为什么Julia比Python快？因为天生理念就更先进啊

发布时间：2019-02-27 05:53:42 所属栏目：建站来源：机器之心编译

导读：副标题#e# 其实像以前 C 或其它主流语言在使用变量前先要声明变量的具体类型，而 Python 并不需要，赋值什么数据，变量就是什么类型。然而没想到正是这种类型稳定性，让 Julia 相比 Python 有更好的性能。选择 Julia 的最主要原因：要比其他脚本语言快得多

output:：

3-element Array{Any,1}: 
 1.0        
 "hi!"     
 :Symbolic

抽象类型的一种不太极端的形式是 Union 类型，例如：

a = Vector{Union{Float64,Int}}(undef,3) 
a[1] = 1.0 
a[2] = 3 
a[3] = 1/4 
a

output：

3-element Array{Union{Float64, Int64},1}: 
1.0  
3    
0.25

该案例只接受浮点型和整型数值，然而它仍然是一种抽象类型。一般在抽象类型上调用函数并不能知道任何元素的具体类型，例如在以上案例中每一个元素可能是浮点型或整型。因此通过多重分派实现优化，编译器并不能知道每一步的类型。因为不能完全优化，Julia 语言和其它脚本语言一样都会放慢速度。

这就是高性能原则：尽可能使用严格的类型。遵守这个原则还有其它优势：一个严格的类型 Vector{Float64} 实际上与 C/Fortran 是字节兼容的(byte-compatible)，因此它无需转换就能直接用于 C/Fortran 程序。

高性能的成本

很明显 Julia 语言做出了很明智的设计决策，因而在成为脚本语言的同时实现它的性能目标。然而，它到底损失了些什么?下一节将展示一些由该设计决策而产生的 Julia 特性，以及 Julia 语言各处的一些解决工具。

1. 可选的性能

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!