用一句話來說，因為我們求知若渴、不斷追求。

我們擁有Matlab核心用戶，有擅長Lisp方面的黑客，Pythonistas和Rubyists方面的專家也有不少；此外，還有一些是Perl方面的大牛，有一部分開發(fā)者在我們剛略懂皮毛前便使用了Mathematica。換句話說，他們懂的不僅僅是皮毛，比起其他人，開發(fā)R語言要多的多。而C語言對我們來說卻是一塊荒島。

我們非常熱愛這些語言，他們是如此的完美和強大。我們在科學計算、機器學、數(shù)據(jù)挖掘，大型線性代數(shù)和分布式并行計算做了大量的研究工作——可以說每個項目都有各自的優(yōu)勢，甚至給其他人產(chǎn)生畏懼。任何一個項目都會權(quán)衡考量。

我們需要有一門開源語言，這門語言在行業(yè)內(nèi)是被公認許可的（基于許可證情況下）。我們希望這門語言能夠有C語言一樣的速度，Ruby一樣得活力（dynamism）。我們需要像homoiconic一樣的語言，它像Lisp一樣有宏，但是也像Matlab一樣有顯而易見、熟悉的數(shù)學標記。

我們希望傳統(tǒng)的編程語言像Python一樣適用，像R語言一樣適用于統(tǒng)計，像Perl一樣適用于字符串處理，像線性代數(shù)Matlab一樣強大，像DOS命令一樣擅長粘合程序。這似乎看起來簡單易學，但是想要讓黑客樂意去迎合它卻不是簡單之事。我們希望它具有互動性且能夠被編譯。

希望提供的需求：Hadoop分布式核心，因為沒有Java和XML千字節(jié)的樣板文件，無法在數(shù)百臺機器上通過千兆字節(jié)的日志文件進行篩選查找Bug。

拒絕復雜化的操作權(quán)限。我們想寫一段簡單的分等級的循環(huán)（代碼），這段循環(huán)（代碼）通過一個單核CPU上的寄存器利用嚴密的機器代碼就可以編譯。比如寫一個A*B的代碼，然后用一千臺計算機進行1000次計算，這些計算機放在一起就是一個巨大的矩陣產(chǎn)品。

當我們不喜歡類型時，永遠不會提起它。當需要動態(tài)函數(shù)時，需要利用泛型編程來編寫算法并將其應用到類型中，尋求最佳方法從多重角度且有效的為所有函數(shù)挑選參數(shù)，通過數(shù)十種方法來定義不同類型間的共同特性，付出這么多的努力，我們無非是想語言變得更加簡單、干凈。

大約兩年半前，開始著手開發(fā)這門語言，那時還不是完整版，隨著發(fā)布時間臨期將至，最終1.0版醞釀而生——我們將其命名為Julia。

1.0版基本上90%達到了我們的“無理”要求。而現(xiàn)在需要您來提出“無理”要求并進一步改造它。因此，如果您也是一名積極進取、求知若渴的程序員，您不妨來試一試。

Julia是一個新的高性能動態(tài)高級編程語言。語法和其他編程語言類似，易于其他語言用戶學習。Julia擁有豐富的函數(shù)庫，提供了數(shù)字精度、精致的增幅器（sophisticated amplifier）和分布式并行運行方式。核心函數(shù)庫等大多數(shù)庫是由Julia編寫，但也用成熟的C和FORTRAN庫來處理線性代數(shù)、隨機數(shù)產(chǎn)生和字符串處理等問題。Julia語言可定義函數(shù)并且根據(jù)用戶自定義的參數(shù)類型組合再進行重載。

Julia使用的JIT(Just-in-Time)實時編譯器很有效地提高了它的運行效率，在某些地方甚至能比得上C和C++。

下面通過標準測試程序來測試下它的效率，你可以自己比較下各語言的運行效率。

注：運行環(huán)境是MacBook Pro，2.53GHz，Intel Core2 Duo CPU和8G 1066MHz，DDR3內(nèi)存。

上表中只有C++運行時間是絕對時間，其它都是相對于C++的相對時間，數(shù)值越小代表用時越少。除少數(shù)幾項測試Julia惜敗于Matlab和JavaScript外，Julia完勝其他高級語言，甚至在pi summation上，成功以25%的優(yōu)勢擊敗C++。通過使用Intel核心數(shù)學庫(MKL)，MatLabs在矩陣乘法運算中稍占便宜，但是擁有MKL授權(quán)的Julia同樣可以使用Intel MKL庫，不過默認的開源BLAS庫性能也不錯。

這個測試表是通過編譯器性能對一系列常用代碼模式進行分析而得出的。比如：字符串解析、函數(shù)調(diào)用/回調(diào)、排序和數(shù)值循環(huán)、生成隨機數(shù)和數(shù)組運算等。

Julia克服了高級語言一直難以逾越的難關(guān)：標量算數(shù)循環(huán)（在pi summation上就能體現(xiàn)出來。）。Matlab的浮點運算JIT和 V8 JS引擎對此也處理得很好。但JS不支持LAPACK等線性代數(shù)庫導致了在矩陣運算中的低性能，而Julia有比較多的方法消除負載（overhead），使得它可以輕松支持任何函數(shù)庫。

矩陣統(tǒng)計的Julia代碼雖然性能上比不上C++但卻要簡潔得多。然而，規(guī)范和編制太過隨意可能會在將來成為一個問題。

Julia為分布式計算提供很多關(guān)鍵模塊，使得它可以更加靈活地支持多種并行處理。

雖然還是早期版本，Julia已經(jīng)支持了云計算。下面是基于交互性的Julia會話截圖：

Julia將提供更加完整的性能支持云計算操作，比如分享和編輯，包括數(shù)據(jù)管理、數(shù)據(jù)挖掘和可視化操作等。它還允許用戶操作大數(shù)據(jù)類型而不用關(guān)心數(shù)據(jù)操作行為。

TJulia的核心代碼遵循MIT協(xié)議，而其他庫各自遵循GPL/LGPL/BSD等協(xié)議。用戶還可以方便地將Julia作為核心功能共享庫與C/FORTRAN代碼聯(lián)合使用。

在不久的將來，云計算一定會徹底走入我們的生活，有興趣入行未來前沿產(chǎn)業(yè)的朋友，可以收藏云計算，及時獲取人工智能、大數(shù)據(jù)、云計算和物聯(lián)網(wǎng)的前沿資訊和基礎(chǔ)知識，讓我們一起攜手，引領(lǐng)人工智能的未來！

標簽： isp 大數(shù)據(jù) 代碼 開發(fā)者 權(quán)限 云計算

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。