Python 的 PyPy 能追上 Go 的性能吗？

在我们选择用哪种编程语言进行后端开发的时候，Python 和 Go 似乎代表了两种极端：

Python 以人生苦短我用Python的开发效率闻名，却经常因性能被调侃为慢如龟速；

Go 则以编译即部署的轻量和高并发性能成为云原生时代的宠儿，却因语法简陋被吐槽开发像搬砖。

而 PyPy 的出现，像给 Python 注射了一剂强心针，这个基于 JIT（即时编译）的 Python 解释器，宣称能让 Python 代码运行速度提升 5-10 倍。于是我们难免好奇：有了 PyPy，Python 能在后端开发中追上甚至超越 Go 的性能吗？

今天就用 3 个后端核心场景（高并发 API、数据处理管道、长连接服务）的实测数据，结合底层原理和实战案例，一次性说清这个问题。

后端开发的性能到底指什么？

讨论性能前，得先统一标准。对后端服务而言，性能从来不是单维度的谁跑得更快，而是以下三个核心指标的综合：

• 吞吐量（QPS）：单位时间内能处理的请求数，直接决定服务承载能力；
• 延迟（P99/P999）：极端情况下的响应时间，影响用户体验（比如支付接口的卡顿）；
• 资源效率：相同负载下的 CPU/内存占用，直接关系服务器成本。

我们选择的测试环境：

• 硬件：2 核 4G 云服务器（模拟中小型后端服务的常见配置）；
• 语言版本：Python 3.11（CPython）、PyPy 7.3.11（对应 Python 3.9）、Go 1.21；
• 框架：Python 用 FastAPI（异步），Go 用 Gin（高性能框架）；
• 测试工具：wrk（压测 HTTP 服务）、cProfile（Python 性能分析）、pprof（Go 性能分析）。

场景一：高并发 API 服务

后端最常见的场景：实现一个用户信息查询API，接收用户 ID，从 Redis 查缓存，返回 JSON 结果。这是典型的 I/O 密集型任务。

代码实现（核心逻辑）

# Python（FastAPI + asyncio + aioredis） from fastapi import FastAPI import aioredis import json app = FastAPI() redis = None @app.on_event("startup") async def startup():     global redis     redis = await aioredis.from_url("redis://localhost") @app.get("/user/{user_id}") async def get_user(user_id: str):     data = await redis.get(f"user:{user_id}")     return json.loads(data) if data else {"error": "not found"}

// Go（Gin + redis/go-redis） package main import ( 	"encoding/