@守护石AI：我们来对比一下编程语言，看看到底是学Java，还是去用Python？

编程语言分为三大阵营，一类属于标准技术委员会维护，例如C/C++，第二类就是商业公司作为主要维护者或贡献给开源社区分支，例如Java、C#、Go，第三类就是开源社区的作者创造并由社区贡献者来维护，Python就是如此。

这三类编程语言的区别就是灵活性和更新速度(内置特性和标准库功能)，标准委员会最慢但标准库的地位极高，那么大家学习语言和库的共识就极为稳定，更多问题在于语言和库考虑太全面，学起来很吃力。

商业公司会定期对SDK的发行版迭代，尤其像Java，这样核心比较稳定，第三方开源库可以围绕着商业公司的发行版定期维护升级，就是为什么数年来大家都要根据不断升级的SDK版本不断学习新的特性与适配新库。

社区做事风格和前两者不同，他们的灵活性很高，参与者变化有时候较大，有些团队很稳定，说不准，例如像Python之父说退休也就退了，这对于社区是常态，但总有新的贡献者加入团队，这种开放性就使得语言一旦流行起来整个生态迭代的效率非常高，最关键社区的特色就是实用，就是为了解决问题，而不是像专家委员会一样对语言反复嚼碎的研究。

那么Python学起来就很容易，大家都是为了实用，往往底层实现细节都被语言或SDK自带库一层层封装掉了。但社区做事容易形成版本碎片，例如Python2还是3，就让很多人纠结，更不用说各种第三方库了！

因此从组织体系、不同文化和做事风格上你就能看得出来，小而精的事情最适合C/C++；反之规模化，工程化特征明显的事情Java，C#，Go这些有稳定周期的商业化支撑就很合适；怕麻烦，就想快速解决问题的人或业务就特别适合社区的产物—Python。

因此也就有了底层系统，通讯系统，高性应用非常适合C/C++，另外C++的面向对象设计可以承担更具有工程化特点的应用，例如云平台基础设施或游戏开发。

而Web大型应用，大数据系统，OA，ERP等等这些上规模的工程系统就必须Java，C#了，Go在云端和大数据框架方面则兼备了性能与工程规模化。

对于运维过程最需要的就是快速运行解决问题的脚本，那么Python；对于黑客瞅准机会快速搞个脚本试探效果，那么Python；对于数据科学家突然在数据水池中抓住一个线头，必须马上找到对应的AI库去实验自己的新想法，那么Python，对于财务人员快速写个查询统计脚本并生成Excel，那么Python。