史上最强科学计算编程语言？

主页（http://www.kuwanit.com）：史上最强科学计算编程语言？

EmTech China | 史上最强科学计算编程语言？

2019-01-16 11:03 来源:DeepTech深科技 公司 /设计 /开发

原标题：EmTech China | 史上最强科学计算编程语言？

Julia 编程语言创建者之一 Viral Shah 博士，确认参加 EmTech China 2019 全球新兴科技峰会。

图 | Julia 语言的团队部分成员即获奖人（来源：MIT News）

图丨在过去的三个月中，Julia 在 RedMonk 的排名中上升了三位，排名第 36 位（来源：RedMonk）

Julia 的崛起，与目前编程语言发展遭遇的瓶颈息息相关：随着人工智能尤其是机器学习的兴起，现实世界对计算的速度及性能要求也越来越高，不同的编程语言由于自身的局限性难以兼顾，例如说，在 Julia 诞生之前，很多人不得不把同样的程序进行多次处理：首先使用 Python 或 R 这样的语言来开发一种算法，并通过这些语言制作图表，然后再用 C++或 Java 改写程序，以获得更好的计算机处理性能。

突破这种瓶颈无疑有两个方向，一是基于现有编程语言进行优化，二是“将革命进行到底”——专门开发一门新语言。后者自然成本更高。

Julia 的开发人员显然选择了后者，而且他们的野心不小：Julia 被专门设计为用于快速运行基础数学，这正是大多数数据科学的基础，如矩阵表达式和线性代数。

它的诞生可追溯到 2009 年。当时，正是基于对现有编程语言的“不满”，麻省理工学院启动了一个新型编程语言开发计划，到了 2012 年的时候，这个计划有了初步的成果，也就是如今的 Julia。

图 | 麻省理工学院 Julia 实验室（来源：Julia 实验室官网）

“我们想开发一种开源的编程语言，我们希望这门语言有 C 语言一样的速度、R 语言一样的灵活性，有同像性（homoiconicity）, 有像 Lisp 语言那样拥有真正的宏特性，但是也像 Matlab 一样有易于理解、被人所熟悉的数学标记。我们希望它像 Python 一样易用，像 R 语言一样适用于统计，像 Perl 一样适用于字符串处理，处理线性代数像 Matlab 一样强大，像 DOS 命令一样擅长粘合程序。这似乎看起来简单易学，但是想要让黑客乐意去迎合它却不是简单之事。我们希望它具有互动性且能够被编译”，在《Why we created Julia》这篇文章中，Julia 团队如此解释他们开发这个语言的初衷。

图丨Viral Shah（来源：DT 君）

Viral Shah 也曾经表示：“如果你是一名数学家、科学家或者工程师，你可以选择一种速度快的语言，比如 C++或 Java，又或是任意一种容易学习的语言，比如 Matlab，R，或 Python，所以我们创造了 Julia 这种又快又便捷的语言。”如今，他已经成为 Julia Computing 公司的 CEO，该公司致力于帮助其他公司使用 Julia 语言。

图丨Alan Edelman（来源：麻省理工学院官网）

一、在团队看来，Julia 语言的核心创新点是什么？

开发一种基于多分派（Multiple dispatch）的语言。在最初的一段时间里，我们并不 100% 清楚怎么做。多方法和外部调度看起来很酷，但我们不清楚它们有多么有用和强大。

重视多分派特性改变了我们编程语言的编程方式。这是一件很奇怪的事情，因为当人们问“多重调度有什么了不起？”时，很难具体回答有什么特别的地方，但是一旦你习惯了这种特性，就很难回头了。

除了高性能，Julia 还有一些与众不同的特性。例如，Julia 能够访问异常广泛的编程堆栈。你可以以良好的性能操作比特和字节（并查看汇编代码），同时也可以处理高阶函数、设计宏定义、进行面向对象编程，所有这一切都可以很好地融合在一起。剥离这些层也很容易。为完成不同任务，人们经常需要转换语言。Julia 程序员对不同的任务或许使用的技术和样式不同，但完全可以使用相同的语言（即 Julia）。

二、在 Julia 的开发过程中，哪一部分投入的精力最多？有什么遵循的标准吗？

设计并搞清楚内部的工作原理总是最花时间的。

开发好的编程语言的关键是设计一组简单、强大的原语，能够很好地执行，然后根据这些原语定义所需的大部分功能。在语言开发的早期，添加许多“内置”结构似乎是个好主意，但在编写优化编译器时，这些结构可能会带来很多麻烦。用一种语言本身编写该语言的标准库既有利于性能（从长远来看），也可以提供宝贵的使用语言的经验，这些经验又可以反馈到语言的设计中。当一个函数运行得太慢时，我们会去看检查一下是否可以改进编译器让函数运行得更快。反复如此，我们不仅可以改善这个函数，还可以解决一系列类似的问题。

三、Julia 具体是如何实现同时具备 Python 的简单、C 语言的执行速度、R 语言一样的数据分析库支持？

正如上一个问题，简单性来自于有少量精心选择的原语。自动垃圾收集（一种计算机内存管理手段）对语言的可用性也有很大的贡献，这一点在编程语言领域已经是很久以来的共识了。

为提高速度，我们研究了所有使大多数动态语言变慢的因素，并仔细考虑了哪些因素可以消除。例如，动态语言通常允许数组元素和对象字段保存任何类型的值。然而，研究表明，即使在这些语言中，具有常量类型的同构数组和字段也非常普遍。因此，设计 Julia 利用了这一点，更容易添加类型限制，并在任何可能的情况下默认使用类型统一的集合。

四、Julia 目前宣称和 C 语言一样快。但是否在所有情况下都是这么快？还是只在数据处理的时候和 C 一样快？和目前主流语言如 Python、C 等的兼容性如何？