为何Java基础数学运算耗时比Python高140万倍？

我做了个实验对比Java和Python的运算耗时，设计了一段复杂数学表达式在两种语言中执行。结果显示Java运算耗时1454584纳秒，而Python多次测试耗时为0或1000纳秒（推测小于1000纳秒会被取整为0或无法检测）。我没法相信两者耗时差这么多，想搞清楚：是Java基础数学运算真的这么慢？还是两种语言的时间测量方式不同？或是我对运算执行机制有误解？

测试代码 #

Java代码（控制台输出耗时1454584 ns）

double result;
long start = System.nanoTime();
result = 10 + 5 - Math.pow(9, 3) * 10 / 5 + 3 - 3 - 2 - 100 * 2 + 9000 / 50 + 0.2 * 0.9 / 3 + 1 / Math.pow(3, 2) * 6;
long time = System.nanoTime() - start;
System.out.println("Result: " + result);
System.out.println("Time elapsed: " + time + " ns.");

Python代码（多次测试结果为0 ns或1000 ns）

import time
start = time.time_ns()
result = 10 + 5 - 9 ** 3 * 10 / 5 + 3 - 3 - 2 - 100 * 2 + 9000 / 50 + 0.2 * 0.9 / 3 + 1 / 3 ** 2 * 6
finish = time.time_ns()
print("Result: ",result)
print("Time elapsed:",finish - start,"ns.")

• Python的编译期常量折叠优化
  Python解释器在加载代码阶段，会对全常量组成的表达式做预计算。你写的整个表达式所有操作数都是常量，Python会直接算出结果并存在字节码里，实际运行时只是把预计算好的值赋值给result，几乎没有运算开销，所以测量到的时间接近0，受系统时钟精度限制显示为0或1000纳秒。

• Java的首次执行开销
  你的Java代码是单次执行测量，第一次运行时JVM还处于解释执行模式，没触发即时编译（JIT）优化。同时Math.pow是JNI调用的本地方法，第一次调用会有初始化开销，加上类加载、JVM启动的部分残留成本，这些都被算进了耗时里。如果把这段运算循环执行几十次，等JIT编译完成后，耗时会大幅降低。

• 时间测量的精度与上下文差异
  虽然两者都用了纳秒级API，但系统时钟本身有精度限制（通常1-10微秒）。Python实际执行的操作极少，测量值容易被取整为0；而Java第一次执行包含了初始化、解释执行等额外成本，测量到的不是纯运算耗时。

• 运算实现的差异
  Python的**运算符处理整数幂时，内部实现比Java的Math.pow更轻量化——Math.pow是通用浮点数幂运算，要处理更多边界情况和兼容逻辑，本身单次调用的开销就比Python的整数幂运算高。

内容的提问来源于stack exchange，提问作者beizixiansheng