Julia语言：让高性能科学计算人人可用
Julia是個靈活動態(tài)的語言，最初針對數(shù)值計算而發(fā)明，項目起初是MIT的研究課題，現(xiàn)已發(fā)展成富有活力的軟件系統(tǒng)，也是目前最受關注的編程語言之一。日前，Julia的四位發(fā)明者Jeff Bezanson、Stefan Karpinski、Viral B. Shah、Alan Edelman接受了《程序員》雜志的專訪。
讓高性能科學計算為人人所用
《程序員》：你們因何設計Julia？想要解決的問題或達成的目標是什么？
Alan：對我來說，首要的問題是讓高性能科學計算能為世界上的每一個人所用。我時時想著這一目標尚未完全實現(xiàn)，但Julia的出現(xiàn)使問題的解決成為可能。
我對并行計算的興趣始于1988–1989年間在Thinking Machines工作時，Thinking Machines的產(chǎn)品是新潮的Connection Machine。2003年12月，Viral跟Parry Husbands等人一起憑借我們的Star-P并行MATLAB軟件在MIT創(chuàng)業(yè)大賽中獲勝。受此鼓舞，我創(chuàng)立了Interactive Supercomputing公司，從2004到2009年，公司做得風生水起。
在ISC，Parry、Viral和我認識到，通過一種慢速的動態(tài)專有語言來實現(xiàn)快速的并行化是荒唐的。Jeff也是ISC的員工，在這個問題上也有自己的獨到見解。我真心希望看到這個問題的解決方案。
我永遠不會忘記，那是2009年3月，我們要在辦公樓的停車場上拍最后的團隊合影，拍照花了很長時間，晚些時候Jeff和我就在停車場里走了走，在那里我們商定了Jeff來MIT做這個方案。
Jeff：科學計算語言中你所看到的特性通常都很復雜。多數(shù)系統(tǒng)中這些特性都是“內(nèi)置魔術”——通過編譯器和解釋器內(nèi)部的客戶邏輯來實現(xiàn)，難于修改或擴展。我想看到一種更加全面的、可擴展的方法來實現(xiàn)這類功能。
Viral：我一直對科學計算感興趣，這也是我的博士研究方向。我和Alan Edelman，以及我的導師John Gilbert一道，致力于構造一套并行的MATLAB。當時我同一些數(shù)學家、物理學家、化學家和生態(tài)學家一起負責幾個科學應用，將他們的程序并行化以提高性能。在此過程中，有一件事變得清晰起來，那就是問題不在于并行化，而在于現(xiàn)有的語言根本沒有足夠的表達力。這些語言的設計使之難于實現(xiàn)高性能。很多這樣的語言都由一些非計算機科學家設計，他們腦子里想的多是生產(chǎn)率而不是編譯器設計。Julia團隊的獨特之處在于，我們四個人組合了多種學科——語言設計、數(shù)學和工程。結果我們便擁有了一種不僅為科學家和工程師喜歡，也為計算機科學家喜歡的語言；在我看來這是罕有的事情，對此我們都倍感幸運。
Stefan：讀研時我真正想做的是程序語言設計，結果卻進了網(wǎng)絡研究實驗室。到離開UCSB之前，我在用線性代數(shù)、機器學習和數(shù)據(jù)統(tǒng)計做網(wǎng)絡流量的分析與建模。這需要一種弗蘭肯斯坦式的編程語言組合：用于網(wǎng)絡跟蹤處理的C，準備數(shù)據(jù)的SQL，線程代數(shù)和機器學習的MATLAB，統(tǒng)計分析和視覺化的R，然后Ruby管理這一切。我的時間更多花在了查找問題，而不是做有用的工作上。
Viral和我在同一部門，常年一起玩“終級飛盤”。有一天我扔著盤片發(fā)泄著心中不快：這類工作的工具真是一團糟糕。Viral對我說：“我認識一個人，你可以跟他聊聊。”第二天他就通過Email把我介紹給了Jeff。我們便開始討論用于數(shù)據(jù)分析的理想編程系統(tǒng)應該是怎樣的。后來我們決定著手做點什么——以三個月為限，屆時我們將決定是否繼續(xù)。我完成了第一次git提交，搭好了服務器，并為Jeff和Viral開放了權限。Jeff提交了一個語法分析器，以及隨后一個簡單的解釋器，Viral開始用新的語言寫些代碼。起初錯誤不斷，速度也奇慢——但我們已可以用它做些事情，玩一玩語言的語法和語義。三個月來了又去了，我們完全沒有停下的想法。
就在那無人察覺的三個月期限前后，Alan開始為MIT的Jeff提供資金支持。那時我們已把項目命名為Julia了。如今我們在MIT有一個完整的研究小組專注于基于Julia的高效率、高性能并行計算。
《程序員》：Julia這個名字有典故嗎？
Alan：許多人問過這個問題。事實證明這個名字很棒，部分是因為每個人都有自己的解讀理論。
Jeff： 給語言起名字著實不易。很高興我們能有一個好聽又好記的名字。
Stefan：坊間傳言那是我的中名。對這一說法，我不能確認也不能否認。
《程序員》：能否介紹一下你們的背景？之前有語言設計方面的經(jīng)驗嗎？
Jeff：語言本來是我主要的業(yè)余愛好。業(yè)余時間我便做一些語言設計和解釋器方面的工作。我從互聯(lián)網(wǎng)上了解到了Interactive Supercomputing公司，我意識到如果能去那兒工作，就可能獲得少有的專業(yè)的程序語言方面的工作機會，于是便投了簡歷。我在那里大多數(shù)時間都在做一種針對.NET平臺的編譯器。
Viral：我從讀博時就認識Alan，那時我們在加州大學Santa Barbara分校，與MIT的團隊合作研發(fā)Star-P。畢業(yè)后我到Interactive Supercomputing公司工作，在那里認識了Jeff。不久后微軟買走了這家初創(chuàng)公司，我們便琢磨接下來該做什么。
Stefan：我依然清晰地記得假期里造訪瑞典親人的家，在海灘上閱讀《Programming Language Pragmatics》（中譯本《程序設計語言——實踐之路》），并因此被表弟溫言揶揄的情形。不過我后來沒有去做編譯器，而是無意中走入了之后稱為“數(shù)據(jù)科學”的領域。那時我正好有一堆數(shù)據(jù)，想搞清楚數(shù)據(jù)背后的含義。然而，作為一名數(shù)據(jù)科學家，我始終關注著語言設計方面。對我來說，編程語言絕不只是可以替換的工具。我相信更好的語言能讓我們成為更好的程序員，使我們能解決更困難的問題。
《程序員》：談到Julia時，很多文章開篇就會提起它的性能。科學計算語言的性能是一種不可替代的優(yōu)勢嗎？
Stefan：對很多人來說，Julia的性能是一個大賣點。但不是說性能打倒一切，否則我們都去手工編寫SIMD和GPU代碼了。
Jeff：性能分兩類：嘗試一種方案時首次獲得的性能和大量努力后獲得的性能。我相信前者更為重要，且只要專注于前者，就算不能取得最佳的絕對性能，方案也能有效。
Viral：我來分享我做過的另一個開源項目——Circuitscape中的一個故事吧。我和同事Brad McRae開始時可以在10分鐘內(nèi)解決一個100結點的問題。如今，Circuitscape用戶每天都能在幾分鐘內(nèi)解決擁有數(shù)百萬結點的問題。我們組合使用了更好的語言、更好的庫以及更好的算法，達成了這一結果。現(xiàn)在的Circuitscape是用Python寫的，我們正在試驗通過用Julia重寫來實達到更高規(guī)模的可能性。性能不是唯一考量，但對于一種科學計算語言，它肯定是最重要的方面之一。
《程序員》：除了高性能，Julia還有哪些與眾不同的特性？
Jeff：Julia基于多分派（multiple dispatch）。這是一種強大的面向對象編程機制，以前其他語言也用過，但出于某些原因從未真正流行起來。我們設計的多分派旨在定義具有多種形式和行為的數(shù)學函數(shù)，事實證明它也能用于其他情形。它在“你能表達什么”和“編譯器能用它做什么”之間達到了很好的平衡。
Viral：對我來說，Julia最好的方面不是某種語言特性，而是我們終于有了一個平臺，在這里來自計算機科學、物理科學、社會科學以及數(shù)學領域的專家正在走到一起，創(chuàng)造從未有過的神奇。而這些原來不相往來的社區(qū)之間的合作在科學計算方面釋放了新的可能性。
《程序員》：目前Julia最適合哪些場景的應用？
Jeff：Julia是真正的通用語言。總體上，我認為要改善一種語言就要使之更通用，而不是更適于某一種任務。但目前Julia最佳的應用案例是探索性計算（exploratory computing）：試驗不同的算法或嘗試理解數(shù)據(jù)。模擬也是一個大用例：簡潔地描述一套系統(tǒng)，同時獲得盡量高的性能。目前，人們也在使用Julia開發(fā)GUI應用和小型的Web應用，但我們并沒真正針對這種應用而設計。
Viral：Julia足以勝任的領域之一是教育。下一代學生可以直接跨過現(xiàn)有的技術。IJulia圖形化的Notebook集成（運行Julia的IPython Notebook）使之對于教學極具魅力。研究者、算法開發(fā)者和庫作者也在采用Julia，因為Julia使工作更高效。
當舊思想的精華融入新思想
《程序員》：在開發(fā)過程中，哪一部分投入的精力最多？現(xiàn)在最大的挑戰(zhàn)是什么？
Jeff：越來越多的時間都花在考慮設計決定，以及為需要完成的工作排優(yōu)先級上面了。 我們現(xiàn)在面臨的一大挑戰(zhàn)是隨著可用包越來越多、越來越大，用戶也需要將越來越多的代碼加載到他們的環(huán)境中。Julia是設計成即時編譯的，在運行時編譯這么多代碼已經(jīng)開始影響速度了。我們正在尋求解決方案，情況應該很快會有改觀。
Viral：設計良好的API需要相當長的時間。盡管Julia已很快，但我們還需要使它更快，而且更好地并行工作。關于哪些功能留在Base庫中，哪些進入包中的決定也很艱難，因為像Julia這樣的語言往往擁有很大的科學計算庫作為基礎庫發(fā)布。盡管Julia已是一種可以隨時安裝的相對方便的科學計算工具，我們還需要在Julia及其生態(tài)包的安裝方面做更多簡化。
《程序員》：在Julia的設計過程中，你們遵循哪些原則？
Jeff：我們經(jīng)常引用的一條原則是“做性能開銷不大的最有價值的事”。我們愿意犧牲一些性能來換取更可靠、更易編寫的程序，但也有限度。性能降低2倍？可以。10倍？不行。過去，這方面做了很多錯誤的妥協(xié)——例如，C和C++為了在這兒那兒省下一條指令，不惜為用戶帶來大量問題。
Viral： 我們始終考慮編程的便捷。讓語言成為動態(tài)的很重要，但也要有些限制，從而類型推導可以起作用。這樣就可能產(chǎn)生快速的代碼，而不致麻煩用戶聲明所用的每個變量的類型。用戶開心了，編譯器的作者也開心了。
《程序員》：Julia的核心開發(fā)者和用戶分別有多少？社區(qū)如何運作？
Jeff：我們的開發(fā)都通過GitHub進行，現(xiàn)在上面的代碼貢獻者有200名左右，穩(wěn)定的、高度活躍的貢獻者約有30名。我們在GitHub的issues和pull requests，以及郵件列表上都有大量討論。我們喜歡聽到大量觀點，并在決策之前達成一致。
Viral：我聽說過一種度量方法，社區(qū)的規(guī)模是郵件列表規(guī)模的10倍，基于此，估計Julia至少有10000名用戶。我們努力打造一個尊重不同意見、同時為新用戶提供方便的社區(qū)。這樣才能吸引其他人，并使我們的工作有趣。
《程序員》：用Julia寫的項目中，哪一個讓你們覺得印象最深刻？
Jeff：繪圖包Gadfly讓人感覺很棒。還有JuMP，把描述優(yōu)化問題的語言嵌入一種通用的語言中，這是最好的例子之一。它可以匹敵專用語言的性能。
IJulia也是精華。它提供了一個基于IPython Notebook的Web瀏覽器前端，是通過終端與機算機交互的最佳方式。
我特別喜歡的還有Quake 2渲染引擎（https://github.com/jayschwa/Quake2.jl）。
Viral：Julia的統(tǒng)計計算能力最棒，此類程序幾乎完全用Julia寫成，并將Julia引到一個出乎原有規(guī)劃的方向上。當我們看到來自R社區(qū)的人們能將他們想要的功能開發(fā)成一個純粹的包，而不需要任何語言上的修改，我們就知道語言的設計是正確的。
《程序員》：Julia足夠穩(wěn)定能用于生產(chǎn)環(huán)境了嗎？
Alan：是的——我每天早飯前都運行蒙特卡洛模擬，通常是在60個核上。
Jeff： 盡管我們未能提供想要的所有特性，人們有時還會驚詫于一切在整體上竟運行得如此平穩(wěn)。
Viral： 這取決于“生產(chǎn)”的含義。Julia是極好的教學工具，MIT及其他大學的許多課程已經(jīng)在用它了。研究者也在工作中每天使用。如果“生產(chǎn)”指的是有企業(yè)支持的大型服務器上長期運行的任務，那么答案是否定的。
《程序員》：在整個開發(fā)和設計過程中，有沒有想和其他開發(fā)者分享的體會？
Jeff：最初人們對新的編程語言往往持懷疑態(tài)度，這很正常。但事實證明，只要做出讓幾個早期的采用者覺得足夠有趣的東西，你便能獲得助力。
Viral：起初我也懷疑是否真正需要一種新的編程語言，是否所有的東西都不需要。但我已經(jīng)學會擁抱新的語言（更多地來自科學計算背景的），這種多樣性和試驗過程都是好事。世界就是這樣進步的，讓舊思想的精華融入新思想。
《程序員》：有沒有來自用戶的意外收獲或反饋？
Alan： 我每天清晨起來看到Julia中新加的東西都要吃上一驚。
Jeff：聽說Julia被用于前沿的研究項目時我著實高興了一把。少數(shù)研究團體讓他們的實驗室轉變?yōu)槭褂肑ulia為主。哪怕有人只是嘗試用Julia做一個真正有趣的應用，也讓人興奮。
《程序員》：對于初學者來說，學習Julia最困難的部分是什么？Julia中有哪些常見的陷阱？
Jeff：我們努力避免陷阱。我想可能出現(xiàn)的一個陷阱是全局和局部變量非常不同。全局變量更像字典，可以通過名字查詢，也可以四處修改它。局部變量則完全不同，因為在很多情形中它們會被編譯器完全優(yōu)化掉。
Viral：最常見的陷阱在于有時人們期望Julia是MATLAB的零成本替代品。實際上它們有很多語法差異，有時它會絆倒一個有著多年MATLAB背景的用戶。當然，一些舊的習慣并不容易忘掉。
《程序員》：與其他科學計算語言（例如Mathematica、MATLAB等）相比，Julia的劣勢是什么？
Alan：在MIT，我們發(fā)現(xiàn)學生和年輕人樂于擁抱Julia，而有經(jīng)驗的教職員則跟進得慢一些。
Jeff：許多情況下，庫比語言更重要。有許多對特定應用非常重要的庫函數(shù)我們還沒有提供。幸運的是調(diào)用C甚至Python很容易。
Viral：我們需要一個調(diào)試器。我們需要一個更加用戶友好的性能分析工具。我們需要更多的庫。我們需要更多用戶。
《程序員》：你們有沒有從科學計算語言的演化中看到一些趨勢？從你們的角度來看，什么才是理想的科學計算語言（或系統(tǒng)）？
Alan：我相信Julia解放了科學計算，并將繼續(xù)如此。 我觀察過專家們通常用FORTRAN寫的算法，感受則是人們不能碰這些算法。修改的難度注定了這一點，且主要從心理上。在一個人人可以調(diào)整算法進行試驗的世界中，新創(chuàng)造將自由流淌。這是我最想看到的。
Jeff：長期以來我們看到語言系統(tǒng)中不斷增強的運行時靈活性。漸漸地，人們擁抱了動態(tài)內(nèi)存分配、動態(tài)連接，然后是動態(tài)分派（如OOP）、垃圾回收和即時編譯。
Viral：我們的博客文章“為什么選擇Julia”說的正是這個問題。除此以外，編程語言實驗中還有一個有效使用多核和GPU的趨勢。
總結
以上是生活随笔為你收集整理的Julia语言：让高性能科学计算人人可用的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 精养卡用什么POS机最佳？信用卡养卡这种
- 下一篇： HTTP报文(转)