Quick Sort实现逻辑一致，为何Python与JavaScript性能差异显著

我编写了逻辑完全一致的快速排序代码，分别在JavaScript与Python环境下测试1000万个随机元素的排序性能，结果差异极大：

• JavaScript版本排序耗时约1.5s
• Python版本用numpy.random.rand生成数组测试耗时约131s，改用Python原生列表生成测试耗时约60s

• 核心执行模型差异：测试用的JavaScript大概率运行在V8引擎（Chrome/Node.js环境）上，V8自带JIT即时编译能力，快排这种逻辑简单、执行频率极高的热点代码会被直接编译为机器码执行，性能接近原生C/C++程序。而常规CPython解释器没有内置JIT，所有代码都是逐行解释执行字节码，单条指令执行开销是V8编译后机器码的几十甚至上百倍，是性能差异的根本原因。
• 高频函数调用开销差异：快速排序依赖大量递归调用、partition逻辑循环执行，还包含大量swap交换操作。V8会自动把swap这类极小的高频函数内联优化，完全消除函数调用开销；而CPython的函数调用需要创建栈帧、参数类型校验、返回值处理等一系列额外操作，每次调用都有明显额外开销，递归深度越高、循环次数越多，开销差距越大。
• 数组访问开销差异：JS中存储随机数的Array会被V8优化为存储双精度浮点数的连续内存数组，元素访问是直接内存寻址，无额外开销。而Python的普通list存储的是浮点数对象的指针，每次访问都需要解引用、类型校验；测试中用到的numpy数组本身是原生类型连续存储，但用纯Python代码遍历访问numpy元素时，每次都要做原生值到Python对象的装包/拆包转换，开销比普通list更高，这也是为什么用numpy数组测试耗时远高于普通list的直接原因。

补充优化建议：如果使用带JIT的PyPy解释器运行Python版本代码，性能会提升数十倍，和JS版本差距会大幅缩小；生产环境Python排序优先使用内置的list.sort()方法，底层为C实现的高度优化排序逻辑，1000万随机元素排序耗时仅需几秒。

内容的提问来源于stack exchange，提问作者kertal