米诺骨牌效应，不仅对云和IT产生影响，还对人才培养产生影响。

（编辑：孝感站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!