摘要：如果你只對(duì)開發(fā)者需要了解的事感興趣，請(qǐng)下拉到早該知道的事板塊。在不泄露機(jī)密的情況下，利用支持向量機(jī)來獲取一個(gè)句子最可能的意思，并且以此來推斷句子的情感。也就是說，如果一個(gè)文檔包含個(gè)詞，就會(huì)與支持向量機(jī)進(jìn)行多次對(duì)比。

【編者按】本文最早由 Repustate 發(fā)布，主要介紹將代碼遷移至 Go(lang) 時(shí)的注意事項(xiàng)。文章系國內(nèi) ITOM 管理平臺(tái) OneAPM 編譯呈現(xiàn)，以下為正文。

這是一篇講述將大塊 Python/Cython 代碼遷移到 Go 的長(zhǎng)文章。如果你想了解整個(gè)事情的經(jīng)過、背景等所有信息，請(qǐng)讀下去。如果你只對(duì) Python 開發(fā)者需要了解的事感興趣，請(qǐng)下拉到早該知道的事板塊。

我們?cè)?Repustate 最大的技術(shù)成果就是實(shí)現(xiàn)了阿拉伯語情感分析。阿拉伯語是個(gè)難啃的硬骨頭，因?yàn)榘⒗Z詞匯的形式非常復(fù)雜。阿拉伯語的標(biāo)記化（把一句話拆分成單個(gè)單詞）也比英語要難得多，因?yàn)榘⒗畣卧~內(nèi)部可能會(huì)包含空格（例如單詞內(nèi)部“aleph”的位置）。在不泄露機(jī)密的情況下，Repustate 利用支持向量機(jī)（SVM）來獲取一個(gè)句子最可能的意思，并且以此來推斷句子的情感。我們一共采用了22種模型（22個(gè)支持向量機(jī)），文檔中的每個(gè)詞都會(huì)被分析。也就是說，如果一個(gè)文檔包含500個(gè)詞，就會(huì)與支持向量機(jī)進(jìn)行10000多次對(duì)比。

Repustate 幾乎完全是用 Python 搭建的，我們使用 Django 來搭建 API 接口和網(wǎng)站架構(gòu)。因此，為了保持代碼一致性，使用 Python 來實(shí)現(xiàn)所有阿拉伯語情感引擎才說得通。就原型設(shè)計(jì)和實(shí)現(xiàn)流程而言，Python 依然是一個(gè)很好的選擇：表現(xiàn)能力優(yōu)秀，又有強(qiáng)大的第三方庫資源，等等。如果是服務(wù)于網(wǎng)頁，它就是最佳選擇。如果是稍低級(jí)別的運(yùn)算，需要與哈希表（Python 中的字典）進(jìn)行大量對(duì)比時(shí)，運(yùn)行速度就會(huì)慢下來。我們一秒鐘只能處理2到3個(gè)阿拉伯語單詞，這種速度太慢了。相比之下，我們的英語情感引擎每秒能處理500個(gè)單詞。

因此，我們啟動(dòng)了 Python 分析器，開始調(diào)查速度慢的原因。還記得上文提到我們有22個(gè)支持向量機(jī)，每個(gè)單詞都會(huì)通過它們處理嗎？原來這個(gè)過程是按順序進(jìn)行，而不是并行的。好了，第一個(gè)想法是換成類似分布式計(jì)算系統(tǒng)（map/reduce）的處理器。長(zhǎng)話短說：Python 不適合用 map/reduce。當(dāng)你需要并發(fā)性的時(shí)候，Python 并不能幫上忙。在 Pycon 2013大會(huì)中，Guido 談到了 Tulip，他希望用來解決這個(gè)問題的一個(gè)新項(xiàng)目，但是還要過一段時(shí)間才能發(fā)布?？墒?，如果已經(jīng)有了更好的選擇，為什么還要苦等下去呢？

在 Mozilla 的朋友告訴筆者，Mozilla 服務(wù)的日志架構(gòu)大部分代碼都已遷移到 Go，部分原因是 goroutines 超級(jí)便利。Go 是由谷歌員工開發(fā)的，設(shè)計(jì)之初就將并發(fā)需求列為一級(jí)理念，而不是像 Python 的眾多解決方案一樣在做事后補(bǔ)救。因此我們開始著手實(shí)現(xiàn)從 Python 到 Go 的遷移。

雖然 Go 代碼還沒實(shí)現(xiàn)大規(guī)模產(chǎn)出，得到的結(jié)果已經(jīng)非常振奮人心。我們現(xiàn)在一秒鐘能處理1000個(gè)文檔，使用的內(nèi)存大大減少，而且也不用再去調(diào)試和解決使用 Python 時(shí)會(huì)遇到的多進(jìn)程/協(xié)程（gevent）/“為什么 Control-C 殺死了我的進(jìn)程”等問題。

任何略懂編程語言的人（明白解釋與編譯、動(dòng)態(tài)與靜態(tài)區(qū)別）都會(huì)說：“哈，顯然 Go 要快多了?！睕]錯(cuò)，我們是可以用 Java 重寫所有內(nèi)容，并且取得類似的效果，但是這并不是 Go 勝出的原因。你用 Go 寫的代碼似乎一出來是正確的。筆者也說不清楚，但是不知怎么的，一旦代碼被編譯（編譯過程非常迅速），你就會(huì)感覺它能工作了（不只是運(yùn)行不出錯(cuò)，而且還邏輯正確）。這聽起來很含糊，但是它是真的。在冗余或無冗余方面，它跟 Python 相似，它把函數(shù)當(dāng)做一級(jí)對(duì)象，因此函數(shù)編程很方便。而且毋庸置疑，goroutines 和 channels 會(huì)讓你更加省心省力。靜態(tài)類型還會(huì)帶來極大的性能提升，以及更精確的內(nèi)存分配控制，但是又不會(huì)損失太多表達(dá)性。

除去溢美之詞，跟 Go 打交道需要與 Python 完全不同的一套思維模式。以下列出的是筆者在遷移時(shí)做的一些筆記——都是在從 Python 遷移到 Go 時(shí)隨機(jī)想到的一些東西：

沒有內(nèi)建的集合類型（需要使用 map，然后測(cè)試存在性）

由于沒有集合類型，需要自己寫代碼來實(shí)現(xiàn)交集、并集等方法

無元組（tuple），必須自己寫架構(gòu)或使用切片（slice）（數(shù)組）

沒有類似 getattr_() 的方法，因此需要不斷檢查存在性，而不能像在 Python 中那樣設(shè)置缺省值：value = dict.get(“a_key”, “default_value”)

必須不斷檢查錯(cuò)誤（至少需要顯式忽略它們）

不能包含未使用的變量或包，因此有時(shí)候如果要測(cè)試一些簡(jiǎn)單問題，需要給代碼添加注釋

在 []byte 和 string 之間切換。正則表達(dá) （regexp） 使用 []byte （可變）。這說得通，但是在一些變量之間來回切換還是很煩人

Python 更為寬松。你可以用超出范圍的索引來索取字符串片段，也不會(huì)有什么問題，還可以提取負(fù)值片段，但是 Go 就不行

不能使用混合類型的數(shù)據(jù)結(jié)構(gòu)。也許不合規(guī)定，但是有時(shí)候在 Python 可以使用混合字符串和列表的字典。在 Go 就不行，要么清理干凈數(shù)據(jù)結(jié)構(gòu)，要么自定義結(jié)構(gòu)。感謝 Ralph Corderoy 向筆者展示了如何正確操作（用這個(gè)界面，盧克）
http://play.golang.org/p/SUgl7wd9tk

不能把元組或列表分解成分開的變量（如 x,y,x = [1,2,3]）

駝峰字規(guī)則（UpperCamelCase）（如果一個(gè)包中的函數(shù)或結(jié)構(gòu)首字母未大寫，就不會(huì)暴露給其他包）。筆者更喜歡 Python 的小寫加下劃線格式（lower_case_with_underscores）

需要顯式檢查錯(cuò)誤是否為 != nil，不像 Python 有很多類型可以用于布爾型檢查（0，“”，None 都會(huì)被解讀為“假”）

某些模塊（如 crypto/md5）的文檔不足，但是 IRC 上面的 go-nuts 非常棒，擁有特別好的支持

從數(shù)字到字符串的類型轉(zhuǎn)換（int64 -> 字符串）跟[]byte -> 字符串（只用字符串（[]byte））不同，需要用到 strconv

Go 的代碼讀起來更像是編程語言，而 Python寫出來更像偽代碼。Go 包含更多非數(shù)字字母字符，用 || 和 && 來表示“或”與“和”

寫文件會(huì)有 File.Write([]byte) 和File.WriteString(string)，這會(huì)讓習(xí)慣了 Python
只有一種做事方法的開發(fā)者們有些不適應(yīng)

字符串插入很麻煩，不得不經(jīng)常使用 fmt.Sprintf

沒有構(gòu)造函數(shù)，常見的做法是創(chuàng)建 NewType() 函數(shù)，來返回你需要的結(jié)構(gòu)

Else 或 else if 必須格式正確，else 得跟 if 從句的大括號(hào)在一行。這很奇怪。

根據(jù)函數(shù)內(nèi)外位置，使用不同的賦值操作符，例如 = 和 :=

如果只想要類似dict.keys() 或dict.values()得到的鍵值或取值列表，或者通過

dict.items()得到的元祖列表，在 Go 里面是無法實(shí)現(xiàn)的，只能自行迭代 map，然后創(chuàng)建自己的列表

筆者習(xí)慣建立一個(gè)取值為函數(shù)的字典，并通過鍵值調(diào)用函數(shù)。你可以在 Go
里面這么做，但是所有的函數(shù)都得接受和返回同樣的東西，也就是說，必須具備同樣的方法簽名

如果你是用 JSON， 而且是混合類型的 JSON，那么你還是自求多福吧。你得創(chuàng)建一個(gè)能夠匹配你的 JSON 二進(jìn)制大對(duì)象（blob）格式的個(gè)性化結(jié)構(gòu)，然后解組（Unmarshall）原始 JSON 成為你的個(gè)性化架構(gòu)的一個(gè)用例。比起在 Python 中的一句“obj = json.loads(json_blob)”要費(fèi)更多功夫

值，一百萬個(gè)值，超值。速度的提升不容忽視。而且筆者認(rèn)為這也是促使 Go 成為流行語言的重要原因。因此在招聘時(shí)，筆者認(rèn)為把 Go 當(dāng)成 Python 開發(fā)者的必備技能也很重要。

原文地址 https://blog.repustate.com/migrating-code-from-python-to-golang-what-you-need-to-know/
本文轉(zhuǎn)自 OneAPM 官方博客