Go или Python: что выбрать для бэкенда

Сначала о том, откуда взят этот обзор. Я пишу на Python: API на FastAPI и Django, Telegram-ботов на aiogram, парсеры и скрипты. На Go я не писал, поэтому про него рассказываю как сторонний наблюдатель: по документации, устройству языка и известным проектам на нём.

Таблица описывает типичные случаи. В конкретном проекте решают требования к нагрузке, сроки и люди, которые будут поддерживать код.

Go компилируется в машинный код. Сервис быстро запускается и обычно расходует меньше памяти, чем похожий сервис на Python. На вычислениях разница заметна сразу: CPython исполняет байт-код в интерпретаторе, и это медленнее.

Главное преимущество Go для бэкенда в конкурентности. Горутины легче потоков операционной системы, и планирует их сама среда выполнения Go. Каналы и пакет context помогают передавать данные между горутинами и отменять операции по таймауту. Всё это есть в языке и стандартной библиотеке.

В Python для конкурентности несколько путей. Для сетевых операций подходит asyncio: на нём работают FastAPI, aiohttp и aiogram. Потоки в CPython ограничивает GIL: в один момент байт-код Python исполняет только один поток. Поэтому тяжёлые вычисления выносят в отдельные процессы, в очереди задач вроде Celery или в библиотеки на C, такие как NumPy. Сборку CPython без GIL уже можно попробовать, но по умолчанию интерпретатор работает с ним.

Для типичного API скорость языка часто важна меньше, чем кажется. Запрос ждёт базу данных, кеш или внешний сервис, и это время одинаково для обоих языков. Go выигрывает, когда поток запросов большой, серверов много и ресурсы стоят заметных денег. Или когда сервис держит много долгих соединений: WebSocket, стримы, длинные опросы.

Python считают одним из самых простых языков для старта. Код короткий и читается почти как текст. Небольшой API на FastAPI собирается быстро даже без опыта в бэкенде.

У этой простоты есть обратная сторона. Динамическая типизация прощает ошибки, пока проект маленький. Когда кода много, нужны аннотации типов, проверка через mypy или pyright, тесты и договорённости в команде. Без них крупный проект на Python трудно менять.

Go задуман небольшим языком. В нём мало конструкций, а стиль кода задаёт стандартная утилита gofmt. Статическая типизация ловит часть ошибок ещё при компиляции. Сложнее даются другие вещи: явная обработка ошибок через if err != nil, указатели, интерфейсы и аккуратная работа с горутинами. Гонки данных помогает найти встроенный детектор go test -race.

Разработчику, который уже писал на Java, C# или PHP, Go обычно даётся быстро. Новичку проще начать с Python.

В Go многое есть в стандартной библиотеке. HTTP-сервер и клиент, JSON, шаблоны, тесты и бенчмарки доступны без внешних пакетов. Часть команд пишет сервисы на чистом net/http и берёт Gin, Echo или chi для маршрутизации и middleware. На Go написаны Docker, Kubernetes, Terraform и Prometheus. Это хорошо показывает сильную сторону языка: инфраструктурные инструменты и облачные сервисы.

У Python библиотек больше, и они покрывают почти любую область. Для веба есть Django со встроенными ORM, миграциями и админкой, FastAPI с валидацией через Pydantic и автоматической документацией OpenAPI, лёгкий Flask. Рядом лежат библиотеки для данных и машинного обучения, парсинга, автоматизации и ботов. Я пишу на FastAPI и Django, ботов делаю на aiogram, на этом же языке пишу парсеры и скрипты.

Go чаще встречается в нагруженных API, микросервисах, шлюзах и прокси, в сервисах потоковой обработки, CLI-утилитах и инструментах для DevOps. Сервис собирается в один исполняемый файл, его удобно класть в маленький Docker-образ. Собрать его под другую систему и архитектуру можно через переменные GOOS и GOARCH.

Python берут для веб-приложений и API, внутренних сервисов и админок, ботов, парсинга, интеграций и автоматизации. Отдельная большая область: сервисы вокруг данных и машинного обучения. Если модель обучена на Python, обслуживать её удобнее тоже на Python.

Языки часто работают вместе. Основной продукт пишут на Python, а нагруженный сервис с одной узкой задачей выносят на Go. Бывает и наоборот: ядро на Go, аналитика и скрипты на Python.

Python-разработчиков на рынке много. Для бэкенда нужен опыт с Django или FastAPI, базами данных и асинхронным кодом. Знание Python для анализа данных или автотестов такой опыт не заменяет.

Go-разработчиков меньше, и в Go часто приходят люди с опытом в других языках. Зато код на Go у разных команд выглядит похоже: один форматтер, строгая типизация, мало способов написать одно и то же. Новому человеку проще разобраться в чужом сервисе.

Стоимость поддержки зависит от качества кода сильнее, чем от языка. Проект на Python с типами, тестами и понятной структурой поддерживать не сложнее сервиса на Go. У Go есть обещание совместимости Go 1: код, написанный под ранние версии, собирается и новыми компиляторами. В Python часть возможностей со временем объявляют устаревшими и удаляют, поэтому интерпретатор и зависимости стоит обновлять регулярно.

Для многих новых веб-проектов Python будет разумным стартом. Он подходит продуктам, которым важны скорость разработки, богатая экосистема и связь с данными. Go стоит выбирать, когда нагрузка высокая и растёт, сервисов много, а серверные ресурсы стоят заметных денег.

Решение можно пересмотреть позже. Языки хорошо уживаются в одной системе: можно начать на Python и вынести на Go отдельный сервис, когда станет понятно, где узкое место. Если команда уже пишет на TypeScript, для API и ботов стоит рассмотреть и Node.js: у него тоже сильная асинхронная модель.