在IT屆，一談起編程語言之間的優劣，可以掀起一場世界大戰。即使已經封神的Torvalds也不能免俗，對C++數度開火，更別人說其他語言，壓根就不在火力範圍內。就我個人而言，啓蒙是C語言，用的多是C++，工作範圍主要網絡、應用系統底層框架、高性能低延遲的應用，所以即使是寫C++代碼，感覺也類似C語言，很少用高級特性。java、python、lua、php等都用過，因爲要做的工作不多，所以多數都是淺嘗輒止。
這些爭議的根源，我認爲，在於這些爭議者忽略了編程語言和領域場景的適配程度。多數人在爭議編程語言的優劣的時候，少有人提及在某些場景。談及寫網頁，幾乎沒有人會想到用C/C++語言，除非在於一些資源緊張的嵌入式系統。說到寫操作系統，不會有人說要用Java，甚至C++都用得少，因爲C是被證明過的解決方案。
而會被爭論的場景是處於操作系統和網頁之間的中間地帶，主要是場景多樣的應用系統，也包括一些歷史原因遺留的。這些系統包括GUI界面，應用容器、商業邏輯的實現、中間件的實現。在一些公認的成熟領域，比如網關、數據庫普遍選擇C作爲開發語言，諸如apache、nginx、mysql、postgrep等。而近年來興起的消息中間件kafka、rocketmq和rabbitmq；以及hadoop族的諸多系統，再加上python族的openstack和人工智能和剛流行的交易策略編程；還要再加上谷歌的go族系統，如k8s和docker。
深入研究這些現象，一個理性選型的根本目在於確保系統成功，一般都要包含這個過程：
1、系統場景的需要哪些特性，安全、性能、用戶體驗還是其他，這是系統成功的要素；
2、現有的開發資源和允許開發時間，一般這些都是緊俏因素，能少儘量少，這和實驗室是不同的。
3、開發人員的技能熟悉程度，如果讓開發人員去熟悉一個全新的語言和功能，這個成本也要考慮；
4、編程語言是否符合場景，以及他本身的框架對新系統的支持程度，成熟的框架肯定優先考慮。
5、編程語言的周邊系統，是否已經足夠成熟的組件或者社區或者技術支持，來支撐該選型。
對於一家實業公司來說，撇開本身的資源和系統場景，去討論編程語言的選型是一個不負責的做法。最核心的依然是成本和時間的考慮，能否用最少時間並且最低成本實現一個系統，往往能夠決定一個系統能否在市場上成功。一個有趣的案例是hadoop，最早是用java實現的，在市場引起強烈反響，獲得巨大成功，而之後因爲本身的問題，不斷加入輔助系統爲不斷髮展的業務需求提供支撐。但最終卻是c語言編寫的ceph成爲了linux下的分佈式文件系統選型而不是流行的hadoop的底層存儲hdfs。
ceph的案例是一個反例，他選用c語言作爲編程語言，顯然違背了成本和時間的原則。我們深入考慮ceph開發時的市場背景，不然發現，hadoop在此時已經有衆多的應用場景和周邊支撐，還有大公司的支持，唯一的突破點，就是他本身固有的缺點，比如可擴展性、性能等。ceph作爲後入者，專注於底層存儲，與HDFS競爭，比如在用戶體驗上更勝一籌，那麼選型c顯然要優於java，其他反而不重要。於此相似的是阿里的rocketmq，他沒有用scala語言改進kafka，而是用java重寫了類似的系統。
對於一家實業公司來說，即使是要和成熟產品競爭，會在成本和時間上做出妥協，但最終也會迴歸到這兩點，不可能無限投入和延時。我們考察下最流行的java，可以發現java的庫範圍覆蓋之廣，令人髮指，只要你能想到基本都有，這當然和java語言設計有關係，容易開發，方便管理，才促進了java庫的繁榮，又反過來推進java的發展。C/C++發展了幾十年了，項目同樣不少，但問題在於每個項目都各有自己的風格，你要在自己項目中引入其他項目，簡直要痛不欲生，除了幾個經典項目。
python在早期多數被限制在運維管理項目，直到最近人工智能的流行，大神吳恩達親自出面推介，再倒最近的交易策略編程也流行用python，之前多用VBS。想想也不奇怪，人工智能和交易策略從業人員要麼數學或者金融專業出身，讓他們學習計算機知識顯然浪費時間；其次原來面向運維人員的Python，學習曲線就平滑得多；再次，數學庫的豐富，谷歌神器tensorflow都支持python了；最後，解釋性語言可以邊寫邊看結果，特別適合要算法研究工作，畢竟每改一次都要編譯半天的編譯語言太浪費時間了。
之上所說的一切都在於表明，每一個領域場景都會有對應的，符合理性選型的，一個或者多個編程語言。在符合領域場景特性下，成本和時間會成爲關鍵的選型要素。領域語言比通用性語言的優勢在於他更符合領域場景特性，擯棄不需要的特性。有適合場景的系統庫支撐，如python的數學庫；也有適合開發人員的語法和使用習慣。領域語言的優勢在於用戶體驗，縮短系統成型時間，也同樣降低了研發成本。
領域語言劣勢在於，需要對應的編程環境，因爲領域多樣，語言也多樣，特性也多樣，所以要支撐這種多樣性，顯然是困難的。而一個有競爭性解決方案，就是一個同樣編程語言上，比如python上提供領域庫，可以是系統庫對應於運維繫統，可以是數學庫對應於人工智能和交易策略。
數據親和架構將系統研發限定在數據處理，以及對應的業務處理邏輯，開發者在使用這種架構時，需要考慮的因素有限，因此，更容易實現領域語言，更有助於提高開發效率，縮短開發時間，降低開發成本。