之前我用Python写了一个爬虫项目，主要是抓电商价格。 一开始数据量不大，跑得挺欢。 直到有一天，数据量突然涨到每天300万条，我同时开了2000个爬虫任务，结果内存直接飙到2.3GB，然后卡死，还得手动kill。 后来同事用Go写了一个同样的抓取器，他说他用了goroutine池，跑起来内存才480MB，而且从来没有卡死过。 我靠，这个数字对比让我当场破防。 于是我决定花两周时间学Go，然后把自己的项目重写一遍。
学习Go的过程并没有我想象中那么难，但有几个地方真的反人类。 比如切片和数组的区别，我写了三年Python从没关心过这个，Go里如果搞混，编译倒是能过，但运行时会panic。 最让我纠结的是并发模型，Python的asyncio你需要把函数定义成async，然后await调用；Go呢，直接go func()然后扔到channel里，一切看起来简单，但一旦你想控制并发上限，就得自己搞WaitGroup或者Semaphore。 我第一次写的时候，为了省事，用了十几个全局变量去记录状态，结果跑起来数据时对时错，后来用go vet和race detector一查，才发现有数据竞争。 说实话，这个调试过程比写代码还费时间。
为了让自己死心，我做了个很简单的对比实验：一个JSON解析接口，从Redis里读数据然后返回。 Python用FastAPI，Go用Gin，同样跑在一台4核8G的云服务器上。 先用压测工具打500并发，持续三分钟。 Python平均延迟450ms，P99直接飙到1.2秒，内存占用一度到7.8GB，服务器差点被拉黑。 Go呢，平均延迟38ms，P99是96ms，内存稳定在1.1GB，CPU占用还不到40%。 这个结果确实震撼，但我也清楚，Python的启动时间和解释器开销摆在那里，拿它跟编译语言比性能本来就是欺负人。
现在说说我自己的结论。 网上一堆人说“没有最好的语言，只有最适合的”，这种话跟没说一样。 我的个人经验是：如果你的项目要活过一年，而且不只是脚本，比如是Web服务、工具链、或者需要高并发的系统，那就直接上Go，别犹豫。 但如果你就是拿来做数据分析、调个API、写点自动化脚本，或者做机器学习原型，Python依然无敌。 另外，Go的生态其实没有吹的那么好，很多库都缺人手维护，比如我找了一圈密码哈希的库，官方推荐的golang.org/x/crypto/bcrypt还行，但另一个库的API跟文档对不上，害我调了半天。 反正我现在主力是Go，但也会用Python写一些快速验证的东西，就像用菜刀砍树，你非说菜刀不好，那也不对，只是工具不趁手。
