充满野心的Julia成功了吗？

前言：

程序员10年心血，超过700人做出贡献，还有更多人创造了成千上万的开源包，Julia最终是否完成了他们的目标？今天我们就从速度、动态静态系统类型、矩阵运算以及语言灵活简洁性四方面来谈一下Julia的性能。

Julia是快速的

15年《Journal of Economic Dynamics and Control》上发表了一篇文章，这篇文章对当时的几种主要编程语言的运行速度进行对比，包括C++、Fortran、Java、Julia、Python、Matlab、Mathematica、R等，作者在每种语言中使用相同的算法、分别测量不同语言在Mac和windows系统上的运行时间。
最终结果如下Table 1所示，Julia的表现是非常出色的，尽管他的速度没有达到C++的水平，但是mac和windows上的速度也仅仅是C++的2.64和2.7倍。
可见Julia的运行速度确实还不能达到C的速度，但是与Matlab的10.88和8.92倍、Cpython的269.31、155.31倍、R（compiled）的280.90和243.63以及Mathematica的809.22和626.19倍相比，Julia就显示出了它的速度优势。尽管Julia的速度并没有达到C的速度，但是相比许多其他语言，Julia是具有明显的速度优势的。

而18年正式发行了1.0版，速度更是有所提高，oschina（开源中国）上显示标准测试程序测试下的效率数据如下表所示（表中C++的运行时间是绝对时间，其他都是相对于C++的相对时间），可见Julia的效率也是极好的，尽管大多数运行速度还不如C++，但是相对其他语言，除部分略逊色于Matlab或者JavaScrip外，Julia都完胜其他高级语言，甚至pi summation上，Julia成功以25%的优势击败C++。可见Julia是快速的。

Julia是动静结合的

静态类型系统，在程序运行之前，就可计算每一个表达式的类型；而动态类型系统，我们只有通过运行那个程序，得到表达式具体的值，才能确定其具体的类型。动态语言编程的代码数量少，看起来更为简洁，更具有灵活性；而静态语言在编译时就能发现类型不匹配的错误，而且如果在程序中明确规定了数据类型，编译器还可以针对这些信息对程序进行一些优化工作，提高程序执行速度。
Julia官方的介绍说明Julia是动态的，但通过允许指出某些变量具有特定类型，Julia获得了静态类型系统的一些优点。这方面Julia就相对灵活，可以根据需要选择动态还是静态，也有人说Julia是动态的静态语言。

Julia的矩阵运算

Matlab通过使用Intel核心数学库（MKL）在矩阵乘法上占有优势，而Julia拥有MKL库的授权，同样可以使用Intel MKL库，当然Julia默认的库并不是MKL，而是BLAS，BLAS本身效果也具有不错的性能，因此Julia矩阵运算的效果还是不错的，当然也有人通过实验对Matlab和Julia进行对比，结果显示速度与数据类型相关，结果如下图显示：

64位整数Julia明显更快，优势非常明显，32位整数及32位浮点数和64位浮点数Julia略有优势，8位整数和16位整数Matlab较有优势；当然因为64位整数的明显优势存在，Julia的平均速度要比Matlab快一些。

Julia是灵活易用的

我们知道python是当下非常受欢迎的语言之一，python简单易上手，是一种胶水语言，灵活且生态丰富，而Julia也拥有高阶的语法，同时也在不断的提升高效性和易用性，下面我们分别用python、matlab以及Julia实现如下函数：
若传入两个参数，传出两个参数的和，若传入一个参数，传出这个参数加1，三种语言的代码如下：

我们发现python相对Matlab要简洁很多，而Julia甚至还要更简洁一些，可见Julia是简洁易用的，此外Julia还十分灵活，它能使用所有Python和大部分R的库。

Julia是可进步的

既然Julia具有这么多优点，但是它的使用人数为什么还是没有python和Matlab等的人数多呢？
当然Julia问世时间尚短占了很大一部分原因，除了这一原因，我们也不得不承认尽管Julia具有很多突出的优点，但是它还是一个发展中的语言，并不是特别成熟，还有很多可以进步的地方：
用于附加功能的包不够成熟或维护得不够好，作为一个开源的编程语言，Julia十分灵活，更新也较快，但是这就会出现支持服务不到位、缺乏良好的记录文档，作为一个新语言Julia的生态还不够强，尽管它能使用所有的python和大部分R的库，但是生态不强就使得Julia并不适合调库党。
基于JIT（ Just-in-time，即时编译器），启动有预热时间，不适合小规模、只运行一次的任务（例如shell脚本），也就是说Julia并不适合简单且运行时间短的任务。
命令行界面工具缺乏，不适合在终端（Terminal）开发，需要借助能够热重启（reload）和IDE开发，各个IDE都有其各自的优点与缺点。
安装package麻烦，费时，还易出错，国内还没有解决镜像的问题，下载和安装都很慢。
使用的人少，相关资料少，缺乏教学资源，一个使用者多的语言，教学资源丰富，此外遇到问题时网上可以找到他人的解决方法，因此可以吸取前人的经验，而Julia的使用者较少，教学资源也不多，网上的经验分享也不多，因此出现问题时也难以找到解决方法，这在很大程度上限制了Julia的发展。

结语：

回到我们最初的问题，充满野心的Julia成功了吗？我们可以说，它已经在成功的路上，或者说他已经取得了很大一部分的成功，但是Julia还在发展中，它还可以更近一步，还可以更好。

想获取更多内容，请关注海数据实验室公众号。

本期分享到这里，我们会每天更新内容，咱们下期再见，期待您的再次光临。有什么建议，比如想了解的知识、内容中的问题、想要的资料、下次分享的内容、学习遇到的问题等，请在下方留言。如果喜欢请关注。

社群推荐：

更多有关数据分析的精彩内容欢迎加入海数据在线数据分析交流群，有什么想法或者疑问都可在里面提出，与同行零距离交流，共同成长进步，请识别下面二维码加火星小海马微信，邀你进群。