Julia语言的优缺点

欢迎关注Julia语言微信公众账号 julia_language

原文链接：http://suo.im/4DhrJF

没有银弹（No Silver Bullet – Essence and Accident in Software Engineering）
IBM360系统之父弗雷德里克·布鲁克斯（Frederick Brooks）发表过一篇关于软件工程的经典论文，文中指出
没有任何技术或管理上的进展，能够独立地许诺十年内使生产率、可靠性或简洁性获得数量级上的进步。
There is no single development, in either technology or management technique, which by itself promises even one order-of-magnitude improvement within a decade in productivity, in reliability, in simplicity.

任何编程语言都有其优缺点，而且往往其优点会成为其自身的短板。

先看看其他语言的优缺点：

* Python 简单，易上手，胶水语言，灵活，生态丰富；
* MATLAB 有大量历史积累，易上手，对矩阵计算支持好；
* Fortran 运算速度快，以前的大量科研、工程中的科学计算代码均用Fortran编写；
* C 接近底层，硬件支持好；
* C++ 有大量工程实践，抽象，工具丰富。



* Python 慢，作为胶水需要大量代码进行封装；
* MATLAB 贵，不够工程化；
* Fortran 老，遗留问题很多，生态不好，无法进行包管理；
* C 缺乏足够的抽象能力；
* C++ 开发效率低（太丰富了），为了兼容会有很多妥协。

Julia的优点：

* 在Python与C/C++/Fortran中找到一个平衡点，在保证Python开发效率的前提下，尽可能提高性能；
* 能使用所有Python和大部分R的库；
* 可读性好，更接近数学表达式；
* 内建包管理器；
* 继承自Lisp的宏；
* 未并行计算和分布式系统设计；
* 协程，“绿色的线程”；
* 从语言层面支持GPU编程。

Julia的缺点（这只是部分缺点，每种语言都有坑，没遇到是你学的还不够）：

* 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）；
* 新语言的生态还不够强，不适合调库党（即便能使用所有Python和大部分R的库）；
* CLI（command-line interface，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。

适用于科学计算：

* 机器学习（内建的GPU编程，无缝调用Python，更快的native代码）
* 数据处理（支持HDF5和DataFrame，CSV等常用数据格式，自带分布式特性）
* 仿真模拟（自带多维数组和各类稀疏矩阵）
* 数值分析（高性能的代码和方便的并行计算）

qrcode_for_gh_620155d44a63_258.jpg