雖然在機器學習中，Python已經無孔不入。但Python并不是全能之神手中的魔杖可以為所欲為。很多情況下其實用Python的效果并不如其他語言，比如Go更好，甚至可能更糟。本文介紹了為什么在作者的工作環境下選擇Go而非Python的理由，引發社區關注和熱議。

編程語言就是一個江湖，永遠有人覬覦霸主的位子。

 

Python如今卻穩坐編程語言界的霸主，尤其是在機器學習領域，所有主流機器學習框架都在用Python。

 

然而即使是被絕大多數人認可的Python，也并非真的無所不能，也有讓其無能為力、無中生有的情況。

 

Python引以為豪的機器學習算法，只是機器學習系統的一個組成部分。要實際大規模運行生產機器學習API，還需要實現以下功能的基礎架構：

 

自動縮放，以便流量波動不會破壞您的APIAPI管理，以處理的API部署滾動更新，以便您可以在更新模型的同時仍為用戶提供服務

 

對于像Cortex這樣的開源機器學習部署平臺，旨在使所有這些基礎架構自動化，以及日志記錄和成本優化等其他方面的關注，作者Caleb Kaiser認為相比Python而言，Go更合。

 

相比于出身寒門、一個應屆生的圣誕節無聊之作的Python，Go語言出自Google，作者是三位宗師級人物：Rob Pike、Ken Thompson 和 Robert Griesemer。在以下方面超越了Python：

 

并發對于機器學習基礎架構至關重要

用戶可以將許多不同的模型部署為不同的API，所有模型都在同一個Cortex集群中進行管理。

 

為了讓Cortex Operator能夠管理這些不同的部署，需要糾纏一些不同的API。

 

Cortex調用Kubernetes API在集群上部署模型；同時也需要考慮各種AWS API（EC2 Auto Scaling，S3，CloudWatch等）

 

用戶不會直接與任何這些API進行交互，取而代之的是，Cortex以編程方式調用這些API來供應集群，啟動部署和監視API。

 

以一種有效，可靠的方式進行所有這些重疊的API調用是一個挑戰。

 

同時處理它們是最有效的處理方式，但同時也引入了復雜性，因為現在我們不得不擔心諸如競賽條件之類的事情.Go有一個優雅的，開箱即用的解決方案來解決這個問題：Goroutines。

 

Goroutines是正常的Go并發執行的功能。許多Goroutine可以放在一個OS線程上，如果Goroutine阻塞了OS線程，則Go運行時會自動將其余Goroutines移至新的OS線程。

 

Goroutines還提供了一個稱為“通道”的功能，允許Goroutines執行在彼此之間傳遞消息，使我們能夠調度請求并避免出現競爭情況。

 

使用asyncio等最新工具在Python中實現所有這些功能可能是可行的，但是Go的設計充分考慮了這種用例，這一事實使我們的生活變得更加輕松。

 

在Go中構建跨平臺CLI更容易

Cortex CLI是一種跨平臺工具，允許用戶直接從命令行部署模型和管理API。

 

下面的GIF顯示了正在使用的CLI：

事實證明，Python編寫的CLI嘗試在各種平臺之間分發太困難了。

 

因為Go可以編譯成一個二進制文件（不需要依賴管理），所以它為我們提供了一個在平臺之間分發CLI的簡單解決方案，而無需進行過多的工程工作。經過編譯的Go二進制文件和解釋型語言的性能優勢也很明顯。

 

根據計算機基準測試游戲，Go的運行速度比Python快得多。許多其他基礎結構CLI工具都是用Go編寫的，這并非巧合，這使我們進入了下一步。

 

Go生態系統非常適合基礎設施項目

開源的好處之一是，您可以從自己欣賞的項目中學習。 例如，Cortex存在于Kubernetes（本身用Go編寫）生態系統中。 我們很幸運能夠在該生態系統中學習到許多出色的開源項目，其中包括：

 

• kubectl：Kubernetes的CLI
• minikube：一種在本地運行Kubernetes的工具
• helm：Kubernetes程序包經理
• kops：用于管理生產Kubernetes的工具
• eksctl：Amazon EKS的官方CLI

 

以上所有內容都是用Go語言編寫的，而不僅僅是Kubernetes項目。

 

無論你是在看CockroachDB還是Hashicorp的基礎設施項目，包括Vault，Nomad，Terraform，Consul和Packer，它們都是用Go編寫的。

 

Go在基礎設施領域的流行還有另一個影響，這就是大多數工程師都感興趣！在基礎架構方面工作的人對Go很熟悉，這使得吸引工程師更加容易。

 

用Go是一種樂趣

相對于Python，Go入門起來有點痛苦，但這是指暫時的。一旦你跨越了門檻，進入Go的世界里，你會發現簡直是“一馬平川”。

 

Go寬容的性格使它對于大型項目而言如此令人愉悅。

 

除此以外，相比Python，Go的優勢還體現在：

 

• 擁有非常棒的編譯器，編譯器可以檢測出你犯的所有低級錯誤
• 更好的并行性。Go 語言就是為并行而生的
• 部署簡單。代碼所需要的所有依賴都在一個二進制文件里
• 風格一致。格式化工具會讓所有代碼風格都保持一致
• 更便捷的工具。一個編輯器+插件滿足幾乎所有需求，都不需要IDE

 

適用于機器學習的Python，適用于基礎架構的Go

Cortex服務于TensorFlow，PyTorch，scikit-learn和其他Python模型，這意味著與這些模型的接口以及推理前后的處理，用Python完成。

 

但是，即使將Python代碼打包到了Docker容器中，這些容器都是用Go語言編寫的代碼精心編排的。如果你有興趣成為一名機器學習工程師，那么了解Python是必須的。

 

但是，如果你對使用機器學習基礎結構感興趣，則應認真考慮使用Go。