Что меньше всего нравится в Python?

Недостатки Python

Пython — замечательный язык, но у него есть объективные ограничения, которые стоит понимать разработчику.

1. Производительность

Python значительно медленнее скомпилированных языков. GIL (Global Interpreter Lock) — одна из главных причин:

# GIL предотвращает параллельное выполнение
# даже на многоядерных процессорах
import threading
import time

def cpu_heavy():
    count = 0
    for i in range(500_000_000):
        count += 1

# Однопоточное выполнение: ~30 сек
start = time.time()
cpu_heavy()
print(time.time() - start)  # ~30 сек

# Двухпоточное выполнение через threading: ~30 сек (!)
# GIL не даёт реальный параллелизм
start = time.time()
t1 = threading.Thread(target=cpu_heavy)
t2 = threading.Thread(target=cpu_heavy)
t1.start()
t2.start()
t1.join()
t2.join()
print(time.time() - start)  # ~30 сек, не ~15!

Для масштабируемых систем нужны асинхронные фреймворки (asyncio, FastAPI) или multiprocessing, что добавляет сложность.

2. Типизация

Python — язык с динамической типизацией. Типы проверяются в runtime, а не при компиляции. Ошибки обнаруживаются поздно:

# Эта ошибка вызовется только при выполнении
def process_data(data):
    return data.upper()  # Метод .upper() есть только у строк

process_data("hello")  # OK
process_data(123)  # AttributeError: int object has no attribute upper

# С type hints (PEP 484) лучше, но не гарантия
def process_data(data: str) -> str:
    return data.upper()

process_data(123)  # Mypy предупредит, но Python всё равно выполнит

3. Мобильная разработка

Python практически не используется для мобильных приложений. Экосистема ограничена:

# Kivy — попытка, но неудачная
# Требует много кода, плохая производительность
# Лучше использовать Kotlin, Swift или Flutter

Для веб-мобильных решений Python подходит только для backend.

4. Упаковка и распределение

Разные версии Python, зависимостей, виртуальные окружения — ад для новичков:

# Какое окружение? Какая версия?
# requirements.txt, poetry.lock, pipenv, uv...
pip install -r requirements.txt  # Конфликты зависимостей
pip install package==1.2.3  # Несовместимость версий

# Сборка исполняемого файла — сложно
# PyInstaller создаёт 50+ MB exe для простой программы

В сравнении с Go (один бинарь) это болезненно.

5. Стартовая задержка

Python требует инициализации интерпретатора. Для serverless (AWS Lambda) это критично:

# Lambda с Python 3.11 стартует медленнее,
# чем Go, Node.js или Java
# Холодный старт: 1000+ ms (Python) vs 100-200 ms (Go)

Для частых коротких вызовов это дорого.

6. Скупость экосистемы

Разные пакеты для одной задачи с разным качеством:

# Для HTTP запросов: requests, httpx, aiohttp, urllib3
# Для ORM: SQLAlchemy, Django ORM, Tortoise, Peewee
# Для асинхронности: asyncio, trio, gevent
# Для валидации: pydantic, marshmallow, voluptuous

Сложно выбрать и часто нужно комбинировать несколько.

7. memory overhead

Объекты Python имеют большие издержки памяти:

import sys

# Простое число занимает 28 байт (вместо 8)
print(sys.getsizeof(42))  # 28

# Для больших данных это критично
small_dict = {"x": 1}
print(sys.getsizeof(small_dict))  # 240 байт!

8. Версионность

Python 2 vs 3 разлом повредил экосистему. Медленные обновления:

# Python 3.8 (2019) → 3.9 → 3.10 → 3.11 → 3.12
# Каждый год новая версия, старые долго поддерживаются
# Это хорошо для стабильности, но плохо для инноваций

Когда Python подходит, а когда нет

✅ Идеален для:

• Web backend (Django, FastAPI, Flask)
• Data Science и ML
• Автоматизация и скрипты
• Быстрая прототипизация

❌ Плохой выбор для:

• Высокопроизводительные системы реального времени
• Мобильные приложения
• Встраиваемые системы
• CLI инструменты с холодным стартом

Резюме

Python — замечательный язык для большинства задач, но нельзя закрывать глаза на его недостатки. Хороший разработчик знает границы инструмента и выбирает правильный язык для правильной задачи.