Python 3.8 已经来了，你准备好了吗？ -一个渣渣

Python 3.8

过去几年，在编程语言领域 Python 可谓大红大紫。开发者对于这门语言的热情也推动了Python 语言的的快速发展。自2015年开始，Python 几乎以每年一个主要版本的速度不断的演进。

我们注意到在Python 官网上悄然发布了最新的稳定版本Python 3.8。如果只是从数目字来看似乎只有0.1的变化，但如果仔细的阅读PEP文档，还是要不禁为Python 3.8 叫一声好！ Python 3.8 的新特性

说起来这次发布的新版本从2019年夏天就开始就有了测试版本，短短的几个月后在 2019年10月14日第一个官方的稳定版本就已经准备好了。这足以看出Python 社区对这个新版本的热情。而这个稳定的版本的出现，可以让我们即刻就开始使用 Python 的新特性并从最新的改进中获益。

与目前使用最为广泛的Python 3.7对比起来，Python3.8 的变化主要表现在这几个方面 –

PEP 572，赋值表达式
PEP 570，仅限位置的形参
PEP 587，Python 初始化配置（改进的嵌入）
PEP 590，Vectorcall：用于 CPython 的快速调用协议
PEP 578， Python 运行时审计挂钩
PEP 574，具有外部数据缓冲区的 pickle 协议 5
与打字相关：PEP 591（最终限定词）、PEP 586（文字类型）和 PEP 589（TypedDict）
并行文件系统缓存，用于编译的字节码
调试版本使用与发布版本使用相同的 ABI
f – 字符串支持的便捷性 = 用于调试的说明符
在finally:块中，continue现在是合法的
在 Windows 上，默认 asyncio 事件循环现在是 ProactorEventLoop
在 macOS 上，spawn 启动方法默认使用 multiprocessing
multiprocessing 现在可以使用共享内存段来避免进程之间的pickle开销
typed_ast 被合并回了 CPython
LOAD_GLOBAL 速度加快了 40％
pickle 现在默认使用协议 4，提高了性能

在这些变化当中，给我留下深刻印象的有这样几个特性 –

赋值表达式

Python 3.8 这一次增加了一个新的语法 :=，用来将值赋给一个表达式中的变量。这个新方法也被亲切地称为 “海象运算符” (walrus operator)，因为这个表达式看起来像是海象的眼睛和象牙。具体用法是这样的

以前，赋值只能以语句形式提供。对于Python 3.8，它可以在列表生成（list comprehensions）和其他表达式上下文中使用。

Python系列教程,免费获取,遇到bug及时反馈,讨论交流可加扣裙<60 61 15 02 7>

仅限位置的形参

仅位置参数通过引入新的函数参数语法 “/“ 来指示某些函数参数必须在位置上指定且不能用作关键字参数，从而为库的开发者提供了更多控制权。

在描述API时，可以使用它们更好地表达预期的用法，并允许API以安全，向后兼容的方式发展。它们还使Python语言与现有文档以及各种“内置”和标准库函数的行为更加一致。

代码调试中支持的 f-string

f-string（或者称为「格式化字符串」）是在 Python 3.6 版本中加入的特性。虽然这一特性非常方便，但是开发者发现 f-string 对调试没有实际的帮助。因此，Eric V. Smith 为 f-string 添加了一些语法结构，使其能够用于调试。于是, Python 3.8增加了在f-string内部使用赋值表达式的能力，需要注意的是f-string是从左到右计算的。

System V风格共享内存带来的性能的提升

在版本3.8中，Python开始支持System V风格的共享内存。这种支持允许创建可以在Python进程之间共享的内存段，因此有助于在进程之间共享数据时避免(反)序列化的成本。这个变化引入了一个新的管理器multiprocessing.managers.SharedMemoryManager。该管理器允许基于管理器来访问此共享内存功能。此外，还引入了一个名为multiprocessing.shared_memory 的新程序包。这个程序包包含SharedMemory和ShareableList类。前一个类提供对共享内存的“原始”访问，而后一个类则通过将其抽象为Python中的列表来提供对共享内存的访问。可以设想，这个特性对于进程间通讯的效率的提升将是显而易见的。

如果有兴趣，可以体验一下这段代码带来的两种场景的对比

安装 Python 3.8

Python 3.8 已经是一个稳定的版本，并且许多使用广泛的Python 包已经兼容于这个最新的版本。在我初步测试中，无论AWS 的Python 开发包boto3，还是NumPy，Django等等都可以很好的运行于Python 3.8 之上。如果需要自行体验这个最新版本，首先需要的就是在系统中安装Python 3.8。 Ubuntu 18.04

在Ubuntu 18.04 官方的“仓库”中已经提供了Python 3.8 的程序包。我们只需要用这样一个简单的命令就可以完成安装 –

如果考虑到开发中的需要，还可以安装这几个包 –

安装后的Python 版本是这样的 –

Amazon Linux 2

目前Amazon Linux 2 的官方”仓库” 以及EEPL的“仓库”中都没有提供Python 3.8 的安装包。不得已，我们只能自己动手。不过不用担心，我为大家准备了一个一键安装。安装脚本的内容是这样的 –

这个脚本看起来啰嗦，其实完成下载、编译、安装的过程却很快。在我的一台m5a.2xlarge 的实例上，仅仅用了大约28秒的时间就完成了全部过程。安装完成以后，我们就得到了完整的Python3.8 环境，可以让我们尽情体验这些新的特性了。

Python 3.8 的另一种玩法 – Amazon Lambda

上面提到的关于Python 3.8 的一切，其实与以往众多的Python新版本别无两样。但是斗转星移，我们今天使用Python 来开发已经远远不止这样的方式。这些新的方法你也许听说过，其中就有大热的AWS Lambda。可以说AWS Lambda 的横空出世，给了应用开发、部署以及管理带来全新的内容。对于我们今天的话题Python 3.8 来说，AWS Lambda 也给出一种新的选择。

就在Python3.8 发布之后的第35天，Amazon 发布了AWS Lambda 对于Python 3.8的支持。我们可以将Python函数部署到AWS Lambda 上，利用Python 3.8 运行时来执行我们的Python 代码。

在考虑程序的兼容性的前提下，我们可以在众多Python 运行时的环境中进行选择。在程序的稳定性、性能、新特性等之间作出最适当的选择。目前在AWS Lambda 上提供的Python 运行时有这样几个版本 –

我应该升级到 Python 3.8 吗？

很简单，如果你打算尝试上面介绍的 Python 3.8 的任何新功能，那么就应该升级到 Python 3.8。像 Pyenv 和 Anaconda 这样的工具也可以很容易地安装多个版本的 Python，也包括了Python3.8。或者，你也可以运行官方的 Python 3.8 Docker 容器。这可能是另一个最简便的体验的方式

不过，是否应该将生产环境升级到 Python 3.8 呢？这需要考虑你的项目是否依赖 Python 3.8 的新功能以及程序的兼容性的问题。例如Nvidia 的TensorRT 的Python程序包目前还无法支持Python 3.8 。至于AWS Lambda，我建议我们首先进行的是兼容性的测试，之后考虑一个周密的升级的计划。当然升级版本以运行 Python 3.8 可以说是非常安全的，而且我们的代码也能利用新版本的特性来进行优化。考虑到历史上Python2 到Python3 的升级带来的巨大代价，我们还是尽早的开始考虑Python版本的渐进升级的策略吧。

转载自原文链接, 如需删除请联系管理员。