Julia1.1Python/R/Matlab的强大结合

image.png

介绍

传统上，科学计算需要最高的性能，但领域专家在很大程度上转向使用较慢的动态语言进行日常工作。我们认为有很多很好的理由喜欢这些应用程序的动态语言，我们不希望它们的使用减少。幸运的是，现代语言设计和编译器技术可以大大消除性能折衷，并提供足够的单一环境来进行原型设计，并且足够高效地部署性能密集型应用程序。Julia编程语言充当了这个角色：它是一种灵活的动态语言，适用于科学和数值计算，其性能可与传统的静态类型语言相媲美。

由于Julia的编译器与用于Python或R等语言的解释器不同，您可能会发现Julia的性能起初并不直观。如果您发现某些内容很慢，我们强烈建议您在尝试其他任何内容之前先阅读“效果提示”部分。一旦了解了Julia的工作原理，编写几乎与C一样快的代码就很容易了。

Julia具有可选的输入，多个调度和良好的性能，使用类型推断和即时（JIT）编译实现，使用LLVM实现。它是多范式的，结合了命令式，功能性和面向对象编程的特性。Julia为高级数值计算提供了易用性和表现力，与R，MATLAB和Python等语言一样，但也支持通用编程。为了实现这一目标，Julia建立在数学编程语言的基础之上，但也从流行的动态语言中借鉴了很多，包括Lisp，Perl，Python，Lua和Ruby。

Julia与典型动态语言最重要的不同之处在于：

• 核心语言很少; Julia Base和标准库是用Julia编写的，包括整数运算等基本操作
• 用于构造和描述对象的丰富语言类型，也可以选择用于进行类型声明
• 通过多次调度在多种参数类型组合中定义函数行为的能力
• 为不同的参数类型自动生成高效的专用代码
• 良好的性能，接近像C这样的静态编译语言

虽然人们有时会说动态语言是“无类型的”，但它们绝对不是：每个对象，无论是原始的还是用户定义的，都有一个类型。但是，大多数动态语言中缺少类型声明意味着无法向编译器指示值的类型，并且通常根本无法明确地讨论类型。另一方面，在静态语言中，虽然可以 &＃8211; 通常必须 &＃8211; 为编译器注释类型，但类型仅在编译时存在，并且不能在运行时进行操作或表达。在Julia中，类型本身就是运行时对象，也可以用于将信息传递给编译器。

虽然临时程序员不需要显式使用类型或多个调度，但它们是Julia的核心统一特性：函数在参数类型的不同组合上定义，并通过调度到最具体的匹配定义来应用。这个模型非常适合数学编程，在传统的面向对象的调度中，“拥有”操作的第一个参数是不自然的。运算符只是带有特殊符号的函数 &＃8211; 为了扩展新用户定义数据类型的添加，您可以为+函数定义新方法。然后，现有代码无缝地应用于新数据类型。

部分原因是运行时类型推断（由可选类型注释增强），部分原因是由于项目开始时对性能的强烈关注，Julia的计算效率超过了其他动态语言，甚至是静态编译的竞争对手语言。对于大规模的数值问题，速度始终如一，并且可能始终是至关重要的：在过去几十年中，正在处理的数据量很容易与摩尔定律保持同步。

Julia旨在以单一语言创建前所未有的易用性，功能和效率组合。除此之外，Julia相比系统的一些优势包括：

• 免费和开源（MIT许可）
• 用户定义的类型与内置函数一样快速和紧凑
• 无需对代码进行矢量化以提高性能; devectorized代码很快
• 专为并行和分布式计算而设计
• 轻量级“绿色”线程（协同程序）
• 不引人注目但功能强大的类型系统
• 针对数字和其他类型的优雅且可扩展的转换和促销
• 对Unicode的有效支持，包括但不限于UTF-8
• 直接调用C函数（不需要包装器或特殊API）
• 强大的shell类功能，用于管理其他进程
• 类似Lisp的宏和其他元编程工具