英文原文：Why Dynamic Programming Languages Are Slow，翻譯：iteye
靜態型別語言中，在宣告變數時已經指定了資料型別和表示方法。動態型別語言是在執行期間檢查資料的型別，不得不保持描述變數值的實際型別標記，程式在每次操作變數時，需要執行資料依賴分支。
而間接分支（Indirect branch）和資料區域性性（data locality）對於執行時的效能是致命的。
這就是動態語言的JIT編譯器基準測試要強調near-C的內迴圈速度，以及避免大的資料結構和資料處理問題的原因。
我也希望像Python這樣的動態型別語言可以變快。我試過用Python來進行傳統的伺服器程式設計——“系統語言”領域——但是效果真的不好，我現在考慮用Java重寫一個伺服器。
因此，我花時間思考如何真正靜態地編譯Python。畢竟，那是我夢寐以求的程式語言！但當我思考如何將動態型別程式碼與靜態編譯Python結合起來時，我遇到了資料變慢的問題：
在動態語言中，通常所有陣列中的元素（或其他資料結構）型別各不相同，所以有不同的表示值。因此，這些值都必須被單獨存放為堆，而不是順序地存為陣列。這意味著如果對不相鄰的記憶體執行資料依賴分支，則對快取有更高的要求。
也有一些聰明的技巧，使用變數中的特殊bit，將一些原生型別（像整型）打包成一個型別，類似於指標，但這要求暫存器在操作過程中進行跟蹤，會增加開銷。
還有一些方法，比如使用JIT編譯熱路徑（hot path）時，如果你直接插入沒有標型別的值，而不是在堆裡分別標記型別， 那麼與JIT編譯過的程式碼的互操作性會降低，如果其他程式碼改變了陣列中的一個值的型別，就會出現非常嚴重的後果。
我一直在思考，在Python語言中，什麼是靜態的，什麼不是。通過SSTA（統計靜態分析）和逃逸分析可以判斷，大量正常的程式是靜態的。Paul Biggar給了我信心證實我的猜測是正確的，我的Python程式碼90％都是靜態的。
有人會問，那另外的10％呢？通常情況下，我可以讓所有的都是靜態的，或者想象它被引數型別的限制範圍特殊化了。除了Python語言的標準模 式，其他模式都由Web伺服器分配給基於HTTP方法（如果收到GET請求就稱為“get”方法）的Web處理器，這也需要程式設計師依照switch語句 （如elifs的長鏈）來進行修改。
Robert Harper對“從單一型別靜態語言方面，動態語言是如何實現的”這個問題作出了很好的解釋，下面這句話是我希望他能進一步進行解釋的：
引用
我深知“編譯器可以優化它”，至少在某些情況下。
我確信他說的“某些情況”是指遇到non-escaping的情況，因為和後面的執行程式碼進行互動時，你應該要能夠確定escape的型別。
一些動態呼叫是無汙染的——編譯器可以從程式碼檢查中發現一些變數（或方法）是動態的，但動態的程式碼不表示其他變數也是動態的，因為不同型別的變數、方法、成員的存在或缺失都被限制成了可識別的型別（或null）。
但通常編譯器是無法從程式碼檢查中發現這些情況的，如果無法追蹤到執行的情況，就無法知道程式碼如何依賴以及如何改變其他靜態變數的值。因此，工作中斷，所有變數再次變為動態的。
我一直在努力尋找把Monkey Patch（不改變初始原始碼來擴充套件和修改動態語言執行程式碼的方法）、Set（屬性或索引器元素賦值的“訪問器”方法）、SetAttr（SetAttr 語句可以為一個檔案設定屬性資訊）等解決辦法移植到我虛構的Python編譯器裡，因為型別標記嚴重地降低了執行效能。
快速的資料結構對於記憶體訪問模式和快取位置是非常重要的，還可以減少分支和對這些分支的標記工作。
Jonathan Shapiro的文章Programming Language Challenges in Systems Codes非常棒，我很贊同文中的觀點。